img2threejs 自修正循环教程5 种行动决策与修正上限让 AI 自己修对模型又不烧穿 Token【免费下载链接】img2threejsRebuild the object in a reference image as a code-only, procedural, quality-gated, animation-ready Three.js model. Token-efficient image-to-3D.项目地址: https://gitcode.com/gh_mirrors/im/img2threejs让 AI 自己修模型听着很美真正让人心里没底的是它反复尝试、渲染、对比Token 计费的指针一路上涨永远不知道哪天会停。img2threejs 是一个把参考图重建为纯代码、程序化 Three.js 模型的 AI 图像转 3D 工具集它的自修正循环让 AI 每渲染一轮就自动对比并修正同时用一套刹车机制把成本锁死。本文用大白话讲清楚 5 种行动决策怎么挑以及修正上限策略如何防止 Token 无限消耗。整条流水线生成、渲染、对比、打分、修正怎么转成闭环每个 build pass 都按同一套节奏转生成模型 → 浏览器渲染截图 → 与参考图并排对比 → 打分找茬 → 修改 → 再渲染像厨师做一道菜炒一盘、尝一口、对照师傅的样菜、调味再炒第二盘。这个闭环的裁判分两层零 token 确定性门禁divine_eye.py 用纯像素数学做量化测量轮廓重合度、尺度差、对称性、色板差不花一分钱 token 就把明显不合格的拦在 AI 视野之外AI 视觉判断门禁通过后AI 查看对比图对整体观感和关键特征打分评审流程定义在 self_correction.md。每轮结束时循环必须且只能挑一个行动五个出口5 种行动决策每轮只能选一个行动何时触发一句人话continue保真度达标、关键特征全部过关✅ 这轮合格进下一阶段refine-spec规格本身写错/写漏部件缺失、比例错、材质没写 图纸错了先改图纸refine-code规格没问题但生成的几何体/材质不对 图纸没错施工出了岔子request-input图片遮挡了关键结构、单视图信息不够 我看不到了请给我更多素材stop目标达成或用户接受了当前近似度 收尾交付关键设计是根因分离refine-spec和refine-code绝不混用。规格错了就回去改规格并重新校验绝不在代码里打补丁绕过去——好比医生开方和配药方子错就改方子配错就改配药而不是多抓一味药硬盖过去否则错误会被固化进代码。完整根因判断清单什么情况改规格、什么情况改代码、什么情况要素材见 self_correction.md 的 Root Cause Guide 部分。 一个易被忽略的细节continue是证据驱动的——必须附带渲染截图、对比图和达到阈值的 AI 视觉分数才允许放行像素对比代码永远不能单独充当验收权威。停机时刻的约定AI 会不会修到一半悄悄放弃先正面回答不会。所有停止路径都有明确出口AI 停下之前必须交代卡在哪触发条件明确出口达到保真度目标正常收尾进入下一阶段或交付重复缺陷 / 震荡升级为改规格把问题从代码层拉到设计层平台期 / 硬上限request-input讲清卡在哪、需要什么更多视角、更清晰的素材或接受当前近似度预算耗尽硬停并询问附上已完成的证据SKILL.md 明确规定This cannot reach the requested fidelity from this image这张图达不到要求的保真度本身就是合法结论。宁可诚实降级不虚报完成——就像医生明说这张片子看不清这个病灶而不是硬说没事。刹车系统修正上限策略的三层保险每一轮修正都很贵要渲染、要看图、要修改。如果分数一直贴着目标线以下打转朴素实现会无限循环烧 Token。以下三层机制保证一定会停。停止策略状态机6 条规则按优先级逐条检查核心实现在 correction_loop.py它是修正循环的刹车踏板——不管它跑得有多起劲踩中条件就必须刹住按严格优先级逐条检查先匹配先生效硬门禁失败→ 立即refine-code几何硬伤不进入打分讨论达标→ 保真度 ≥ 目标默认0.85且无遗留缺陷 →continue重复缺陷→ 同一缺陷标签连续 2 轮修不好 →refine-spec大概率是规格问题别再瞎改代码震荡检测→ 连续 2 轮修改都让分数变差并被自动回滚 →refine-spec越修越乱的信号平台期→ 单轮提升低于阈值默认Δ0.02且仍低于目标 →request-input进步停滞需要人来补充素材或降低预期硬上限→ 迭代次数达到max_iter默认6 次无条件终止——即使分数还在缓慢改善也停任何状态都绕不过这一条。双层计数每阶段 3 次全局 6 次本地工作流状态机 workflow_state.py 维护两层计数器像出租车计价器上的双上限每阶段上限默认每个 build pass 最多修正3次全局上限默认整次重建最多修正6次触到任一上限即硬停止statusstopped要求向用户要输入绝不静默继续。计数的依据是reviewHistory里的行动记录refine-spec/refine-code而不是 AI 的记忆——对话上下文可以丢.img2threejs/state.json里的状态文件才是权威清单。兜底保险Token 熔断与每轮留痕Token 预算断路器correction_loop.py 中的budget_exceeded()会在 token 花费达到预算时立即熔断像家庭配电箱的空气开关——电流超负荷立刻跳闸直接停下询问用户永不静默继续每轮记录可追溯每轮评审的截图路径、分数、AI 评语都会通过 append_review.py 写入reviewHistory像飞机的飞行日志随时能回溯哪一步的哪个决定导致了现在的错误。亲手验证观察自修正循环的 4 个动作每次修正前先运行python3 forge/next.py --state .img2threejs/state.json [spec]forge/next.py它会报告当前步骤、下一条准确命令和loop/max循环状态看到statusstopped或退出码3就是硬停止信号——报告原因并请求输入别凭聊天记录接着干完整门禁契约Divine Eye、多视角、内部差异、左右手性等查 gates_reference.md整体流程与硬性规则见 SKILL.md 的 The Loop 与 Self-Correction 章节。这套机制给 AI 图像转 3D 工作流加上了两个关键约束决策有据5 种行动 根因分离改规格和改代码不混用与成本有界重复缺陷、震荡、平台期、双层计数上限 token 预算断路器任何情况都能终止。对你来说这意味着AI 会自己迭代修模型但修不动时它会停下来告诉你卡在哪、需要你提供什么而不是失控烧钱。【免费下载链接】img2threejsRebuild the object in a reference image as a code-only, procedural, quality-gated, animation-ready Three.js model. Token-efficient image-to-3D.项目地址: https://gitcode.com/gh_mirrors/im/img2threejs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考