[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f2sw6pvmoozbd0":3},{"code":4,"message":5,"data":6,"timestamp":26},10000,"success",{"full_name":7,"position":8,"description":9,"language":10,"stars":11,"forks":12,"stars_gained":13,"age_days":14,"hn_threads":15,"one_liner":16,"summary_md":17,"topic":18,"github_topics":21,"license":22,"homepage":23,"updated_at":24,"history":25},"wesbos\u002F3d-model-anything",8,"Capture iPhone LiDAR and photos, reconstruct editable Three.js rooms, and explore them in a browser.","Swift",1650,256,514,3,[],"用 iPhone LiDAR 扫描房间，再通过 AI 编程 Agent 的工作流重建为可编辑的 Three.js 场景。","## 解决什么问题\n\n想把一个真实房间变成浏览器里可编辑的几何体，通常要么买一套摄影测量流程再手工清理网格，要么对着照片估尺寸。两种做法都得不到能当代码改的场景。这个仓库先用 iPhone 记录房间（LiDAR 深度加照片），再把这份素材交给 AI 编程 Agent，由一份 skill 文件引导 Agent 去测量、建模，并把渲染结果和原照片反复比对。\n\n## 有什么不同\n\n真正有价值的不是 viewer，而是 `.agents\u002Fskills\u002Fscan-to-threejs\u002FSKILL.md` 这份 skill。它把重建拆成一个闭环：读采集导出、核对测量、搭场景、渲染、和照片比对、再修正。这让\"帮我做个 3D 房间\"从一次性的提示词变成带反馈的重复流程，而这正是 Agent 辅助建模最容易翻车的地方。产出是手动可改的 Three.js 工程，不是扫描 App 吐出的黑盒网格。README 也明确说了这不是一键扫描出完美模型，而且 demo 里 Scan 和 Overlay 模式是关掉的，因为原始扫描没有分发。\n\n## 适合谁\n\n适合想把房间或室内变成可编辑场景代码的 Three.js 开发者和创意编程者，前提是你已经在用支持本地 skill 的 Agent。做建筑\u002F室内可视化原型的人也值得看。不适合没有 LiDAR iPhone 或 iPad 可采集的人；不适合想要一个装好即用的成品的人（目前还没有上架 App Store）；也不适合需要室外或大尺度场景的人——README 把范围限定在房间和室内。\n\n## 上手成本\n\n构建采集 App 需要 Xcode，需要一台带 LiDAR 的设备，viewer 需要 Node.js 22.12+（`npm ci` 然后 `npm run dev`）。辅助脚本需要 Python 3，照片比对需要 Pillow，可选的深度重建还要 NumPy 和 Open3D；采集脚本依赖 `agent-browser` CLI。代码和 skill 是 MIT 协议，但随附的办公室图片和贴图另有资产条款，发布自己的 demo 前要先看清楚。App 是源码可见但尚未上架，本质上是需要你自己拼起来的一套流程。\n\n## 点评\n\n仓库只有 3 天，约 1.6k star，日均约 +522，但没上过每日 trending，也没有 Hacker News 讨论——这个形态更像是作者受众带来的一次发布高峰，而非持续采用。内容本身有真东西：能跑的 viewer、明确的采集导出格式、以及把迭代闭环写清楚的 skill。但端到端路径很长且部分要自己搭，demo 也是精挑细选的。就算你不打算扫描房间，也值得 clone 下来研究它的 Agent skill 写法；真要用于实际工作，最好已经具备硬件条件，并且能接受维护这条流程。",{"slug":19,"name":20},"developer-tools","开发工具",[],"NOASSERTION","https:\u002F\u002Fwesbos.github.io\u002F3d-model-anything\u002F","2026-10-24T21:05:58Z",[],1792890825]