img2threejs 海关报告：把照片刻成纯代码 3D 模型的 skill，和「永远不许脚本打分」的分工

先交代一个反直觉的事实：这个 17,577 star 的项目（10 月 6 日 GitHub 实抓，7 月 15 日建仓，三个多月）生成 3D 模型的方式，是最笨的那种——不用神经网络，不用照片扫描，不用网格文件。丢给 Claude Code 一张手表照片，它写代码，用 Three.js 的几何体一个部件一个部件把手表「刻」出来，跑在浏览器里。仓库自己管这叫 reconstruction-by-code：重建靠代码，不靠 photogrammetry、不靠 mesh 提取、不靠素材包。

素材说它是「开源 Skill」，对，但低估了它。SKILL.md v2.0.0 有 32.9KB，README 42KB，外加一个叫 grimoire 的规则库和一个叫 forge 的 Python 状态机。它更像一套刻在 agent 身上的工序纪律。素材里的「图片拆解、渲染对照、评分迭代」都属实——每个 pass 生成后截图与参考图并排对照，不匹配就迭代——但「评分」的主体被说模糊了，而那恰恰是这个项目最值得看的地方。

三条硬规则

第一，不许凭记忆继续。流程入口是 forge/next.py --state state.json，每次开始、恢复、纠错前都必须先跑它，它报告下一步命令和证据状态；规则原文是「Obey a hard stop; never continue from memory」。对话上下文被视为可丢弃的，state.json 才是唯一事实源。

第二，观察先于推断。动任何脚本之前，agent 必须先按分层观察协议看图：宏观到微观拆解部件、按 PBR 术语命名材质、列出「决定身份的特征」（identity-defining features）、并显式标记「单张图看不到的部分」——背面是什么？单视角不保证精确几何，文档原话是「say so instead of faking confidence」，不许假装确定。还有一条防呆：建模用 3D 物体空间，不是 2D 图像空间——防止 agent 按像素位置摆零件。

第三，spec 错了修 spec，不许绕着打补丁。每轮自检后五选一：继续、修规格、修代码、要输入、停止。规格错了就重走验证，禁止在错误的规格上用代码技巧掩饰。「don't patch code around a wrong spec」——这句值得任何写 agent 工作流的人贴在墙上。

最锋利的一条分工

The Loop 一节的标题就是答案：「scripts do enforcement; agent vision does judgment」——脚本管执行强制，agent 视觉管判断。规则写得更狠：Never let a script score visuals. 永远不许脚本给视觉效果打分。

为什么？SKILL.md 里有个内置视觉工具 Divine Eye 的案例：它的 SSIM/色调/边缘信号跑在 64×64 亮度网格上，几像素宽的细节——一道裂缝、一颗獠牙、一次眨眼——在任何比较发生之前就已经消失了。小特征需要不同的仪器，文档给了四档显微镜规则：保真度要量在部件的可见足迹上（全帧减去部件遮挡帧），永远不在隔离渲染上量；凹面特征永远不做颜色门限，暗像素比量到的是腔体阴影不是材质。这两条标注为「empirically established」——实测踩坑得来的。

脚本没有眼睛。它只能管状态、清单、证据链这些确定性的事；「像不像」的判断权归 agent 的视觉。这是断言与执行的分工在 skill 内部的精确版本。

好看≠能用

人物管线（1.5 beta+alpha 已合并）是素材说的「骨骼与动画插件」的正体：程序化建模之外，走确定性相机清单、浏览器截图证据、UniRig 形状的骨架验证，骨骼与动画由 img2 harness 的插件体系（img2 add）安装管理。

这一节有句哲学级的合同条文：CharacterGen、Tripo、VRM 这些神经与素材系统只能做 opt-in 适配器，登记来源、权重、许可证、坐标转换和输出哈希——「They never silently replace the procedural TypeScript factory. Image-to-mesh systems emit a static mesh with no skeleton, so their output is never animation-ready however good it looks.」

无论多好看，没有骨架的静态网格永远不是动画就绪。好看是视觉属性，能用是结构属性。这是对整个「照片直接生成 mesh」赛路的判词。

接主线

ppt-master 案记录过「工具只拥有工作流，模型决定上限」，img2threejs 把这个分工做到 skill 内部：脚本草案执行，agent 持有判断权。也是本号 9 月教育的老话题——测量工具要知道自己的量程，64×64 网格就是量不到几像素的裂缝。可打脸预测：十二个月内「视觉判断权保留给 agent、脚本只做结构强制」会成为 skill 工程的标准模式，出现在热门 skill 的 README 里。

结尾停在赞助商名单。这个反 mesh 的项目，赞助商是 Atlas Cloud、Tripo、Hyper3D——后两家正是做照片转网格生意的。被拒绝路线上的公司在资助拒绝它们的路线，这比任何 README 都更能说明 agent 时代的 3D 资产管线在往哪走。

信源：GitHub API（img2threejs/img2threejs：17,577 star/1,466 fork/created 2026-07-15/pushed 2026-10-05，10-06 实抓）、SKILL.md v2.0.0 与 README 原文（forge/next.py、The Loop、Self-Correction、Divine Eye 四档显微镜、Standard character pipeline 逐节核对）、grimoire 目录结构、img2 harness 独立仓库。素材「评分迭代」的主体归属按 SKILL.md 原文订正：脚本不评分，评分权在 agent 视觉。耗时无官方数据，素材未量化，照实记。