Kimi 做 3D：官方工作流全拆解，4 条流水线怎么选

10 月 30 日，月之暗面发布了一篇 3D 创作教程——不是产品宣传，是Kimi Team 内部的真实工作流。

这件事值得单独写一篇，因为大多数"AI 做 3D"的科普都停在同一个地方：给一句话，等模型吐出一个模型。而真正做过 3D 的人都知道，卡点从来不在"生成"，而在下面这几件事：

• 手里的参考图是一张小红书截图，怎么变成可编辑的模型
• 模型做出来了，但一比尺寸发现装不进那个 LED 灯组
• 场景调了三天，越调越怪，不知道问题出在比例还是材质

Kimi 这篇教程把这些环节摊开了。它给了 4 个完整案例（含 prompt 原文）、5 条内部技巧，以及一段很坦白的"现在还做不好什么"。

下面按选型 → 拆解 → 边界三段来写。如果你只想知道自己该从哪个入口进，跳到第一节的分流表就够了。

一、先分清你在哪条路线：参数化还是网格化

这是整篇教程最重要的一页，也是最多人搞错的地方。

Kimi 这类 Agent 做 3D，只有两条路：

这两条路的分界不是"简单/复杂"，而是这个东西能不能被规则描述。

• 一盏台灯：总高 25 cm、灯罩直径 15 cm、内外壁厚、走线孔位置——全是数，走参数化。
• 一条龙：鳞片分布、肌肉起伏、面部神态——没有规则可写，走网格化。

官方在这件事上很直白：

而网格化建模，目前 K3.1 Pro 等大语言模型暂时还做不太好，Tripo 等 Diffusion Model 做得更好。这些 Diffusion Model 学习过大量三维物体的形状规律，可以根据参考图中的轮廓和遮挡关系，推断立体结构。

一个容易被忽略的细节：Kimi 在你发起人物、动物这类任务时，会自己整理好提示词与参考图，再调用 Tripo。也就是说这条路是"模型编排模型"，用户不需要知道背后换了引擎。

为什么这条路能通：脚本化 > MCP

教程里有一句话，信息量比它看起来大得多：

Blender、Unity、Unreal Engine、Godot 等工具里面的每一个按钮都可以被写成 Python 脚本。我们特意训练了 Kimi K3.1 Pro 通过 Python 脚本调用各种 3D 工具的能力，这样即使一些小众软件并不支持 MCP 协议，也可以为 Kimi 所用。

这句话拆开来是两层意思：

1. MCP 不是唯一通路。 现在很多人一谈 Agent 接工具，思路就锁死在"MCP server 有没有人写"。但 3D 软件这个生态里，几十年的积累全是 Python API。只要模型会写脚本，就不需要等别人封装 MCP。
2. 训练目标变了。 官方特意为"通过 Python 脚本操作 3D 工具"做了训练——这意味着它的能力不是通用代码能力的副产品，而是被专门加强过的。

落到实操上，判断一个软件能不能被 Kimi 驱动，问一个问题就够了：它有没有可编程接口？ 有（Python API、命令行、脚本宏），就能接；只有 GUI，就接不了。

二、四个入口怎么选：一张分流表

Kimi 现在有 4 个入口，能力不一样，很多人第一步就选错了。

几个实用判断：

• 3D Make 是个被低估的入口。 它在 kimi 和 Kimi Work 里都有，进去就是一套预设好的 3D 生成 Skills 和专业工作流。官方说"一般来说，你不需要先记住每个 Skill 或插件的名称，描述目标即可"。
• 本地插件只在 Kimi Work 里生效。 需要本地安装的建模软件插件，目前只有 Kimi Work 支持——这是它和网页版的实质差别，不是"客户端更方便"这种程度。
• 可以组合用。 官方建议：先在 kimi 快速并行验证几个想法，再把项目交给 Kimi Code 继续开发。这相当于把"试错"和"工程化"分成两个阶段，用不同的成本结构去做。

三、四条流水线：从 prompt 到成品

以下四个案例全部来自官方教程，prompt 是原文。

流水线 1：Unreal Engine 里的东方天宫（三条路线组合）

这是官方宣发视频里那个案例，复杂度最高，因为它同时用了参数化（Blender 建元素）+ 数字角色（MetaHuman）+ 引擎渲染（UE）。

第一步：先出一张概念图。 不要直接开始建模，先用生图 AI 生成脑海里的画面——官方例子是"侠客在天宫中行走，黄昏的天空中升起一条巨龙"。

第二步：给结构化 prompt。

制作一个东方天宫场景。首先根据我的参考图，使用 Blender 分别构建出柱廊和巨龙。随后在 Unreal Engine 中放入这些元素，并加入体积云和开源的月球素材，并用 Nanite 渲染高精度的建筑和巨龙，用 Lumen 实现动态全局光照与反射。

这个 prompt 的结构值得学：它没有描述"要好看"，而是规定了一条执行链——谁建模、谁组装、哪个渲染器、哪个光照方案。

第三步：先做好代表性画面，再扩场景。 官方原话：“我们先把代表性画面做好，再扩大场景、构建人物、增加细节，更容易保持整体风格和画面质量。” 这是所有 3D 项目的通用经验：先锁定一张"定妆照"，后面的扩展都往它对齐。

第四步：加人。 用 Epic 的 Live Link Face 录一段 20 秒视频，然后让 Kimi 导入 MetaHuman Editor。之后可以给服装的多视角参考图，让它在 Blender 里做衣服。

结果数据：场景源模型合计 3,600 万个三角面，Kimi 自主调用了 Nanite 处理高精度几何、Lumen 做动态全局光照与反射。

这里有个细节值得注意——它自己选了 Nanite 和 Lumen。这两个是 UE 里解决"高面数"和"动态光照"的标准答案，但 prompt 里写了，所以不算自主决策。真正自主的是后面调参和迭代。

流水线 2：可 3D 打印的福建土楼台灯（工程约束驱动）

这条流水线我认为最值得抄，因为它演示了 AI 建模和真实工程约束怎么对接。

关键在 prompt 里塞了什么：

参考这张图，设计一盏以福建土楼为原型、可以 3D 打印拼接的桌面台灯。总高约 25 厘米，灯罩直径约 15 厘米。使用 LED 灯光组件，它的尺寸是 xxxx。请将灯罩、支撑结构和底座拆成可组装的部件，预留安装空间与走线孔。保留建模代码，并分别导出 STL 文件。

拆一下这个 prompt 里有几类"人必须给、模型给不了"的信息：

这里有一条很硬的判断：AI 能建形，但工程约束必须人说。模型不会知道你的打印机只有 220×220 mm，也不会知道你那个灯是 5V 还是 12V。这些约束你不写进 prompt，它就默认不存在。

最后一步很实用：在打印前，让 Kimi 把文件导入切片软件，检查尺寸和支撑，确认可行性。这一步相当于让 AI 做了一次"可制造性审查"——比打印三个小时发现装不上要划算得多。

流水线 3：纯代码生成建筑（一句话 + 思考强度）

这条最快，也最能体现"参数化建模"的威力。

前提只有一个：把思考强度调到「极致」或「进阶」。官方明确说了，“这样模型才会有更多细节”。这是个很实在的提示——同一句话，思考强度低就给你一个方盒子。

prompt 原文（这版较长，特征描述得很密）：

帮我做一个类似北京 SOHO 建筑物风格的模型，提供多个角度的平面剖面的展示方式，里面要有完整的室内设计，包括办公区，交通空间，体现扎哈的设计思想，可以配合合适的时间点的视觉效果，外部环境和天气、日光需要按照我的配置来变化，整体的建筑和渲染贴图要 Photo realistic。你可以使用一些 PBR 贴图来 enhance 整体的视觉效果。

它自己做的三件事：

1. 建模前先检索公开设计资料，确认建筑外观和内饰方案——不是凭空生成，是先查再建。
2. 调用 Blender 逐个生成模型再拼接——不是一个大模型文件，是分件生成后组合。
3. 自主检索石材、木材贴图和写实树木模型，绑定到对应材质上。

第 3 点是我认为最像"人"的地方。传统流程里，找贴图、下载、绑材质是纯体力活，占掉一个 3D 美术 30% 以上的时间。

流水线 4：Tripo + Blender 微缩城市（混合路线的样板）

这条演示了"什么时候该把网格化外包出去"。

参考这些图，制作一座微缩山城。用 Blender 脚本构建起伏地形、树林、街道和连接不同高度的台阶。用 Tripo 生成广场喷泉、雕像和特色景观资产，再导入 Blender 组装。统一比例、材质与灯光，输出一段环绕城市的展示视频，并保留工程文件。

三步分工很清楚：

一个很聪明的工作方法：先让 Kimi 输出俯视图和街道视角，检查空间关系。满意后再加景观资产和运镜。

这个顺序不能反。如果先加满资产再看整体，你会在一堆好看但位置错的模型里挣扎。俯视图是 3D 场景的"图纸"，先看图纸再施工。

四、5 条内部技巧，按价值排序

官方给了 5 条，我按自己的使用经验重排了一下：

① 图胜于言——但"给什么图"有讲究

用于生成单个模型的图片，尽量做到主体完整、背景简单、轮廓清楚。如果提供多个角度，要确保造型、比例和配件一致。

三个执行标准：

• 主体完整：不要裁掉一半
• 背景简单：白底或纯色最好
• 多角度一致：如果你给三视图，三张图的配件必须一样，否则模型会矛盾

机械零件需要额外标注尺寸——孔径、孔距、板厚。这三个参数决定了零件能不能装配，缺一个就是废件。

参考视频也有用，而且用途不同：除了审美风格，它能说明镜头怎么移动、场景怎么切换。这是图片给不了的。

② 让 Kimi 帮你写提示词（这条最反直觉）

不熟悉建模术语怎么办？官方给的办法是让模型先分析素材、再写提示词：

分析这张图的造型、比例、材质和灯光，帮我写一份可执行的 3D 制作提示词。看不清的部分，请列出你的推测。

注意最后半句——“请列出你的推测”。这是让模型暴露不确定性的关键。它会告诉你"我猜这是哑光塑料，因为表面没有高光反射"，你就能判断这个猜测对不对。

官方还有一句很到位的话：

「白色哑光外壳、深灰关节、蓝色显示屏」，比「精致、有科技感」更容易执行。

这就是可执行描述 vs 主观形容的区别。前者是参数，后者是期望。

③ 先灰模，再细化——顺序错了会返工

先用灰模搭建展厅，输出入口、正面和俯视三个角度。布局确认后，再加入完整模型和材质。

灰模（blockout）就是用方块、圆柱这些基本形先摆出布局。这一步只检查三件事：比例、位置、空间关系。

为什么顺序不能反：3D 里比例错了，材质再好也没救。 而改材质的成本远低于改结构——材质是参数，结构是几何。

迭代时还有两个具体动作：

• 发现问题时，附截图并指出位置。官方给的例子：“保留现在的头部和身体比例，只修正手臂与躯干粘连的部分。” 这句话同时说了"要改什么"和"不要改什么"，比单说"手臂不对"效率高一倍。
• 满意的部分要明说保留，否则下一轮它可能给你改回去。

材质阶段有个诊断口诀（这是我的补充，不是官方原文）：模型看起来"很塑料"，调表面粗糙度；金属显得暗，调环境反射。而且可以保持模型和镜头不动，只做几组灯光对比——分别试柔和摄影棚光、暖色侧光、冷色轮廓光，出预览图让你挑。

HDRI 是个高性价比手段：它记录了周围环境的亮度和颜色，一次设置就能同时改善照明和反射。Poly Haven 那类库都是 CC0，可商用不强制署名。

④ 用好外部资产库，别让模型从零造

官方点了三个名字，许可证都值得记一下：

有个工作方法很值得抄——让 Kimi 顺便整理资产清单：

用这个素材包搭建森林探索场景。先列出能直接使用的资产，再补充缺少的内容，统一比例和风格。同时整理资产清单，记录来源链接、许可和署名要求。

这份清单是项目交付时的法律安全垫。 商用项目里，一个来路不明的贴图可能比一个 bug 麻烦得多。

⑤ 把成功流程存成 Skill——资产库存素材，Skill 存方法

把这次验证过的制作流程整理成 Skill。将产品尺寸、主色和镜头时长设为可调整项，附上检查步骤，并保留工程文件。

官方的一句话总结我认为是全文最有价值的一句：

资产库保存素材，Skill 保存方法。

这两件事经常被混为一谈。素材是可复用的文件，方法是可复用的决策链。前者省下载时间，后者省试错时间——而试错才是真贵的那部分。

五、一条模板，覆盖大部分建模需求

四个案例的 prompt 结构其实高度同构。把它抽出来，就是一个可以直接填空的模板：

【产出目标】
设计一个 <原型参照>、可以 <用途> 的 <物品>。

【硬约束】—— 这几项只能你给，模型推不出来
总高约 <N> 厘米，<关键部位> 直径约 <N> 厘米。
使用 <组件类型>，它的尺寸是 <长×宽×高>。
请将 <部件> 拆成可组装的部件，预留 <安装空间 / 走线孔 / 散热间隙>。

【执行链】—— 规定谁做什么，而不是描述"要好看"
先 <步骤1：用什么工具做什么>，再 <步骤2>，
最后 <步骤3：在哪组装、用什么渲染/材质方案>。

【交付要求】
保留建模代码 / 工程文件，分别导出 <格式>。

把它和官方原始 prompt 对一下，会发现每段都能找到出处：

这份模板里最该保住的不是"产出目标"，是"硬约束"。

因为产出目标写不好，最多是做得不像；硬约束漏一条，做出来的东西装不上、印不出、改不动。前者是审美问题，后者是废件问题。

一个检查清单：出图前问自己六个问题

模板填完之后，用这六条过一遍，能省掉大部分返工：

第 6 条最容易被忘，代价最大。要"保留建模代码 / .blend 工程"这句话，一定要显式写进 prompt。 否则你拿到的是一个成品网格，改一个孔位都得从头再来。

六、交付格式怎么选：六种格式的适用边界

3D 项目最容易在最后一步翻车——模型做得挺好，导出格式选错，下游打不开。

三条实用结论：

① 3D 打印只需要 STL，但 STL 什么都不保留。
STL 里只有三角面，没有尺寸单位标注、没有部件关系、没有参数。所以流水线 2 里那句"保留建模代码，并分别导出 STL"是两件事——STL 拿去打印，代码留着改。

② 网页和引擎要的不是一种格式。
Three.js 用 GLB/glTF，Unity/UE 用 FBX。选错了不是打不开，是材质和动画会丢。这类问题最难查，因为文件能打开，只是效果不对。

③ 只要还要改，就必须要工程文件。
.blend 或建模脚本的价值不在于"能交付"，在于"能返工"。而 3D 项目几乎没有一次做对的。

七、能力边界：92.7% 这个数字该怎么读

官方在发布文里给了一个基准：BenchCAD 92.7%，对比 Claude Opus 5.5 的 96.2%、GPT-6 Astra 的 95.9%。

这个成绩不错，但口径必须先看清：

该基准考察通过生成 CAD 代码，从多视角渲染图重建 3D 模型的能力。

拆开是三层意思：

1. 它考的是生成代码，不是生成网格
2. 它考的是重建（从多视角图还原），不是从零创作
3. 它落在CAD / 参数化这一侧，不涉及有机形体

所以这个 92.7% 不能推广成"Kimi 做 3D 接近 Opus 5.5"。准确的说法是：在参数化建模这条路上，它接近第一梯队。网格化那条路它自己也承认做不好。

官方承认的四件事：现在还做不到

教程结尾有一段"我们看到的不足，以及接下来要解决的难题"，四条都写得很实在：

第三条值得单独说。它说的不是"模型不够精细"，而是**“复杂场景里物体比例合理、风格统一”**——这是一个系统级问题，不是单件质量问题。你能做出 20 个好看的模型，不代表能拼出一个不违和的场景。

三条"什么人先别急着用"

按我自己的判断：

• 只要单件模型、不在乎可编辑性 → 用 Tripo / Meshy 那类直接生成，比走 Agent 流程快得多。
• 要交工业级 CAD 图纸 → 目前还得用专业 CAD，AI 出的代码更适合做概念和结构探索。
• 要做高精度角色动画 → 骨骼绑定是明确的缺口，现在上会卡住。

八、成本账：三个入口，三种花钱方式

API 价格里有个容易被忽略的杠杆：缓存命中价是未命中的 1/10。3D 这类任务的特点是——同一份参考图、同一套规格说明会被反复引用（改一处细节要重跑很多轮）。把不变的部分（规格、材质约定、检查清单）放在 prompt 前部并保持稳定，命中率能显著上去，实际成本会远低于按全价估算。

高速版 kimi-k3.1-pro-highspeed 输出速度约 2~3 倍，价格 2 倍。做 3D 的时候不建议用它——3D 任务的瓶颈是迭代轮次和你的确认时间，不是模型的吐字速度。省下的那几秒，抵不上翻倍的价格。

九、这套工作流真正教会的是什么

把 4 条流水线放在一起看，会发现它们共享同一个骨架：

参考图（定审美）
   ↓
灰模 / 概念图（定比例、定空间关系）
   ↓
分件建模（参数化走代码，有机体走扩散模型）
   ↓
组装 + 统一比例材质灯光（引擎/Blender）
   ↓
可制造性检查（切片软件）/ 出片（渲染/视频）
   ↓
沉淀（资产库 + Skill）

这个骨架和十年前一个 3D 美术的工作流没有本质区别。变的是每一环的耗时：找贴图、写脚本、调灯光这些体力活被压掉了，而定标准、做判断、检查结果这三件事一点没少。

所以这篇教程真正的价值不是"AI 能做 3D 了"，而是它把一条专业流水线摊开给你看，然后告诉你每个环节 AI 能替到哪一步。

用一句官方自己的话收尾：

K3.1 Pro 让我们看到了 AI 在 3D 创作中的更多可能，也让我们看到了目前的不足。

能同时说这两句的团队，做出来的东西通常更值得试。

附：可直接照做的上手顺序

如果你现在就想试，按这个顺序最省时间：

1. 先在 kimi 做一件小事：找一张你桌上的物品照片（白底、轮廓清楚），让 Kimi 判断它属于参数化还是网格化，然后生成模型。这一步只验证"能不能跑通"。
2. 试一次 3D Make 的 3D 打印流程：给一个明确的尺寸约束（比如"总高 8 cm 的笔筒，壁厚 3 mm"），导出 STL，丢进切片软件看能不能切。这一步验证"AI 出的模型能不能造"。
3. 装 Kimi Work + Blender 插件，跑一次纯代码建模。把思考强度调到"极致"，对比默认档位的差别。这一步验证"本地工具链能不能接"。
4. 把第 2 步或第 3 步里跑通的流程，整理成一个 Skill。这一步是分水岭——到这儿你才算有了可复用的产能，而不是每次从零问一遍。

四步走完，你会很清楚地知道自己该把它用在哪儿，以及哪儿用不上。