一句话看懂：一位开发者公开了用 Codex 驱动建模和写码、结合 Blender MCP 与 React/Three.js 搭建医院三维大屏的完整流程，重点不在炫技，而在如何给 AI 派可验证的任务、以及在哪些环节 AI 会稳定出错。
事件核心：发生了什么
2026 年 10 月 27 日，掘金作者“夏天要喝冰可乐”发布了一个个人演示项目：约 800 行源码、18 万三角形、112 个 mesh 的医院三维大屏，可通过链接在线体验，代码托管在 GitHub。作者说明，建模、写码、改 bug 主要由 Codex 完成，自己负责判断“像不像”“能不能用”，并通过 Blender MCP 完成建模与 GLB 导出。数据全部为模拟快照，项目不是医院官方产品，也不能用于导航或运营决策。
为什么重要
它给出的不是“AI 一键生成应用”的叙事，而是一套工程方法：把任务切成调研、方案、区域建模、样片验证、逐区开发、验收六个阶段，每阶段交付物可验证。作者强调，范围必须提前砍（只做门急诊），标准要具体到“入口中段后退 16 米”这类参数，否则 AI 只能靠猜。文中也暴露了典型失误——AI 把入口弧线方向画反，牵连屋顶压条、幕墙构件和铺地重做，说明三维场景的可信度取决于模型之间的衔接，而非单个模型的精细度。
对用户/开发者/创作者的影响
对开发者，文章提供了几个可复用的坑位：在建模阶段用 userData 和锚点把对象身份埋进模型，加载时缺锚点直接抛错而非静默降级；Raycaster 不识别 visible，需要递归判断；拾取挂在 pointerup 并限制 6 像素位移，避免拖拽误触；镜头用包围盒加 1000×540 安全区自动计算，而不是写死参数。楼层展开要先按终态算包围盒。数据侧则强调总览必须由分项加总，避免“大数字对不上”的廉价感。创作者使用 Codex 这类工具时，可参考其“早失败比晚失败便宜”的思路。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，这仍是个人演示项目，材质、植被和立面细节明显弱于设计稿。后续可观察：作者是否补齐材质与光照流程；Blender MCP 联动在更复杂场景下是否稳定；以及这种“AI 执行、人验收”的流程是否被更多大屏项目采用，从而改变前端与建模的协作边界。
来源：juejin
