一张图 + 一句话，就能出导演级的动态分镜？ 我做了一个“一图导演”Agent！ 不用写复杂提示词， 也不用懂焦段、光影这些东西 丢一张电影截图或分镜给它，告诉它你的想法， 它会自动帮你拆画面、锁质感、推运动、防变脸 想尝试的老师们，把图和想法喂给它就好，使用链接：agent.creao.ai/install/6b240…

天时地利人和：拆解 Sac 的小王子 3D，理解一个 AI 创作范例是如何诞生的 我们见过太多 AI 做的东西了 每天的时间线里，AI 生成的图片、视频、网页、小游戏太多太多了，我们甚至已经练出了一种本能，一眼就能认出“这是 AI 做的”，然后划走。 但是，Sac @Saccc_c 用AI做的东西让我们停了下来 用 Opus 5.5、Tripo 和 Blender 做了一款《小王子》3D 剧情游戏。 小王子坐在木椅上看落日， 脚下是一片花田，远处是铺开的云海 发出来之后的结果自然是大爆特爆~ 很多人的第一反应是“怎么做到的” Sac 也确实公开了完整的制作流程，从工具选型到提示词，事无巨细。 但我更想聊的不是 how，而是 why： 为什么偏偏是这个项目、这个人、这个时间点，撞出了这样的结果？ 我觉得答案可以用三个词概括：天时、地利、人和 天时：3D 的窗口，刚刚打开 AI 创作的能力一直在沿着一条路径溢出 ——从文字到图片，从图片到视频，现在终于漫到了 3D 而 Sac 的项目，恰好踩在了 3D 这扇窗户刚被推开的那一刻 Opus 5.5 发布不到一个月 这个模型和之前的 Claude 最大的区别不是“更聪明”，而是它终于可以干活了。 给它一张场景参考图，它能自己拆解出哪些物件需要单独建模、哪些可以用基础几何体搭建，然后直接在 Blender 里写脚本执行——而且大概率一次就跑通 它不再是一个你需要反复擦屁股的实习生， 更像是一个你交代完任务就可以去喝杯咖啡、回来看成果的同事 同一时间，Tripo @tripoai 的 3D 生成也跨过了一条关键的门槛 几个月前，AI 生成的 3D 模型还停留在“看着挺酷但没法真正用”的阶段，拓扑乱、面数不可控、拿去绑骨就崩。 而现在，Tripo 的人物模型生成出来就是整齐的四边面网格，可以直接进蒙皮流程。 这个变化不起眼，但它意味着 AI 生成的资产第一次可以无缝接入专业的 3D 制作管线。 天时不是说工具完美了 天时是说，它们刚好够用了 早几个月，这个项目的工期要翻倍，质量要打折。 Sac 站在了那条线刚被跨过的时刻 地利：一个人走完了一支团队的路 做一个 3D 游戏需要多少个环节？ 概念设计、场景参考图、3D 资产生成、场景搭建、人物建模、绑骨蒙皮、动作适配、引擎整合、交互调试。 传统游戏公司里，这每一环都是不同的岗位，不同的人，不同的专业训练。 而这一次，这条链上的每一个环节，都恰好有了 AI 可以介入的接口。 我认为最关键的一环是 Blender MCP 它让 AI 不再只是“帮你写一段代码你自己去粘贴运行”，而是直接连上你正在运行的 Blender，读场景、写脚本、执行、渲染截图检查效果、发现问题自行修改 Sac 在教程里展示了一个让我印象很深的工作流： 他让 Opus 5.5 按参考图搭建完场景之后，再“派一个独立的审查 agent 进行多机位盲审”。 AI 搭完了自己审，审完了自己改 这种自我迭代的能力，是以前完全不存在的 那么人物呢？ Auto-Rig Pro 加上 Opus 的操控能力，让绑骨蒙皮这个最劝退新手的环节变得可以用一条提示词走完。 Mixamo 提供动作库，Unity MCP 让 Claude 直接操作游戏引擎打包。 单独看，每一个工具都只是“有意思” 但当它们在同一个时间点同时达到可用状态、被一个人串联成从参考图到可玩游戏的完整管线时 一个人就真的可以走完以前需要一支团队才能走完的路了 这就是地利 不是某个神器的胜利，是整条路第一次被修通了 人和：工具对所有人开放，但作品只属于一个人 说到这里，一个更尖锐的问题浮出来了： Opus 5.5 谁都能用，Tripo 谁都能注册，Blender MCP 谁都能配。 为什么是 Sac ？ 因为工具只解决“能不能”的问题，不解决“好不好”的问题 Sac 选了《小王子》 他没有选赛博朋克，没有选 meme，没有选任何一个“容易出效果”的题材，他选了一本关于孤独和驯养的童话。 这意味着整个项目的调性必须是克制的、温柔的。 不能往里面堆特效，不能靠视觉冲击力取胜。 只能靠对的氛围。 然后是他的视觉处理 低多边形不是因为做不了写实，是一个主动的选择 这种手作感的质地和原著水彩插画的气质天然吻合 国王的星球用夸张的比例差制造荒诞，爱慕虚荣的人的星球被做成了一座剧场，地理学家的书房堆满藏书和浑天仪 每一个星球都在“读”原著，不是在“炫”技术 画面安静、留白，构图故意让角色在大场景中显得很小 这种孤独感，AI 不会自动给你 得自己知道你要什么，才能引导它给出什么 有人评价说“完全不像 AI 做的” 我觉得这恰恰是最高的评价 它说明站在 AI 前面的那个人有足够清晰的审美判断，以至于工具的痕迹被完全消化了。 AI 是画笔，不是画家 画笔再好，拿笔的人不知道什么是多余的、什么该留白，出来的东西就只是一堆技术的堆砌。 还有一件事容易被忽略：时间 在一个所有人都在追逐热点、以小时为单位生产内容的环境里，Sac 在这个项目上泡了超过两周。 他不是试了一下新工具发个截图，而是真正沉进去 反复调试提示词，从多个机位检查场景，为一个“小王子提水壶”的握持动作来回迭代手指和把手的接触细节。 没有人会只因为“他调了很久蒙皮权重”而给他点赞 但所有人都能感受到最终作品里那种“说不上来哪里好，但就是舒服”的品质 那个品质的来源，就是这些不性感的时间 一点私人的感触 这件事让我想明白了一个一直在模糊地感觉、 但没有说清楚的东西 AI 正在把创作的门槛拉低到一个前所未有的程度 理论上，每个人都拿到了同样的工具 但门槛低了之后，区分作品好坏的那个东西，反而变得更古老了 是关于你的品味，你的耐心， 你愿不愿意在一个项目上花掉不划算的时间。 工具在加速民主化 但审美从来没有被民主化过 Sac 的小王子是一个好的范例，不是因为他用了最新的工具，而是因为他知道拿这些工具去做什么。 时代给了所有人同一架钢琴， 但弹出一首值得听的曲子，靠的从来不是琴啊

天时地利人和：拆解 Sac 的小王子 3D，理解一个 AI 创作范例是如何诞生的 我们见过太多 AI 做的东西了 每天的时间线里，AI 生成的图片、视频、网页、小游戏太多太多了，我们甚至已经练出了一种本能，一眼就能认出“这是 AI 做的”，然后划走。 但是，Sac @Saccc_c 用AI做的东西让我们停了下来 用 Opus 5.5、Tripo 和 Blender 做了一款《小王子》3D 剧情游戏。 小王子坐在木椅上看落日， 脚下是一片花田，远处是铺开的云海 发出来之后的结果自然是大爆特爆~ 很多人的第一反应是“怎么做到的” Sac 也确实公开了完整的制作流程，从工具选型到提示词，事无巨细。 但我更想聊的不是 how，而是 why： 为什么偏偏是这个项目、这个人、这个时间点，撞出了这样的结果？ 我觉得答案可以用三个词概括：天时、地利、人和 天时：3D 的窗口，刚刚打开 AI 创作的能力一直在沿着一条路径溢出 ——从文字到图片，从图片到视频，现在终于漫到了 3D 而 Sac 的项目，恰好踩在了 3D 这扇窗户刚被推开的那一刻 Opus 5.5 发布不到一个月 这个模型和之前的 Claude 最大的区别不是“更聪明”，而是它终于可以干活了。 给它一张场景参考图，它能自己拆解出哪些物件需要单独建模、哪些可以用基础几何体搭建，然后直接在 Blender 里写脚本执行——而且大概率一次就跑通 它不再是一个你需要反复擦屁股的实习生， 更像是一个你交代完任务就可以去喝杯咖啡、回来看成果的同事 同一时间，Tripo @tripoai 的 3D 生成也跨过了一条关键的门槛 几个月前，AI 生成的 3D 模型还停留在“看着挺酷但没法真正用”的阶段，拓扑乱、面数不可控、拿去绑骨就崩。 而现在，Tripo 的人物模型生成出来就是整齐的四边面网格，可以直接进蒙皮流程。 这个变化不起眼，但它意味着 AI 生成的资产第一次可以无缝接入专业的 3D 制作管线。 天时不是说工具完美了 天时是说，它们刚好够用了 早几个月，这个项目的工期要翻倍，质量要打折。 Sac 站在了那条线刚被跨过的时刻 地利：一个人走完了一支团队的路 做一个 3D 游戏需要多少个环节？ 概念设计、场景参考图、3D 资产生成、场景搭建、人物建模、绑骨蒙皮、动作适配、引擎整合、交互调试。 传统游戏公司里，这每一环都是不同的岗位，不同的人，不同的专业训练。 而这一次，这条链上的每一个环节，都恰好有了 AI 可以介入的接口。 我认为最关键的一环是 Blender MCP 它让 AI 不再只是“帮你写一段代码你自己去粘贴运行”，而是直接连上你正在运行的 Blender，读场景、写脚本、执行、渲染截图检查效果、发现问题自行修改 Sac 在教程里展示了一个让我印象很深的工作流： 他让 Opus 5.5 按参考图搭建完场景之后，再“派一个独立的审查 agent 进行多机位盲审”。 AI 搭完了自己审，审完了自己改 这种自我迭代的能力，是以前完全不存在的 那么人物呢？ Auto-Rig Pro 加上 Opus 的操控能力，让绑骨蒙皮这个最劝退新手的环节变得可以用一条提示词走完。 Mixamo 提供动作库，Unity MCP 让 Claude 直接操作游戏引擎打包。 单独看，每一个工具都只是“有意思” 但当它们在同一个时间点同时达到可用状态、被一个人串联成从参考图到可玩游戏的完整管线时 一个人就真的可以走完以前需要一支团队才能走完的路了 这就是地利 不是某个神器的胜利，是整条路第一次被修通了 人和：工具对所有人开放，但作品只属于一个人 说到这里，一个更尖锐的问题浮出来了： Opus 5.5 谁都能用，Tripo 谁都能注册，Blender MCP 谁都能配。 为什么是 Sac ？ 因为工具只解决“能不能”的问题，不解决“好不好”的问题 Sac 选了《小王子》 他没有选赛博朋克，没有选 meme，没有选任何一个“容易出效果”的题材，他选了一本关于孤独和驯养的童话。 这意味着整个项目的调性必须是克制的、温柔的。 不能往里面堆特效，不能靠视觉冲击力取胜。 只能靠对的氛围。 然后是他的视觉处理 低多边形不是因为做不了写实，是一个主动的选择 这种手作感的质地和原著水彩插画的气质天然吻合 国王的星球用夸张的比例差制造荒诞，爱慕虚荣的人的星球被做成了一座剧场，地理学家的书房堆满藏书和浑天仪 每一个星球都在“读”原著，不是在“炫”技术 画面安静、留白，构图故意让角色在大场景中显得很小 这种孤独感，AI 不会自动给你 得自己知道你要什么，才能引导它给出什么 有人评价说“完全不像 AI 做的” 我觉得这恰恰是最高的评价 它说明站在 AI 前面的那个人有足够清晰的审美判断，以至于工具的痕迹被完全消化了。 AI 是画笔，不是画家 画笔再好，拿笔的人不知道什么是多余的、什么该留白，出来的东西就只是一堆技术的堆砌。 还有一件事容易被忽略：时间 在一个所有人都在追逐热点、以小时为单位生产内容的环境里，Sac 在这个项目上泡了超过两周。 他不是试了一下新工具发个截图，而是真正沉进去 反复调试提示词，从多个机位检查场景，为一个“小王子提水壶”的握持动作来回迭代手指和把手的接触细节。 没有人会只因为“他调了很久蒙皮权重”而给他点赞 但所有人都能感受到最终作品里那种“说不上来哪里好，但就是舒服”的品质 那个品质的来源，就是这些不性感的时间 一点私人的感触 这件事让我想明白了一个一直在模糊地感觉、 但没有说清楚的东西 AI 正在把创作的门槛拉低到一个前所未有的程度 理论上，每个人都拿到了同样的工具 但门槛低了之后，区分作品好坏的那个东西，反而变得更古老了 是关于你的品味，你的耐心， 你愿不愿意在一个项目上花掉不划算的时间。 工具在加速民主化 但审美从来没有被民主化过 Sac 的小王子是一个好的范例，不是因为他用了最新的工具，而是因为他知道拿这些工具去做什么。 时代给了所有人同一架钢琴， 但弹出一首值得听的曲子，靠的从来不是琴啊

花费16天，我用 Opus 5.5 将小王子的故事制作成了3D剧情游戏 结合Tripo+Blender，Opus 5.5 将小王子故事中的每一个星球变成了可探索的3D场景 希望大家能支持一手，后续会开源整个游戏，以及详细制作流程 Welcome to The Little Prince: Across the Stars✨：littleprince.dev/

当前一个月美股个人认为比较好的选择是 1.逢低多 $SPCX 2.空存储 3.多原油

大环境这么差的时候，我就知道这种项目迟早会出来... 结果已经做得比我想的好太多了！ ai-job-search 这个项目现在 GitHub 上已经近 4.5 万 star！ 作者 Mads Lorentzen 原本是地球物理学家， 被裁后用 Claude Code 给自己搭了一套求职框架 69 份定制申请 → 20 个一面 → 成功转行 AI 工程师。 但这不是重点 重点是他把「求职」这个高度主观、容易崩溃、步骤极多的过程，拆成了一套可被 AI 执行、验证、迭代的标准化工作流 大部分人用 AI 写简历，就是把 ChatGPT 当文案工具： 丢职位描述进去，改改简历、润色求职信，然后复制粘贴 这个项目做的是把整个求职链路重构了： 职位搜索 → 匹配度评估 → 简历定制 → 求职信撰写 → 面试准备 → 申请追踪，全链路本地自动化。 更关键的是双互审机制： Drafter：根据你的档案生成定制化简历和求职信 Reviewer：全新上下文启动的第二个 Agent，独立调研公司，从第三方视角挑刺、给反馈 直接解决了单次生成质量不稳定的问题 四个核心命令覆盖全流程： /setup — 建立职业档案 /scrape — 搜索并排序职位（支持扩展任意地区平台） /apply — 一键生成定制化材料（含匹配评估 + 双修订 + PDF/ATS 验证） /interview — 生成面试准备包（公司调研、问题预测、STAR 映射、模拟面试） 最让人放心的一点：所有数据都在你本地。 不是 SaaS，不用担心隐私。Fork 完就是你的，想怎么改就怎么改。 如果你正在找工作（尤其是技术岗），这个框架能帮你省下大量重复劳动。 如果你是产品经理或独立开发者，这本身就是一个很好的 Agentic 工作流编排案例。 它展示了怎么把复杂、高主观性的任务，拆成可被 AI 可靠执行的标准化流程。 这才是 AI 从「问答工具」往「工作流代理」演进该有的样子 项目地址： github.com/MadsLorentzen/ai-…