在macOS上结合代码智能体使用Blender
本文探讨了如何在macOS系统上将代码智能体与三维创作软件Blender相结合，实现自动化建模与脚本开发工作流。文章主要介绍了如何配置开发环境、利用AI编程助手调用Blender的Python API来生成和修改三维场景，以及在实际开发过程中遇到的常见技术挑战与解决方案。这为三维开发者和AI应用研究者探索智能体在创意设计领域的落地提供了具有参考价值的技术实践。
Blender Agent：面向 Blender 的交互式多轮 AI 代理
Blender Agent 是一款旨在提升 3D 内容创作效率的开源工具，允许用户通过自然语言与 Blender 进行多轮交互。该项目通过集成大模型能力，将用户的指令转化为 Blender 的 Python API 调用，从而实现自动化建模、场景配置及复杂操作的执行。 核心技术实现上，该代理支持实时反馈循环，能够处理多轮对话中的上下文信息，确保复杂任务的连贯性。对于开发者而言，该工具提供了一种通过 AI 辅助 3D 工作流的实践范例，降低了 Blender 脚本编写的门槛，并为自动化 3D 资产生成提供了可扩展的框架。该项目目前已在开源社区发布，开发者可基于此进行二次开发或集成至现有的自动化管线中。
基于 GLM 5.3 与 BlenderMCP 的 3D 顶层公寓本地构建实践
在配备 RTX PRO 6000 WS 的工作站上，通过本地运行 GLM 5.3 与 GLM 5.3 Flash 模型，结合 BlenderMCP 协议实现了 3D 顶层公寓的自动化构建。该实践验证了开源大模型在高性能本地环境下的推理表现，以及利用模型上下文协议（MCP）直接驱动专业三维软件的能力。整个流程为开发者探索端侧 Agent、设计自动化以及垂直领域工具调用提供了切实可行的落地参考。
AI 为什么能做马里奥，却画不好机器人斜坡？
AI 能轻松生成复杂的卡通角色，但在设计扫地机器人斜坡这类实用零件时却常常翻车。核心痛点在于参数化 CAD 训练数据的匮乏、网格与 B-rep 表征的冲突，以及物理可行性校验的缺失。为了解决三维空间推理的难题，业界开始尝试几何分解方案：将复杂零件拆解为有序步骤，配合 Blender 和 MCP 协议，把 LLM 不擅长的空间几何转化为它擅长的结构化代码。这种“以代码代建模”的思路，为开发者利用 AI 进行精密硬件设计提供了一条可行的落地路径。