返回首页 文章与观点 Blog
📚 AI 实战· 共 2 篇

我用一条提示词,生成了北京 CBD 的数字沙盘

昼夜交替、点地标看信息、第一人称漫游——把一条提示词变成网页三维沙盘的完整过程,以及哪些活交给 AI、哪些活还得人干的经验。

🎧 听这篇文章 --:--

北京 CBD 数字沙盘白天俯瞰:中国尊领跑的天际线 程序化重建的北京 CBD:中间那根收分的塔是中国尊

先看效果。下面这段视频里:城市天际线绕着镜头转,天色从上午九点一路跑到深夜——楼宇窗灯渐次亮起、路灯在地面上晕开光斑、星空升起来。后半段镜头切到第一人称,你站在长安街的路面上,车流贴着斑马线开过去,抬头就是两侧的塔楼。

二十八秒昼夜全循环 + 第一人称街景漫游(720p)

这一切不是建模软件里做出来的,是一个网页。起因是我给 AI 下了一条提示词:

生成一个网页城市数字可交互沙盘,城市是北京 CBD,根据网络地图数据和图片识别地形和城市建筑道路交通等,建模写实精细可以旋转缩放平移。可以拖动 24 小时的时间条呈现白天黑夜,点击地标能呈现信息,可以第一人称视角城市漫游。

这条提示词现在收录在迷鹿提示词库里,可以照抄。但更值得聊的是:它哪些部分成立,哪些部分不成立——这才是用 AI 做东西的真实经验。

提示词里”对”的部分:需求陈述得越具体,产出越接近想要的

这条提示词其实是一份浓缩的需求清单,五句话各管一件事:

  1. “网页城市数字可交互沙盘”——定了载体(浏览器)和形态(三维、可交互)。说”网页”而不是”做一个三维模型”,AI 就不会去输出 OBJ 文件,而是直接给你能跑的代码。
  2. “城市是北京 CBD”——定了主题。附带的价值是地标清单自动明确:中国尊、国贸三期、央视大楼、银泰中心……这些名字不用你逐个列,AI 的知识里自带。
  3. “旋转缩放平移 + 24 小时时间条 + 点击地标 + 第一人称”——四个交互全部点名。提示词里写”可以XX”的句式,AI 会把它理解为验收标准而非装饰语。
  4. “白天黑夜”——决定了一套完整的天光系统:天空颜色随时刻插值、太阳月亮位置、楼宇窗灯和路灯只在夜里亮。这是个隐藏的大需求,幸好它只需要一句话。
  5. “第一人称城市漫游”——最容易被漏掉的需求,漏了它沙盘就只是”能转着看的模型”,有了它才有了”在这个城市里散步”的体验。

一句话总结:交互需求一条都不能省,每一条”可以”都会变成一行代码。

提示词里”不成立”的部分:别指望 AI 真的去”根据网络地图数据建模”

提示词里有一句”根据网络地图数据和图片识别地形和城市建筑道路交通等”——这句要泼冷水。

AI 没法在对话里真的去爬地图数据、做图像识别、再转成三维模型。它的实际做法是程序化重建:调用自己的知识,把中国尊做成一个 528 米高的收分塔身、把央视大楼做成两座斜塔加悬臂、把长安街和东三环摆到正确的相对位置上。道路网格是程序生成的,背景楼群的密度和高度靠随机分布加距离衰减来模拟。

效果如何?看图:

黄昏时分的沙盘:窗灯亮起,天色橙红 黄昏时分的 CBD,窗灯和天光同步过渡

几个诚实的结论:

  • 轮廓对,尺度对,天际线认得出来。中国尊的收分轮廓、央视的悬臂环、银泰的”灯笼”冠都在。给不知道这是哪的人看,大多数人能猜到”北京某个 CBD”。
  • 布局是示意的,不是测绘的。建筑间距、街区尺寸、道路走向都是近似。拿它做数据可视化背景、做教学演示、做创意视频素材完全够;拿它做导航、做规划论证,不行。
  • “写实精细”有上限。提示词里要”写实”,AI 会用立面纹理、窗灯贴图、雾效、色调映射这些手段往”照片感”凑,但距离照片级渲染还有明显距离。想要真写实,路径是接真实 GIS 数据 + 摄影测量模型,那是另一条工程路线,不是一条提示词能跨过的。

所以这条提示词的合理预期是:程序化示意沙盘,视觉氛围拉满,数据精度有限。写提示词时把”根据网络地图数据建模”改成”根据你对北京 CBD 的知识程序化重建”,反而是更诚实的写法,产出质量不会有差别——因为 AI 实际就是这么干的。

人机分工:AI 干七成,人干三成

这条提示词一次生成的结果,大约七成可用。剩下三成,是人的活:

AI 一次做对的:城市骨架(地标几何 + 路网 + 背景楼群)、四个交互的系统框架、昼夜天光系统的整体设计。这些要是自己写,是几百行 Three.js 代码的活,AI 一轮给出能跑的版本,这是它真正省时间的部分。

人要接手调的:

  • 光照参数。AI 默认的白天曝光偏亮,整张图发灰白。太阳强度、半球光、色调映射曝光这几个参数要人看着图往回收。
  • 机位。默认相机太低太近,天际线压在画面上半截。俯瞰角要多高、离多远、看哪个点,得人定。
  • 城市密度。首版背景楼群太稀疏,CBD 的”楼海”感出不来。网格间距、高度分布、离核心区的衰减梯度,都要按目视效果调。
  • 细节bug。比如我遇到的第一人称截图模式失效——一处代码顺序问题,AI 自己看不出来,人来定位。

经验公式:AI 负责”从 0 到 70 分”,人负责”从 70 分到能发布”。 省掉的是搭框架的苦活,留下的是审美和调试的判断活。这跟用 AI 写文章一个道理:初稿飞快,定稿靠人。

一条提示词之外:让它变成”作品”的三件小事

同样是让 AI 生成沙盘,做完这三件事,成品的完成度会完全不同:

夜景:窗灯、路灯、星空一起出现 夜晚是沙盘的加分项:窗灯、路灯光晕、星空同时出现

  1. 给它加”截图模式”。在提示词里补一句:加一个通过 URL 参数驱动的确定性截图模式,支持指定时间、机位、视角。有了它,才能用无头浏览器批量出图、逐帧录屏——你在本文看到的所有图片和视频都是这么来的。没有它,你只能开着浏览器手动截。
  2. 本地化依赖。Three.js 别走 CDN,下载到站点目录里引用。一来加载快、二来离线能跑、三来截图录制时不被网络抖动坑。
  3. 录一段”会动”的证据。静态截图说服力有限,昼夜交替的时间条一拖、第一人称一开,效果是十倍级的。无头浏览器 + CDP 抓帧 + ffmpeg 合成,半小时内搞定一段 720p 演示。

这三件事都不难,但都不在最初那条提示词的覆盖范围内。AI 生成的是”功能”,作品感来自这些功能之外的包装——这也是目前人机协作里最稳定的一条规律。

提示词原文与收尾

完整提示词(连同我最终调好的参数版本)已收录进提示词库,点开就能抄:

→ 北京 CBD 数字可交互沙盘 · 提示词条目

沙盘本体也可以直接玩(旋转缩放、拖时间条、点地标、WASD 漫游):

→ 打开北京 CBD 数字沙盘

第一人称视角仰视中国尊 第一人称视角仰望中国尊,黄昏

最后说下这个提示词库:以后我会把这类”跑通过、有成品、能照抄”的提示词陆续收进去,每条附原文、拆解和实拍效果。与其收藏一堆看不懂的咒语,不如攒一批验证过的工具。