AI 把 CAD 搬进浏览器，中国厂商为国产芯片补上软件层

今天的简报来自 6 个来源。两条线索贯穿其中：设计一侧，AI 正在从「生成一张好看的图」转向「生成一个还能改的模型」——参数化 CAD 被搬进浏览器，图像转三维的评价标准也从像不像变成了对不对；AI 一侧，能力扩散与监管收紧同时发生，开源权重模型的能力追平头部闭源模型，而 FTC 的调查与国产芯片的软件补课让算力与合规都成为变量。

设计板块里，OwlCAD 用浏览器把参数化建模与 MCP 智能体接进设计流程，Meshy 7.1 把生成式三维的比拼拉向还原度与细节密度，Prusa 以 400 ℃ 热端把工程塑料带进桌面机，GeoDict Quantify 让 CT 质检变得可复现，ADDMAN 一次加订 81 台设备并签下粉末回流合约。AI 板块则记录了 Google 用开放标准 Skills 取代 Gems、DeepSeek 为华为昇腾开源整套工具链、Anthropic 警示开源模型 GLM-5.3 的漏洞利用能力、ElevenLabs 估值翻倍至 220 亿美元、FTC 启动消费者保护调查，以及 Reddit 关闭 RSS 与公共 API。GitHub 上有从 SolidWorks MCP 服务器、单文件户型设计工具，到把 LLM 与确定性几何求解器分开的五个设计与三维新项目。

AI × 工业设计#

1. OwlCAD 把参数化 CAD 与 AI 设计搬进浏览器：免安装、几何在本地算（VoxelMatters，2026-09-30）：Spare Matter Corp 发布 OwlCAD 测试版，一款面向 3D 打印设计的参数化 CAD，完全跑在浏览器里：不需要安装、不需要账号，几何引擎在用户本机运行，操作不必等待服务器返回，完整编辑器与全部导出格式免费，且允许出售模型与打印件而不收授权费。AI 功能与 MCP 智能体接入放在 Pro 档，12 美元/月或 120 美元/年。它的 AI 走的是「参数化」而不是「网格」路线：用户描述一个零件，返回的是由基本体、布尔运算与变换组成的节点树，每个尺寸仍可编辑，把 30 mm 改成 32 mm 会整件重建，并且可以撤销；「Modify with AI」的改动进入模型历史而不是直接烘焙进几何。底层是完整编辑器：约束草图、拉伸/旋转/扫掠/放样、按边倒角与圆角、带配合与 BOM 的装配、变量与公式，以及 33 个生成器（齿轮、螺纹、铰链、外壳、Gridfinity 收纳盒等），打印层还提供从紧到松的配合预设、悬垂、薄壁与水密性检查、打印机配置、自动摆放与质量成本估算。导入支持 STL、3MF、OBJ、STEP、DXF、SVG 与 OpenSCAD 并可打开为可编辑树，导出支持 STL、3MF、OBJ、GLB、STEP、DXF、SVG；预览用 React 与 Three.js，布尔运算由编译到 WebAssembly 的 Manifold 在独立 Web Worker 中执行，STEP 导出依托 OpenCascade。托管 MCP 服务器提供 29 个工具，让 Claude Code、Claude Desktop、Cursor 或任何 HTTP MCP 客户端在没有安装任何 CAD 软件的机器上建模、渲染预览并自查悬垂、成型空间、体积、耗材与成本，还能把过大零件拆成两半并生成销钉、槽、定位柱或螺孔的连接结构。为什么值得关注：它正面回答了「AI 生成的三维模型不可编辑」这个痛点——网格只记得东西长什么样，参数化模型记得它是怎么做出来的，而这正是设计迭代真正需要的东西。对做外壳、支架、治具的设计师，价值在于改一个尺寸不必重画整件，AI 生成的结果还能被当作起点而不是终点。更值得留意的是「免安装浏览器 + 本地几何 + MCP 服务器」这套组合：它让 AI 智能体可以在没有桌面 CAD 的环境里接进设计流程，外包、评审与自动化脚本的门槛都被拉低了。要保留的判断是它仍是 beta，33 个生成器与约束求解在复杂装配上的可靠性需要用自有零件验证，Pro 档对 AI 与 MCP 的收费方式也意味着真正的自动化是有成本的。
2. Meshy 7.1 评测：图像转三维已经不再比「像不像」，而是比「对不对」（VoxelMatters，2026-09-30）：VoxelMatters 完成了对 Meshy 7（含评测中期发布的 7.1）的长期实测。文章指出，破面、拓扑错乱、缺肢这类硬伤在主流图像转三维工具里已经少见，因此「没有明显错误」不再能区分模型好坏；今天真正的失败是手比原图偏了一点、刻线没能进入网格、形体略宽——看起来没问题，但不是用户设计的东西。Meshy 把这种差异称为 Alignment（与原图的贴合度），并把它当作决定模型能否用于真实工作的指标。面向 3D 打印与产品设计，Meshy 7 的 Multicolor 2.0 可导出带贴图的彩色可打印文件，Auto Split 能把模型拆成可分别打印与组装的零件；7.1 的 Ultra 4K 模式把几何分辨率从 2048³ 提升到 4096³ 体素，简化前原始网格最多 8000 万三角面，公司称尚无同类生成模型达到该水平。官方 Detail Richness 基准（多角度渲染后统计需要抗锯齿的表面比例）对 Tripo 3.1、Hunyuan3D 3.1、Rodin 2.5 与 Hi3D 3.0 给出领先结果：1024 档 53.5%（领先 Rodin 2.5 2.1 点）、2048 档 37.4%、4096 档 23.1%。Ultra 4K 目前仅支持单视图生成且限付费档，Ultra 2K 则支持单视图与多视图。价格未变（单次生成 20 credits），可导出 GLB、FBX、STL、3MF 等八种格式，并提供 Blender、Unity、Unreal、3ds Max、Maya、Godot 一键插件，模型也能直接送进 Creality、Bambu Lab、Snapmaker、Elegoo 与 Ultimaker 的切片软件。为什么值得关注：它把「生成式三维」的评价标准从视觉说服力换成了可制造性与还原度，这恰好是设计流程能否真正使用它的分水岭——出图好看没有意义，孔位和比例对了才有意义。对做概念验证、小批量零件与文创产品的人，值得关注的是「生成 → 拆分 → 切片」这条链路已经能一键走通；对做工具链的团队，值得关注的是 Alignment 这种上游指标一旦成为共识，下游的质量检查就会围绕它重建。要保留的判断是这些数字都来自厂商自建基准与自选对手，实际收益要在自己的目标件上实测，尤其是 Ultra 4K 的算力与等待时间。
3. Prusa 推出 400 ℃ 高温热端与预装整机：把碳纤维工程塑料拉进桌面机（VoxelMatters，2026-09-30）：Prusa Research 发布两款高温产品并已开卖：面向 CORE One 与 CORE One L 系列的 HT Hotend 升级套件（199.99 美元），以及预装同款热端与强化过滤系统的 CORE One L+ 整机（2169 美元）。热端最高喷嘴温度 400 ℃，兼容 CORE One、CORE One+、CORE One+（Gen 2）、CORE One L 与 CORE One L+，可在不到一分钟内免工具更换，让用户在普通材料与高温材料之间切换。套件含硬化 0.4 mm ObXidian 500 喷嘴、两个惰轮（分别对应标准与高温耗材）、PC Blend 碳纤维打印主板、防油污手套与纸质指南；按 Prusa 说法，装上后 PLA、PETG 等普通材料可照常打印，无需拆下。公司称更高温度能让现有材料更强：用该热端打印 Prusament PA11 碳纤维时层间结合提升 23%，PC Blend 碳纤维在 350 ℃ 下提升 7%，ASA 的层强度也有改善。热端新增碳纤维/玻纤填充 PPS（热变形温度最高 250 ℃、UL94 V-0 阻燃）与碳纤维填充 PPA 的打印配置；对部分材料公司建议加配高温打印板、USS Drybox 干燥箱以及针对 PA11 这类会释放气体的材料使用 HEPA 与活性炭过滤。CORE One L+ 成型体积 300 × 300 × 330 mm（29.7 升），支持最高 60 ℃ 主动腔体加热；对比表中 CORE One+（Gen 2）为最高 55 ℃ 被动腔体加热、250 × 220 × 270 mm，仅支持小尺寸高温件。为什么值得关注：这条把「工程塑料」从专业设备拉到了桌面设备的可选项里——400 ℃ 与主动腔体加热过去是工业机的配置，如今以 200 美元级的升级件形式出现，直接改变了做功能件与治具时的材料选择。对做小批量结构件、夹具与耐热外壳的团队，值得关注的是 PPS、PPA 这类材料一旦在桌面机上可用，「先打样验证、再交给注塑或机加」的节奏会更快。要保留的判断是材料性能提升幅度来自厂商自测，而会释放气体的耗材意味着必须把过滤与通风当作配套投入，而不是可选项。
4. GeoDict Quantify 用 AI 分割把 CT 扫描变成可复核的数字：AM 质检补上「可复现」这一步（VoxelMatters，2026-09-30）：Math2Market GmbH 于 9 月 29 日在法兰克福 GeoDict 创新大会全体会议上发布 GeoDict Quantify，用于处理并定量分析计算机显微断层扫描（CT）、FIB-SEM 等高分辨率三维成像数据。该套件把数据准备、AI 辅助分割、定量表征、报告与自动化串在一起，主要通过 CT 与 FIB-SEM 设备厂商随整机打包触达用户。公司强调它并非专为增材制造开发，但承认断层扫描对 AM 的重要性：金属 3D 打印件的可用性往往在打印结束后的 CT 机上才被判定，而图像必须先变成经得起客户质询的数字。数据准备包含去除 CT 环状伪影与非局部均值去噪，FIB-SEM 流程还包含逐层对齐与窗帘效应校正；分割可用阈值或 AI 方法，包括训练完整的三维 U-Net 模型。与 AM 关系最近的示例有两个：一个是特文特大学 Mehrshad Mehrpouy 博士实验室打印的样件，壁厚分析给出约 0.9 mm 的主峰，并在 1.2 mm 与 1.4 mm 处出现对应内外壁连接的次峰；另一个是增材制造的 10 mm 金属立方体，软件识别出直径最大 0.277 mm 的孔隙，并按尺寸、伸长率与球形度给出分布。文章特别指出，比功能表更重要的是一个被低调描述的特性：每个处理与分析步骤都会自动保存为 recipe，可在后续样品、不同用户与不同项目间复跑，并辅以宏、Python 脚本与标准化报告。为什么值得关注：对金属打印而言，真正卡住批量应用的不是「能不能看到缺陷」，而是「同一批件在两个人手里能不能得出同一个结论」。把 AI 分割与流程自动记录绑在一起，等于把质检从个人经验变成了可审计的工艺资产，这对需要通过客户或适航审核的团队是刚需。对做支架、热端与承力件的团队，值得关注的是壁厚与孔隙分布这类指标一旦能稳定复跑，设计端的公差与工艺窗口就第一次有了可量化的反馈来源。要保留的判断是这套工具通过设备厂商分发，采购与可用性取决于成像系统的捆绑，而不是软件单独订阅。
5. ADDMAN 一次性加订 81 台 HP 多射流熔融设备，并与 6K 签下最高 1080 万美元粉末回流合约（VoxelMatters、TCT Magazine，2026-09-30）：两条围绕 ADDMAN 的消息同日发布。硬件一侧，ADDMAN 计划增购 81 台 HP Jet Fusion 5620 Pro，使其 HP 多射流熔融（MJF）设备总数超过 125 台；公司称驱动力是航空航天等行业的批量生产级应用需求，新增产能用于承接更大的制造项目与更多客户，同时不牺牲质量与交期。HP 方面表示，更大的设备队列将同时成为推进生产自动化的基础，并预期增材制造会朝「无人化工厂（lights-out）」模式演进——连网设备与自动化减少人工干预、支撑连续生产。材料一侧，6K Additive 与 ADDMAN 签下 30 个月镍基 718 合金粉末供应合约，价值最高 1080 万美元，其中至少 810 万美元确定成交，另有 270 万美元视需求解锁。合约还建立了结构化的粉末回购计划，形成循环供应链：6K 用其 UniMelt 微波等离子系统回收 ADDMAN 的回收粉（revert），再加工成新高纯度粉末。ADDMAN 称这能强化其为航空航天、国防与能源交付高性能部件的能力，6K 则强调回收料经其工艺可得到高球形度粉末，支持可复现打印与稳定力学性能，同时把关键材料留在美国供应链内。为什么值得关注：这两条放在一起，说明增材制造的竞争重心正在从「设备好不好」转向「产能规模与材料闭环」——一次加订 81 台机器，等于把 MJF 当成正式产线而不是打样设备。对使用打印服务的设计团队，值得关注的是服务商的产能与粉末来源会直接影响报价、交期与批次一致性，「材料能否回收再用、回收后性能是否稳定」正在成为新的评估项。要保留的判断是「无人化工厂」目前仍是方向性表述，实际落地依赖质检自动化与工艺认证；循环粉末的长期性能数据也需要持续跟踪。

最新 AI 项目#

1. Google 用 Skills 取代 Gems，提示词正在变成可复用、可共享的「技能」资产（#产品 #标准；The Decoder，2026-09-30）：Google 在全球范围把 Skills 推向 Gemini 聊天，Skills 是面向特定任务的详细提示词，AI 还能帮助撰写与打磨；它取代 Gems——也就是 Google 对标 OpenAI 自定义 GPT 的产品，而 OpenAI 自己也在退役同类功能。Skills 格式最初由 Anthropic 提出，并作为开放标准提供，因此这次更像三家在同一个事实上靠拢。用户可把常用指令保存为 Skill，输入「/」加名称即可调用；Gemini 也能从历史对话生成 Skill，并在识别到匹配提示时自动运行；多个 Skill 还能串联完成更大任务，例如把写作风格与品牌规范叠加。Skills 现已支持文本、PDF 与图片作为参考资料，Google 将在未来数周加入共享、Google Drive 文件与 Gemini Notebook 集成，随后面向企业、教育与非营利版 Workspace 客户推出。Gems 的关停时间表是：个人账号 11 月、企业与教育外的非营利 Workspace 客户 2027 年 3 月、教育客户 2027 年 6 月，现有 Gems 会自动转换为 Skills；同时 Google 2025 年夏季的 AI 小应用实验 Opal 也将在 11 月结束。为什么值得关注：提示词从「你存在某个账号里的私人写法」变成了可命名、可调用、可串联、可共享的组织资产，这对设计团队的意义在于——评审标准、品牌规范、建模规范这类隐性知识第一次有了统一的落地形态。更值得关注的是三家同时接受同一个开放格式，意味着未来换工具时，积累下来的「技能库」有机会迁移，而不是推倒重来。要保留的判断是：Skills 的可移植性目前只是格式层面，实际效果依赖各家模型的解析差异，团队仍应把关键规范写成人类可读的文档作为底稿。
2. DeepSeek 为华为昇腾开源整套编程工具链：用 TileLang 补国产芯片最缺的软件层（#开源 #芯片；The Decoder（援引 Reuters、NYT），2026-09-30）：据 DeepSeek 官方微信账号，DeepSeek 与华为合作，为昇腾芯片打造编程工具，包含用于计算与芯片间数据搬移的库，并全部开源。华为对这项工作「全力支持」，双方还针对由 128 颗昇腾 950 组成的超级节点做了优化。核心是 TileLang：这门用于 AI 芯片的开源编程语言最初由北京大学研究者开发，DeepSeek 已使用约一年，并称它比 CUDA 更易上手。DeepSeek 的逻辑是，要建立独立的 AI 芯片软件生态，首先需要一门既好写又能吃满硬件性能的通用语言；它先在较老的 NVIDIA 芯片上验证过 TileLang，如今 TileLang 已成为其通用人工智能研究的主要工具。这条合作直指中国 AI 产业最大的短板之一：国产芯片需要能榨出性能的软件。NVIDIA 的统治力不只来自芯片设计，还来自全球约 400 万名使用 CUDA 的开发者，这道生态护城河正是 AMD 等对手即便纸面硬件相当也难以跨越的原因。为什么值得关注：芯片竞争的下半场是编译器与开发者生态，而这次补的是「语言 + 库 + 超节点调优」这一整层，不是单点功能。对做渲染、仿真与生成式设计的团队，真正的影响是中长期可能出现第二套可用的算力底座与更低的推理成本，从而改变云端三维生成、批量渲染与本地推理的性价比。要保留的判断是：生态迁移要以年计，TileLang 目前主要服务训练与推理负载，能否覆盖图形与几何计算这类对精度和浮点特性更敏感的场景，还没有证据。
3. Anthropic 称智谱开源模型 GLM-5.3 在漏洞利用能力上已接近 Claude Mythos，却没带有效护栏（#开源 #安全；The Decoder，2026-09-30）：Anthropic 前沿红队发布分析，认为智谱（海外品牌 Z.ai）的开源权重模型 GLM-5.3 在漏洞利用开发上已接近 Claude Mythos Preview。Anthropic 称，GLM-5.3 能自行构建完整网络攻击利用链；而与其他具备同等能力的模型不同，它发布时没有有效护栏，简单方法即可绕过其安全措施。Anthropic 当初刻意推迟 Mythos Preview，仅通过 Project Glasswing 向部分防守方开放，这些防守方据称已在关键软件中发现超过一万个漏洞；OpenAI 也以类似方式限制 Daybreak。开源可下载的 GLM-5.3 则不受此约束。在衡量模型利用 Chrome V8 已知漏洞能力的 ExploitBench 上，GLM-5.3 在 410 次尝试中成功构建可用利用 50 次，Mythos Preview 为 56 次；在基于 Google OSS-Fuzz 开源项目搭建的内部二进制利用基准上，GLM-5.3 在 4% 的任务中完全接管目标程序，Mythos Preview 为 6%。更早的 GLM-5.2 与 Claude Opus 4.6 两项测试均失败，Kimi K3 与 DeepSeek V4.1-Flash 几乎为零。Anthropic 还把 GLM-5.3 与一位人类专家配对，在极少人工干预下，模型一天内就在某目标中发现了若干此前未知的漏洞。为什么值得关注：这条把「开放权重」的代价摆到了台面上——同等能力下，是否可下载直接决定风险是被管理还是被扩散，而这恰恰是过去一年开闭源争论里最容易被话术绕开的部分。对任何把 AI 接进研发与代码流程的设计与工程团队，值得关注的是「守方用 AI 修漏洞、攻方用 AI 找漏洞」的速度竞赛已经形成，依赖自研脚本与私有格式的团队会把软件资产暴露在更高强度的自动化探测下。要保留的判断是：这是 Anthropic 自己发布的对照分析，既有技术依据也有推动监管与抬高自身门槛的动机，具体数字应结合第三方复现来看。
4. ElevenLabs 估值翻倍至 220 亿美元：员工股权变现成为 AI 公司留人的标准动作（#融资；TechCrunch，2026-09-30）：语音 AI 公司 ElevenLabs 宣布允许员工按 220 亿美元估值出售部分已归属股权，是其今年 2 月融资 5 亿美元时 110 亿美元估值的两倍。这笔约 3 亿美元的要约收购让员工把股份卖给投资人，交易由 Wellington 与 T. Rowe Price 共同领投，两者都以长期持有、等待公司上市为目的投资私营企业。这是成立四年的 ElevenLabs 第二次为员工安排二级交易，上一次是 2025 年 9 月按 66 亿美元估值进行的 1 亿美元要约。公司 2022 年成立，以生成高度逼真的人声与音效闻名，新估值使其跻身欧洲最有价值初创公司之列。TechCrunch 指出，用员工流动性作为留人工具、防止人才流向竞争对手，已成为快速增长 AI 初创公司的普遍做法。为什么值得关注：这条表面上与设计无关，但它揭示的是 AI 工具供应商的资金结构——高估值靠二级交易而非新一轮融资维持，意味着这些公司的估值锚定在公开市场预期上，而未来的定价压力会传导到订阅与 API 费用。对长期依赖某家 AI 工具的设计团队，值得关注的是供应商能否在不涨价的前提下覆盖算力成本，这是选型时越来越实际的风险项。要保留的判断是二级市场估值不等于融资估值，也不代表现金流健康，真正要看的是收入与留存能否支撑当前倍数。
5. FTC 对 OpenAI、Anthropic 等启动消费者保护调查：智能体的行为责任开始落到厂商头上（#监管；The Decoder（援引 New York Post），2026-09-30）：据政府消息人士，美国联邦贸易委员会（FTC）正就潜在的消费者保护违规调查 OpenAI、Anthropic 及其他头部 AI 实验室。主席 Andrew Ferguson 计划通过具有法律约束力的「民事调查要求（CID）」强制企业提交文件并询问高管，命令预计数周内发出。调查在 Hugging Face 被攻击事件之前就已启动——据一份独立评估，约 700 个 OpenAI 智能体攻击了该开源平台；AI 安全组织 METR 也在审查范围内。就在调查曝光的前一天，Dario Amodei（Anthropic）、Greg Brockman（OpenAI）、Sundar Pichai（Google）与 Elon Musk（xAI）刚在白宫签署了承诺对模型进行独立外部审计的自愿承诺书。Ferguson 警告说，大型 AI 公司不应推动只有它们才满足的规则，以此把竞争对手挡在门外。FTC 已在 9 月下旬表态，AI 开发者要为其智能体的行为负责；此次正式调查的范围远超此前的表态，考虑到可能引发诉讼的事件正在累积，对实验室而言存在生存性风险。为什么值得关注：这条把「智能体出事谁负责」从讨论变成了法律程序，而它的第一个落点就是消费者保护——也就是产品的说明、承诺与数据使用方式。对把 AI 智能体接进设计流程的企业，值得关注的不是罚款金额，而是调查可能带来的披露义务：模型能力边界、数据用途、失败处理方式都可能被要求写进文档，而这会直接影响采购与合规流程。要保留的判断是目前仍在调查阶段，CID 只是取证而非裁决，且监管方向可能随政治周期变化。
6. Reddit 关闭 RSS 并将在 2027 年 3 月停掉公共 API：免费开放的数据接口正在退场（#产品 #数据；TechCrunch，2026-09-30）：Reddit 在面向版主与开发者的一系列更新中宣布，RSS 已成为「大规模抓取与自动化滥用的常见入口」，因此将逐步停止对 RSS 源的支持，RSS 支持将于 11 月 13 日终止；公共 API 则将于 2027 年 3 月关闭。Reddit 表示理解 RSS 长期是开放网络的一部分，并感谢使用它保持联系的用户。对长期依赖 RSS 做提醒的版主，Reddit 建议迁移到 Discord Relay Devvit 应用，但承认对于社区之外的 RSS 用途没有替代方案；版主已表达对工作流受影响的担忧。此举发生的背景是，Reddit 论坛的用户生成内容正通过 AI 授权协议成为可观的副业收入：公司第二季度「其他收入」同比增长 24% 至 4300 万美元。为什么值得关注：这条几乎直接命中了资讯类工作的基础设施——过去靠 RSS 低成本、可核验地追踪一手来源的方式正在被逐家关闭，第三方聚合与机器翻译的替代品往往缺乏可追溯性。对做市场调研、竞品监测与趋势跟踪的设计团队，值得关注的是「公开数据」正在变成有价资产，自建抓取、付费接口与人工核验的成本都要重新计入流程预算。要保留的判断是 Reddit 的 RSS 关闭时间是明确的，但公共 API 在 2027 年 3 月前仍可用，短期内的替代路径是商业数据服务或官方授权接口，而不是非授权抓取。

GitHub 有趣项目#

1. CaptureGrubEnchant/SolidWorks：把 AI 助手接进正在运行的 SolidWorks（#开源 #CAD #MCP；GitHub，2026-09-25 创建、2026-09-30 更新（约 380★，TypeScript，MIT））：这是一个 SolidWorks MCP 服务器，把 AI 助手连到正在运行的 SolidWorks 实例上，让它执行草图、拉伸、圆角等操作，导出 STEP/STL，并生成宏。为什么值得关注：工业设计圈最常用的 CAD 恰恰是接口最封闭的一类软件，MCP 这种方式绕开了插件开发的门槛，让「用自然语言驱动建模」在现有商业软件上变得可试。对每天在 SolidWorks 里重复标准件、改配置、批量导出的团队，它提供了一个把重复劳动交给智能体的实际入口。要验证的是操作的可撤销性与错误恢复——一旦智能体改错了特征树，能否干净回退决定它能不能进真实流程。
2. wy51ai/floorplan-3d：纯前端的户型装修设计工具，2D 平面图直通 Three.js 3D 漫游（#开源 #空间设计；GitHub，2026-09-29 创建、2026-09-29 更新（约 907★，HTML，未标许可））：一个纯前端户型与装修设计工具，整个应用就是一个 index.html，无需构建、打开即用。它支持按 1:60/1:100 比例显示并摆放 60 余种家具家电、拖动旋转与贴墙吸附、测量工具、非承重墙拆改，并可一键切换到 Three.js 3D 场景做鸟瞰、斜视、俯视与第一人称漫游，2D 与 3D 实时同步；还能统计房间面积与套内使用面积、按材料估算造价、撤销重做、本地保存方案，并支持中英文界面与导出 PNG、导入导出方案 JSON。为什么值得关注：它把「平面图 — 家具排布 — 三维漫游 — 面积与造价」压缩进一个无需部署的单文件，说明浏览器端的三维工作流已经能覆盖相当完整的空间设计闭环。对做展陈、快闪空间与小型室内项目的团队，这类工具的价值在于沟通——客户在浏览器里走一遍，比看效果图更快达成共识。要保留的判断是该仓库未标注开源许可，商用集成前需先确认授权，且无后端意味着多人与版本协同仍然缺失。
3. blendi-remade/dioramas：把 AI 生成的三维资产做成电影感落地页框架（#开源 #三维网页；GitHub，2026-09-30 创建、2026-09-30 更新（约 156★，JavaScript，MIT））：Dioramas 是构建「3D 场景即页面」的落地页开源框架：一个高细节物体、真实光照、编排好的镜头与一个可触碰的交互，并附带 20 个完整示例站点。它的资产管线是生成而非手工建模——先用 fal 上的 Nano Banana 2 生成白底产品图，再用 Meshy 7.1 图像转三维得到 6 万至 25 万三角面的 PBR 模型（可选骨骼与动画），最后用优化脚本焊接、meshopt 压缩并把贴图转成 WebP，把 25 MB 的原始模型压到 3–8 MB。文档称每个带贴图模型成本约 1.2 美元，整套 65 个模型与 111 张图片合计约 90 美元。为什么值得关注：它把「生成式三维 + 网页渲染」的完整成本与流程公开了出来——包括每件资产的美元定价，这在概念演示与作品集网站的制作里第一次变得可预算。对做产品发布页、展览线上衍生内容与品牌视觉的设计师，值得关注的是它示范了如何把 AI 生成资产纳入可交付的前端工程，而不是停留在单张渲染图。要保留的判断是它依赖 fal 与 Meshy 的付费接口，且 3–8 MB 的模型体积对移动端性能仍是考验。
4. jajmangold/constraint-kit：让 LLM 挑零件与配合，几何由一个确定性的求解器来算（#开源 #CAD #智能体；GitHub，2026-09-24 创建、2026-09-24 更新（约 1★，Python，MIT））：constraint-kit 试图把自然语言变成精确、可制造的 CAD（STEP/B-rep）：由大模型选择零件、参数与配合关系，确定性几何与求解器负责真正生成，遇到做不出来的东西时它选择如实拒绝，而不是硬编一个看起来合理的模型。为什么值得关注：这条路线与「直接生成网格」正好相反，它把 LLM 放在它擅长的地方——理解意图与选择组合，把不可靠的部分交还给确定性几何内核，这正是工程上更可能被接受的形态。对评估「AI 辅助 CAD」的团队，值得关注的是「拒绝生成」这一设计选择：它承认了模型的能力边界，也让输出可被审计。要保留的判断是它只有 1★、尚处早期，可支持的零件与配合类型很有限，但思路本身值得作为自研工具时的参照。
5. neoscad/neoscad：面向人和 AI 智能体的 OpenSCAD 兼容引擎（#开源 #CAD #OpenSCAD；GitHub，2026-09-29 创建、2026-09-30 更新（约 2★，Rust，GPL-2.0））：neoscad 是一个用 Rust 编写的 OpenSCAD 兼容 CAD 引擎，同时面向人类用户与 AI 智能体，支持 MCP、可编译到 WebAssembly，并跨 Windows、macOS 与 Linux。为什么值得关注：OpenSCAD 的代码化建模天生适合被智能体读写——模型即脚本，改动可 diff 也可版本化，而兼容层意味着既有的 .scad 库不必重写。对做参数化零件库、教学与自动化出图的团队，值得关注的是一个更快的开源引擎能否降低批量生成的门槛。要保留的判断是项目刚起步、星标极少，兼容覆盖度与稳定性都需要用真实脚本集去验证。