用 AI 智能体搭建 3D 村庄：分五轮做完

做村庄的第一次尝试通常是一句指令：「建一个有 30 栋房子的中世纪村庄。」返回来的是三十栋房子摆在平地上，高度差不多，还有一条到最后一栋就断掉的路。几何体本身没有错，它只是不像一个地方。

解法不是把指令写得更长，而是每条指令少说几件事，并按真实聚落形成的顺序来说：地面、道路、地块、房子、陈设、光。五轮，加一次检查。第一轮的错误代价是一分钟；同样的错误到第四轮之后才发现，代价是整个村庄。

下面的做法假设有一个 AI 智能体在驱动真正的 3D 编辑器：它在每一步之间把场景读回来，你也可以随时打断它——「分轮」正是靠这一点才成立。Cuberta 就是这样一个编辑器：场景层级的工具通过 Model Context Protocol 开放，按下 Copy connect command，把命令粘进终端，智能体就连上了。下面的指令就是我实际会敲进去的样子。

动手之前先把需求定下来

村庄的质量大半在连上智能体之前就决定了。判断一个问题该不该进需求的标准很简单：答案会不会改变几何体。「温馨」不会，「四十六栋建筑」会。把答案写下来留着——把话固定下来，日后才能指着「被忽略的那一句」。

会改变几何体的五个回答

• 多少栋建筑。要一个数字，不要形容尺寸的词。二十五栋读起来是小聚落，六十到八十栋是有中心的村庄，超过一百五十栋就是小镇了。独栋住宅按 400–500 m² 的地块算，大约每公顷 20–25 户，所以五十来栋需要三公顷左右的建成用地——大致 250 × 250 m，外面再留田地。
• 年代与地域。它们决定材质色板和屋顶坡度，这两样是几何，不是装饰。
• 地形。平地、山谷、坡地、海岸——五个里最吃重的一个。坡地带来挡土墙、层层跌落的地块和回头弯；河滩一样都没有。
• 用途。在视高走进去，以 40 km/h 开车经过，还是用 RTS 视角俯视。这决定细节放在哪里，也决定不放在哪里。
• 边界在哪里收。田地、树林、水面，或一条驶出画面的路——否则聚落会渐渐淡进一片没做完的地面。

第一轮 —— 地面与道路主干

先地形再道路，因为之后的一切都要引用它们。道路是主干：建筑挂在它上面，陈设沿着它铺开，玩家走的也是它。这里出的错，后面每一轮都会继承。

空场景。做一块 400 × 400 m 的地面，形成一个浅浅的河谷：北缘一道山脊，比中央高出 18 m，中间是平地，一条溪流自西向东穿过低处。然后一条主路，宽 6 m，两侧各 1.8 m 人行道，从西侧进入，沿溪流北岸缓缓弯曲，从东缘离开。主路上分出两条支巷，宽 4 m，无人行道，各长约 80 m，尽端设回车场。主路跨溪处架一座石桥。其他先都不要——不要建筑，不要道具，不要树。

其中两个数字是实打实起作用的。6 m 是两条 3 m 车道，也就是两车对向通过的真实宽度：NACTO 建议城市行车道 3.05 m，而 3.0 m 是居住区支路常见的下限。1.8 m 的人行道刚好够两个人错身。定好之后，沿路从这头走到那头，中途不许离开路面；走不通，第一轮就没做完。

第二轮 —— 划分地块，以及哪里不许建

这一轮最容易被跳过，而它恰恰把一堆散件变成村庄。建筑坐落在地块上，地块以一致的退距面向道路，仅这一条关系就构成了「街道之所以像街道」的大部分。

先什么都别建。沿道路把土地划成地块。穿过中心的那 200 m 主路两侧：面宽 15 m、进深 30 m，每块自人行道后退 4 m。两条支巷沿线：地块大一些，25 × 40 m。把下面这些标成禁建区——溪流本身以及两侧各 8 m，12 m 等高线以上的山脊，两个回车场，还有桥南岸一块 30 × 40 m 的矩形，那是广场，保持空着。在往里填任何东西之前，先把地块轮廓给我看。

关于禁建区的那句话，是整套流程里杠杆最大的一条指令。智能体会填满空间。你不说，房子就会出现在溪岸上、山脊上，以及你本打算留作草地的正中央。把每一块空地按功能命名，也能防止它在三轮之后被「好心」填上。在 Cuberta 里，这些区域可以直接在视口中标出来，不必用文字描述。

第三轮 —— 建筑

地块划好、禁建区标好之后，这一轮就是算术：数量、一套层高约定、一个尺寸区间，以及一个封闭的色板。

现在建房子，一共 46 栋。中心地块上：30 栋两层住宅，占地在 7 × 9 m 到 9 × 12 m 之间，层高 2.8 m，门高 2.0 m，双坡屋顶坡度约 40°，全部面向道路。两条支巷上：12 栋更大的独栋住宅，一层半，不超过 12 × 14 m。广场四周：4 栋三层建筑——一家客栈、一间铺子、一间带宽车门的作坊，以及一座小教堂，钟塔可以到 16 m。材质只用五种：白灰墙、灰石、深色木材、红黏土瓦、板岩。所有墙面非灰即石，所有屋顶非瓦即板岩。在这个色板内变化开间、进深、屋脊朝向和颜色。不要变层高、门高和退距。

变化必须有边界

不加约束的智能体，典型问题不是重复，而是把「做得有变化」当成许可，于是 3 m 高的门紧挨着 1.6 m 的门。真实的乡土建筑在很窄的区间里变化，因为大家用的是同样长度的木料、同样的砖，以及同一个适应当地降雨的屋顶坡度。明确说出哪些尺寸可以动、哪些冻结，换来的才是一条街，而不是一页材质样品。

这一轮不做的事

室内。四十六栋带家具的房子是另一个量级的工作，而且几乎全花在没人会进的建筑上。现在只做外壳，之后再给真正会进去的那两三栋布置内部——那是另一套流程。

第四轮 —— 陈设，以及「有人住」的 80/20

「这里有人住」的感觉，大部分来自三样东西：标出每块地边界的东西、说明这地方入夜后仍在使用的东西，以及按人的逻辑而不是噪声函数种下的植物。其余多半是杂物。

陈设轮。每一段面向道路的地块边界都做围栏或矮石墙，高 1.2 m，材质与其后房屋的墙面一致。路灯只装在主路上，灯杆 5 m，每 30 m 一盏，两侧交错。树：广场南侧一排六棵，中心地块的后半部种果树，禁建等高线以上的山脊做茂密的混交林，溪边种芦苇。大约三分之一的地块上，各加一样：柴垛、雨水桶、板车、长凳、晾衣绳。路面上不放任何东西，广场上除了那几棵树和两条长凳也什么都不放。

居住区 5 到 6 m 的灯杆，通常按三到五倍安装高度布置，也就是 18–30 m；5 m 灯杆用 30 m 间距，对一个只照亮主街的村庄来说恰到好处。也请注意那条上限：大约三分之一的地块。没有它，每一块地都会有一垛柴，而规律出现的杂物比空着更难看。

第五轮 —— 光照与时间

把时间设在初秋日落前一小时左右：太阳低垂在西北偏西方向，高度角约 12°，色温偏暖。晴天，带一些高云。把路灯以低强度点亮，让它们看得出来但不与阳光相争。检查山脊是否在东侧地块上投下阴影。

太阳角度与其说是照明决策，不如说是构图决策。低角度的阳光斜掠过立面，把相邻屋顶的坡度区分开，也让第一轮做的地形重新变得可读；正午的太阳则把这一切压平。进引擎之后光照总归会重做，但现在还是要设：检查轮里的一切判断，都是在这套光下做出的。

会出什么问题，以及该怎么说

三类问题几乎覆盖了全部。它建得太多：你要 46 栋，它给了 71 栋，把每个空隙都填满——与其说不听话，不如说是默认行为，范围一旦含糊，智能体就会扩张。它自我重复：同一栋房子镜像十一次，沿街一侧排开。尺度会漂：通常发生在两轮的交界处，于是教堂是对的，房子却悄悄缩了水。

两个习惯能挡掉大半。某一轮出问题时，撤销这一轮，而不是打补丁：给失败的第三轮打十五个补丁，比在指令里多写两句话重做一遍更费时间，而且会留下一堆孤儿物件。以及，在每一轮开头复述那些冻结的约束——色板、层高、禁建区。

导出之前的检查轮

这里花几分钟，抓的全是导入之后修起来很贵的问题。

1. 站到一个 1.8 m 的方块旁边。把它放在村口，沿主街望过去。标准门高 2.03 m，所以门应当比方块高出大约一掌。
2. 抽查门与层高。在村里散开取八栋建筑，每栋量一扇门。不在 1.9–2.1 m 之间就是错的，层高不在 2.6–3.0 m 之间同样是错的。
3. 把每条路都走一遍。主路从这头走到那头，每条支巷走回路口，人行道要连续穿过路口并跨过桥。
4. 找悬空物。压低视角绕场一圈，太阳在你背后；悬空物靠「缺失的接触阴影」最容易发现，而不是靠坐标。
5. 数材质。第三轮说的是五种，场景却报三十四种，那就现在合并，不要等到导入之后。
6. 走到边界上。玩家能到达的每个地方，要么合理地延续下去，要么被挡住。

然后导出。带纹理的 GLB 或 FBX 覆盖 Unity、Unreal、Blender 和 Godot。有一条单位约定值得先记住：glTF 用米，FBX 默认用厘米，Unity 把一个单位当作一米，Unreal 当作一厘米，所以按缩放 1 导入的 FBX 有时会差一百倍。从第一轮就用真实的米来搭建，能把这件事降级成一个复选框。

导出前按功能命名——道路、建筑、道具、植被——好让接手的人有东西可选。再往后是另一摊活：合并材质、实例化与 LOD，以及决定场景在引擎里落地效果的导入设置。

五轮下来，真正敲进去的文字大约十句话。其余时间都在看——而这本来就是这份工作本身。分轮不是某个工具的特性，它是让智能体不必把整座村庄装进一个念头里的办法。