现在,一个完整的、由滚动驱动的 3D 落地页可以直接出自 Claude Code,全程无需打开 Blender,也无需手写一行 Three.js(一个用于浏览器端 3D 图形的 JavaScript 库)。本文介绍的项目是一个名为 Tracewood 的虚构建筑工作室网站,前后用了两天时间、大约 10 条人工提示词。其余工作由 Claude Opus 5.5 完成:约 1,500 次自主工具调用,约 10 小时的计算。有意思的不是起步的那一条提示词,而是工作如何分配:人负责挑选参考、定调氛围;模型自己写计划;另有一个独立、无记忆的评审者给每一次渲染打分,直到网站达到 10 分制 8 分的目标。
先找参考,再写提示词
这次构建的指导原则是:偷懒的一行提示词只会产出平庸的结果,而好的参考在生成开始之前就完成了大部分审美工作。参考来源是 Mobbin,它收录了超过 50 万张来自真实上线的网页和 iOS 产品的界面截图和用户流程。之所以把已上线的软件当作比作品集样稿更好的参考,是因为它们已经经受过真实可用性需求的考验。
Mobbin 提供了一个模型上下文协议(MCP)服务器。MCP 是 Anthropic 的开放标准,让 AI 工具可以直接调用外部服务。把它接入 Claude Code 大约只需一分钟:
- 在 Claude 桌面应用中,点击左上角的 Claude Code,打开 Customize 菜单。
- 进入 Connectors 标签页,找到 Mobbin 并添加。
- 用 Mobbin 账号完成认证。
连接后,Claude Code 就可以执行 search_screens、search_flows、search_sections 等查询。这里有一个实用细节:在请求后面加上"with screenshots",模型才会真正去看图片,而不是只收到一串链接。构建本身使用的模型是 Claude Opus 5.5,推理强度滑块拉到最高的 High。
在 Mobbin 的 Sites 目录中搜索"3D website",返回了 1,200 多个区块,其中许多带有可交互的视频录屏。这一点很关键,因为运动和镜头切换是 3D 网页设计的核心,静态截图无法呈现。两家工作室确定了概念的基调。Basement Studio 的网站把自家办公室渲染成单色线框的 loft 空间,有夹层、楼梯和漂浮的像素轨迹。Poly 的网站则展示了柔和日光下的温暖木质书桌,上面铺满印刷品、杂志和胶片条。目的不是照搬任何一方:前者贡献了线描环境和在单一房间中穿行的构思,后者贡献了温暖材质、阳光以及实体印刷品在工作台面上的布局。二者融合,便成了 Tracewood:一个从线稿开始、逐渐化为阳光满室的室内空间。
一条不含任何技术指令的提示词
给 Claude Code 的开场提示词刻意写得简短、非技术化:以 Basement Studio 和 Poly 的风格构建一个沉浸式 3D 世界落地页,整个页面就是一个场景。它没有提及任何框架、WebGL、着色器或 Three.js。理由是,早期提示词应当描述氛围、用户体验和镜头行为,把实现选择留给模型。
Opus 5.5 给出了一份完整计划。它把 Tracewood 设定为里斯本一座旧印刷厂的改造再利用项目,并将网站组织为五个叙事章节:Studio、Process、Work、Services 和 Contact,每一章对应同一房间内的一个镜头停靠点。滚动并不移动文档内容,而是让镜头沿着预定义的 3D 路径移动。
第二条同样用大白话写的提示词要求 Services 部分可交互,点击一张纸就能展开更多信息。结果是一面软木板,钉在上面的纸张会从图钉上摆脱出来,展开成一个覆盖层,列出项目范围、交付物和项目链接。整个过程的思路是把智能体当作一名接到复杂任务的员工:给它方向,然后给它足够的时间去迭代,而不是指望五分钟跑完就拿到成品。

▲ 混合媒介:代码绘制的印刷品与 2D 剪影植物
并非所有东西都该是 3D 几何体
最值得借鉴的经验之一是,3D 场景应当混用多种渲染技术,为每个元素选择合适的媒介,而不是把一切都建成多边形模型。
| 元素 | 技术 | 原因 |
|---|---|---|
| 房间结构与主要家具 | 完整 3D 几何体 | 镜头要围绕它们移动,光照必须有反应 |
| 线框线条 | 由边缘几何体程序化生成 | 随滚动扫开,露出实体表面 |
| 桌上的纸质印刷品 | 用代码程序化绘制 | 文字在任何缩放级别下都保持清晰 |
| 植物 | 高分辨率照片裁成的 2D 公告板式剪影 | 建模的枝叶在 WebGL 中往往显得僵硬、不自然 |
| 阳光与百叶窗阴影 | 烘焙进表面纹理 | 实时网页光照达不到想要的真实感 |
即便做了这些选择,网站第一个编译版本在评估量表上也只得了 4.6 分(满分 10 分)。光照扁平,窗玻璃泛着绿色雾感,空间显得空荡。评审循环正是在这里登场。

▲ 评审循环中的渲染图与目标图
评审循环:修改、截取、比对、评判
对智能体说"做得更好一点",只会得到漫无目的的猜测。这里采用的替代方案是一个名为 dream-loop 的开源技能,它用明确的目标和一个公正的批评者取代含糊的指令。它先对当前镜头角度截图,把图片交给一个图像生成模型,由后者生成同一视角的精修目标渲染图。此后每一轮执行四步:
- 修改:改动场景代码。
- 截取:从同一镜头渲染实时页面。
- 比对:把渲染结果与目标图并排放置。
- 评判:让一个全新的子智能体给结果打分。
评审者对之前的轮次没有任何记忆。它按 10 分制给渲染打分,并写一份 markdown 评语,逐条指出光照、材质和构图上的差距。开场视角的分数走势显示了提升真正来自哪里:
| 轮次 | 分数 | 变化内容 |
|---|---|---|
| 1 | 4.6 | 初始构建,光照扁平 |
| 2 到 9 | 5.3 到 6.85 | 光照、环境光遮蔽、光照探针、泛光、烘焙纹理 |
| 10 | 7.85 | 植物剪影与目标图匹配 |
| 11 | 8.05 | 越过 8.0 门槛 |
值得注意的规律是,视觉保真度的提升主要来自光照、阴影和纹理烘焙,而不是更复杂的几何体。
配置 dream-loop
该技能采用 MIT 许可证,托管在 GitHub 上。安装大约一分钟,三种途径任选:运行 npx skills add 命令、把仓库克隆到 ~/.claude/skills 目录,或者把 GitHub 仓库地址粘贴进 Claude Code。智能体需要视觉输入能力、可访问的图像生成模型,以及可选的子智能体编排。由于 Claude 本身不生成图像,这里由一个名为 Aura 的外部图像服务提供目标渲染图;Grok 或 Gemini 也可以承担同样的角色。Blender 是可选项,只有在需要自定义建模脚本或 MCP 集成时才用得到。
在提示词中提到"dream loop"或输入 /dream-loop 斜杠命令即可启动循环。它会在本地创建一个 .dream-loop/ 文件夹,存放 target.png、并排对比图以及每一轮的评语 markdown 文件。最重要的一条操作规则是:一开始就设定严格的时间限制或分数阈值,因为没有停止点的自主循环会迅速消耗 token。
布置休息区,修复出问题的地方
开场视角达到了目标,但滚动末尾的夹层休息区显得空空荡荡。一条用大白话写的请求,要一个带定制装饰的现代高端室内,让 Opus 5.5 带着这个镜头角度重回循环。新的目标图包含一张弧形圈绒沙发、干邑色皮椅、一张洞石桌、一块羊毛地毯和一张带照明的绘图桌。各件道具逐轮改善:沙发从评语所称的"扁平香肠"变成了带厚实雕塑感扶手的柔软卷筒状;弧形落地灯被重新调整朝向,灯颈横跨画面弯曲,而不是背离镜头远去。为了在黄昏场景中保持高帧率,模型把自己限制在三盏活动的动态光源内。休息区得分从 4.90 升至 6.25,工作台视角则凭借准确的纸张阴影从 6.40 升至 7.60。
过程中有三个 bug 值得记住:
- 光照探针污染:加入深色休息区家具后,白天的墙面和天花板变灰了,因为全局光照探针在整个 loft 范围内捕捉到了这些家具。解决办法是在采集白天探针时隐藏休息区家具。
- 阳光被挡:百叶窗挡住了全部直射光,直到把叶片调整为与入射阳光平行而非垂直。
- 一行被吞掉的代码:Three.js 代码里某一行的行内注释意外把 solids.add(g) 调用也注释掉了,导致桌面上的所有道具全部消失。
性能方面,通过实时测量帧时间来处理,帧率下降时就降低内部渲染分辨率。在测试用的 Mac 上,布置好家具的房间以每秒 55 到 80 帧运行,线框视角超过 100 帧。针对移动端,场景采用更窄的镜头取景,并用一个从底部滑出的面板展示项目详情。
成本几何,人仍在何处不可替代
Claude Opus 5.5 的定价为每百万输入 token $4、每百万输出 token $20,在典型工作负载下比 Opus 5 便宜约 40%。与之相对,Tracewood 项目的人工投入是两天约 10 条提示词,而模型在大约 10 小时内执行了约 1,500 次工具调用。这些是这一个项目的数字,不代表普遍预期。
由此浮现的分工相当清楚。模型在速度、耐力和纯执行成本上占据绝对优势。人仍然掌握参考筛选、氛围把握,以及"何时算足够好"的决定权。基于这一点,AI 看起来还不足以彻底取代 3D 网页设计师,因为它缺乏独立的品味、情感意图和停手的判断力。与此同时,定制 3D 体验正是高端客户愿意支付 $10,000-30,000 的那类工作,而这些客户评判的是最终体验,而不是 WebGL 由人还是机器写成。
可以带走的经验
这里的技术突破与其说在于 Claude Opus 5.5 会写 Three.js,不如说在于围绕它搭建的结构:扎实的参考、描述感觉而非框架的提示词、模型自己写出的计划,以及一个由无记忆评审者把每次渲染与具体目标比对的闭环。如果想尝试同样的方法:通过 MCP 接入 Mobbin 这类参考来源并要求返回截图;早期提示词保持在概念层面;用剪影和烘焙纹理与几何体混搭,而不是把一切都建模;运行评审循环时务必先设好轮次预算或分数截止线。然后,把自己的时间花在模型最弱的地方:决定这个东西应该给人什么感觉,以及决定它何时算完成。


