GPT-6自己打开软件干活了!一张图纸长出3295个零件,一句话造出豪宅

--------

刷屏的那批成品里，有几个被反复转发。一个开发者做了 2234 个部件的人体解剖交互网站，能拆解，能旋转。有人让 Astra 在 Unreal 里连干一周，搭出一座曼哈顿。还有人做了个扫地应用，手机镜头跟着吸尘器刷头走，扫过的地面实时覆上绿色。

这些成品长得很不一样，但是它们的做法有一个共同之处。人体解剖项目2234件，所用数据库为BodyParts3D。Astra做的就是把它们组装成可以拆卸、转动的互动网站。

把现成的东西连接在一起，一直被认为不够牢固的能力

德内拉·梅多斯在《系统之美》中把系统分成三个部分：存量、流量和连接。她举了一个例子，在系统中改变连接的方式要比更换系统内部的零件更有效地改变系统的运行状态。把整批零件都换掉之后，系统的心情恐怕并没有什么改变；把两个部件之间的连接方式调整一下，整套的表现就会随之改变。

我做自动化这些日子，最花时间的活很少是写新功能。有一次我手上攒了三段东西，一段抓数据，一段发通知，中间还得算一遍，每一段单独跑都没问题。要把它们串成一条线，中间那个接口对不上，我在两个文件之间来回改了三天，改得最多的就是两个文件交界处的那一行。后来我给每一段各写了一份说明，写明它吃什么、吐什么，再接起来就顺利多了。

把三种可以奔跑的东西连接起来形成一条可以奔跑的道路，这件事情最易被人认为没有干活。

接口要比功能难写。

它会先读懂这张图片，然后推算出零件之间的位置关系

Astra 在这张蒸汽机车图上所做的事，拆开来一看就是四步。理解了图片之后，就可以推导出零件之间空间的关系，并且编写脚本来调用接口将几何体生成出来，最后对照着渲染图进行检查和修改。四件事情叠加起来，别人一看就会建模型。

梅多斯说过一句话，一个系统可以依靠把结果送回到起点的那条回路来纠正自己的偏差。人坐在桌子旁边修改图片，眼睛发现哪里不对就马上动手，这个回路一直都在运转。Astra 在把成品交还之前会先看一遍预览渲染，调整构图、修复穿模、转换的是同一条回路。

我曾在公司编写过一个定时任务，第一版跑完就算完成，中间出错两周后才从其他地方得知。在补充的时候，在里面加了一段自检，跑完之后先和昨天的数据进行比较，如果差距太大就停下来，并且给我发送一条信息。那部分检查代码比主要流程还要长，我自己倒是很踏实地睡着了，后来就把这一段自我检测补充到其他的脚本中去了。缺少了一步，剩下的是一个几何体集合。

看得懂和做得到之间，就差自己给自己纠错的一条回路。

改变的是别人看不到的地方。

组装有它边界，说清楚边界，成绩才会站得住

刷屏的作品很多，从零开始创作的作品较少。梵高小镇是少数从头画出来的，六幅画怎么拼成一个连续的空间，走到哪儿触发什么，全由Astra一手包办。另外一部分则是把现有的资产重新连接起来。Ricouard 要的那一段漫游，树木、石头都是扫描而来，材料则是购买所得。Astra 管的是它们的位置、光线的运用以及镜头的移动方向。

梅多斯在书中提到杠杆点，找到一个合适的切入点，用很小的力量就可以影响整个系统的运行。她也曾告诫过自己，系统无法看见自己的边界，边界是由人来划定的。把结论放在哪里，就会得到什么样的结果。

曾经做过一段时间的内部报表，刚开始的时候只是统计我们小组自己的数据，跑出来的一个个结论非常清楚，A方案比B方案要快一些。后来把隔壁两个组的数据合并进去之后，得出的结果反而不一样了。数据没有问题，但是我在开始的时候把统计数据的范围缩小了。后来我在报表的第一行加上一句，说明它只覆盖哪些小组，超出的部分不计算。

范围画到哪里，结论就会延伸到哪里。

一挪地方，结论也就随之而变了。

2234件人体解剖网站做的就是把现成的数据组装成可以使用的成果，这样的成绩不需要靠吹嘘来证明。Astra变强的地方在于组装、转换和迭代。

读《系统之美》，能看清一堆现成零件怎么接成一个能用的整体。