三个多月前写了一篇《Antigravity + Blender MCP（上）：从零开始用AI控制Blender建模》，当时主要解决了"让AI能连上Blender""能听懂基本建模指令"这两件事。之后很多朋友陆续过来问同一个问题：这些能力除了捏点小模型，到底能干点啥正经事？这期就用一个我最近实际跑通的完整项目来回答——用 Antigravity + Blender MCP 搭建一个 3D 智慧仓储数字孪生场景。
这期是进阶实战，重点讲三件事：怎么把仓储场景里的货架、库位、AGV路径这些元素拆成AI能理解的任务；怎么用自然语言驱动 Antigravity 批量完成建模；以及遇到报错时怎么定位是 Antigravity 的问题还是 Blender MCP 的问题。如果你有基础建模经验，但还没试过"AI协作式"的3D场景搭建，这篇可以直接当操作手册用。
1. 整体思路拆解：为什么数字孪生仓储需要AI协作
1.1 数字孪生仓储到底在"孪生"什么
很多人一听"数字孪生"就下意识想到高精度的三维扫描、逼真的渲染效果，其实仓储场景里最核心的不是"像不像"，而是"对不对得上"。一个合格的智慧仓储数字孪生，至少要满足三个层次：
第一层是静态结构还原。仓库长宽高、立柱位置、货架行列、库位编号、装卸口方向，这些物理布局必须在三维场景里一一对应。第二层是动态数据映射。库存数量、AGV当前位置、设备状态、温湿度传感器读数，这些实时数据要能同步到三维模型上，体现在物体颜色、位置、文字标签里。第三层是业务逻辑推演。比如AGV走哪条路径不撞货架、库位分配是否合理、高峰期装卸口会不会拥堵，这些可以通过在孪生场景里做仿真来验证。
传统做法是建模师手工搭场景，再接IoT平台做数据绑定。手工搭一个2000平米的库房，光货架就要摆几百组，体型差异小、重复劳动多、改一版布局等于重来一遍。用 Antigravity + Blender MCP 这套组合，核心变化在于把"手摆"变成了"说"——你只需要把布局规则说清楚，AI 在 Blender 里批量生成立方体、实例化网格、设置层级关系，几分钟就能把重复劳动干完。
1.2 为什么选 Antigravity + Blender MCP 这个组合
市面上的AI建模方案不少，有的走文本生成3D模型的路线，有的走text-to-texture路线，但做智慧仓储数字孪生，真正卡脖子的不是"生成模型的质感"，而是"对已有场景的精确控制"。你需要的是：让AI能读现在的Blender场景里有什么、能精确生成指定尺寸和位置的物体、能批量改属性、能执行脚本而不仅仅是聊天。这三个需求恰好是 Antigravity + Blender MCP 的强项。
Antigravity 是亚马逊出的AI编程环境，它不只是一个"能用自然语言写代码"的工具，关键特性是它内置了终端执行能力和 MCP 客户端能力。也就是说，它不只是帮你生成代码，还能把代码真正跑起来，并且通过 MCP 协议跟外部工具通信。Blender MCP 则是社区开源的 MCP 服务端，它把 Blender 的 Python API 封装成了可供AI调用的工具集，包括查询场景、读取物体属性、创建和修改物体、执行Python代码等。两者一接，Antigravity 就相当于长了一双"能操作Blender的手"。
我实际比较过用 Claude Desktop、Cline 接 Blender MCP，结论是 Antigravity 在"多步操作 + 运行结果反馈"这个循环上体验更顺。因为仓储场景的搭建过程不是一个prompt搞定，而是要反复"先查一下现在的布局，再补一排货架，调整间距，重命名物体"这样的多轮修正，Antigravity 的会话上下文和执行反馈衔接得很好。
1.3 标准工作流设计：从需求到三维场景的四步链路
这期项目的完整链路我整理成四步，后面所有实操都是围绕这条链路展开的：
- 拆解需求：把物理仓库的布局信息（尺寸、货架排布、通道宽度、设备点位）整理成结构化的描述，先画一张简单的二维草图，标出原点、朝向、关键坐标。
- AI搭建基础场景：通过 Blender MCP 让 AI 创建地面、墙体、货架、库位标签、AGV路径等基础要素，所有物体按规范命名。
- 数据绑定：给关键物体添加自定义属性（asset_id、location_code等），这是以后对接库存系统、让模型"活起来"的接口。
- 动态验证：用 Antigravity 生成一段模拟数据，驱动 Blender 里的物体发生位移或变色，验证场景的双向映射能力。
这套工作流的好处是每一层都可以单独替换。今天用 Blender 导出给 Three.js 前端，明天换成 Unity 或者 Unreal，只需要改导出环节；今天用 CSV 模拟数据，明天接真实的 WMS 接口，只需要改数据绑定环节。AI工具在这里不是替代建模师，而是把"重复劳动"和"编排逻辑"分离开，让人的精力集中在规则设计和数据验证上。
2. 环境搭建与配置：Antigravity 连接 Blender 的全过程
2.1 Antigravity 端准备和 MCP 配置入口
这一步假设你已经有 Antigravity 的账号并能够正常登录。如果你是新用户，头几次打开会遇到资格检查、账号验证这些环节，多数情况下等它走完流程就行，偶尔会有服务端波动导致的暂时不可用，后面常见问题部分我会专门说。
Antigravity 里配置 MCP 的方式和很多主流 IDE 类似，是在项目根目录维护 MCP 配置文件。我用的版本是在设置面板里找到 MCP 配置项，或者在项目下新建一个.mcp.json文件。文件内容核心是指定 MCP server 的名字、启动命令和参数，我这里配置 Blender MCP 的示例：
{ "mcpServers": { "blender": { "command": "uvx", "args": [ "blender-mcp", "--port=9876", "--blender-executable=C:/Program Files/Blender Foundation/Blender 4.2/blender.exe" ] } } }不同操作系统上 command 可能不一样，Windows 上如果没装 uv/uvx，也可以用 python 直接跑模块：
{ "mcpServers": { "blender": { "command": "python", "args": [ "-m", "blender_mcp", "--port=9876", "--blender-executable=D:/blender/blender.exe" ] } } }配置完后在 Antigravity 的 MCP 面板里能看到 blender 这个 server 处于未连接状态。注意，MCP 服务端显示"未连接"不一定是配置错了，Blender MCP 的逻辑是等 Blender 插件端主动发起连接，所以顺序一定是"先开 Blender 并启动插件，再让 Antigravity 尝试连接"。
2.2 Blender 插件安装与端口连通
Blender 端需要装对应的 MCP 插件。在 Blender 的编辑模式（偏好设置）里，选择"安装插件"，指向下载到的 blender_mcp addon 文件，然后启用它。启用之后，插件一般会出现在 3D 视图的右侧工具栏（N 面板），里面有一个"连接到 MCP 服务器"的按钮以及端口设置，默认端口 9876。
点击连接按钮后，Blender 会作为 MCP 客户端向 Antigravity 发起的服务端握手。这一步常见的问题是端口冲突、Blender 版本太旧（推荐 3.6 以上，我测试用的是 4.2 LTS）、还有插件版本和 MCP server 版本不一致。我的建议是到 GitHub 仓库把 addon 和 server 一起更新到最新版本，不要一个用一个旧。
连接成功的标志是：Antigravity 的 MCP 面板里 blender 变成绿色可用，同时 Blender 底部状态栏或控制台会打印出一条类似 "MCP Server connected" 的信息。到这一步，你可以在 Antigravity 对话框里直接问"当前 Blender 场景里有哪些物体"，如果它能回答出来，说明整条链路通了。
2.3 连通性验证的两种方法
我每次重装环境后会做两个最小验证，因为直接搭复杂场景一旦出错，很难判断是环境挂了还是指令写错了。
第一个验证是读取场景结构。直接在 Antigravity 里输入："请列出 Blender 当前场景中的所有物体，按类型分组，并告诉我物体总数。"如果AI能准确给出列表，说明 MCP 的 tool call 链路是通的。
第二个验证是创建一个标记物体并修改位置。输入："在原点创建一个半径0.5米的圆柱体，命名为 TEST_PROBE，并移动到 X=2，Y=3，Z=1 的位置。"然后去 Blender 里检查，如果没有出现或者位置不对，就要排查 MCP 连接和脚本执行权限。
这两个验证覆盖了 MCP 最底层的三个动作：读场景、建物体、改属性。这三个通了，后面的批量建货架本质上就是这三件事的循环。
3. 核心实操：用自然语言搭建智慧仓储3D场景
3.1 先定坐标系和单位：所有建模的地基
在让 AI 动手之前，有一件事不能省：先和 AI 对齐坐标规范。数字孪生场景最怕各说各话，你脑子里的"右"是X正方向，AI 建的模型放在了你以为的"左"，后面全部数据对接都会错位。
我建议的做法是，在 Antigravity 里先给 AI 一段"场景规范"prompt，让它记住这个项目约定。比如：
本项目的坐标规范： - 原点定位：仓库西南角，即最左下角的柱子位置。 - Y轴方向：仓库长度方向，从南到北，总共60米。 - X轴方向：仓库宽度方向，从西到东，总共40米。 - Z轴方向：高度方向，地面为Z=0。 - 单位使用米（Blender默认单位）。 - 物体命名前缀：货架 SHELF_，库位 LOC_，AGV路径 AGV_PATH_，设备 DEV_。这段规范越早给越好，最好放在项目开始时作为第一条消息。Antigravity 的上下文窗口足够长，它会记住这个约定，后续所有生成操作都会遵守。这样做还有个好处：你会得到一个命名规范统一的场景，后面做数据绑定、导出、写查询脚本都轻松得多。
3.2 建立地面和基础建筑结构
第一步先把仓库的"壳"搭出来。我给 AI 的指令就一段话：
请创建智慧仓储数字孪生场景的底面结构： 1. 用平面(Plane)创建仓库地面，尺寸 60x40 米，中心点在 (20, 30, 0)，确保物体的位置和尺寸在 Blender 属性面板中精确可查。 2. 用立方体创建四面墙体，墙高 8 米，厚度 0.3 米，分布在仓库四边。 3. 在仓库大门位置（宽 6 米，高 4.5 米，位于南墙中间）留出缺口——这里可以用两个短墙段代替完整的南墙。 4. 地面颜色设为灰色，墙体颜色设为浅灰色，材质命名为 BASE_FLOOR 和 BASE_WALL。AI 会拆解这段需求，然后调用 Blender MCP 的创建物体工具，逐个在 Blender 里生成。这里你能观察到 Blender MCP 一个很棒的设计：它不只是机械执行代码，还会先检查场景里是否已有同名物体，避免重复创建。如果提示"已有同名物体"，你可以在指令里加上"先删除现有名为 BASE_* 的物体再重建"。
3.3 批量生成货架和库位：循环逻辑交给AI
仓储场景里工作量最大的就是货架和库位。手工搭 200 个货架至少半天，AI 做这件事的思路是用 Python 循环。我给的指令长这样：
请批量生成仓库货架系统： - 货架区布局：从西到东共 8 排货架，排间距 3 米（通道宽 2.5 米，货架自身宽 0.5 米）。 - 每排纵深方向（从南到北）共 20 组货架，组间距 0.1 米。 - 每组货架尺寸：长 2.4 米，宽 0.5 米，高 2.8 米，分为 4 层（每层高 0.6 米，底部离地 0.2 米）。 - 货架主体用立方体生成，每组货架的 4 根立柱用细长立方体表示，层板用薄立方体表示。 - 每个货架组物体命名为 SHELF_R{排号}_C{列号}，例如 SHELF_R01_C12。 - 先删除现有的 SHELF_* 物体，再批量创建。这里有一个值得注意的分工：AI负责写循环和调用Blender API，你负责告诉它"规律是什么"。比如"第几排、第几列怎么编号""间距多少""如何分图层"，这些规则属于业务逻辑，AI 不会自己脑补，你必须表述清楚。如果你只说"建一些货架"，它大概率给你建一个随便摆的散装货架，完全没法用。
执行完之后，让 AI 汇报结果："请统计一下当前场景中 SHELF_* 物体的数量，并告诉我最后创建的一个物体坐标。"这既是验收，也是教AI养成"执行完要汇报"的习惯。实际跑下来，8x20 共 160 组货架，AI 大概产生了 160 个组物体，加上每组里若干立柱层板，场景总物体数接近 1000 个，Antigravity 在生成时会自动调小 Blender 的显示精细度，整个过程没有卡死。
3.4 库位标签和库位状态可视化
库位是仓储的"最小管理单元"。每个货架层格都可以理解为一个库位，用物体来表示。这一步我建议用到 Blender 的空物体(Empty) + 文本(Text)组合：空物体定位在库位中心，文本内容显示库位编码。
指令示例：
请为 SHELF_R01_C01 货架的每一层创建库位标记： - 在第1到第4层，每一层的中心位置放置一个空物体(Empty)，类型选择 Plain Axes，命名规则 LOC_R01_C01_L1 到 LOC_R01_C01_L4。 - 同时在每个库位中心上方0.3米处，创建一个Text文本对象，内容为该库位编码，字号0.3，字体对齐方式为居中。 - 将空物体和文本对象都放入名为 LOC_LABELS 的集合。这一步做下来，你会看到整个仓库场景里出现了成片带编码的库位标记，视觉上已经有了数字孪生的样子。之所以用空物体而不是立方体，是因为库位本身不占据物理空间，只是一个逻辑位置标记。后面接 WMS 数据时，用空物体的自定义属性存"当前存放SKU""库存数量""状态（满/空/预约）"，逻辑非常清晰。
3.5 AGV路径与设备点位：让场景具备"动线逻辑"
仓储数字孪生如果没有动线，就只是模型沙盘。AGV的行走路径需要在三维场景里表达出来，我用的是 Blender 的曲线对象（Curve）。一条从收货区到货架区的 AGV 路径，指令这样写：
请创建AGV主干路径： - 创建一条贝塞尔曲线（Bezier Curve），命名为 AGV_PATH_MAIN_1。 - 路径点按以下坐标依次经过： P1 (3, 5, 0) P2 (3, 25, 0) P3 (18, 25, 0) - 将曲线的细分值设为 12，路径高度保持 Z=0.02（略微离地以防与地面重叠闪烁）。 - 路径颜色设为高亮橙色，材质命名为 AGV_MAIN。曲线建好之后，AI 还可以帮你做一件事：沿路径生成"路径点标记"——每隔一定距离放一个小立方体，代表AGV的导航节点。这些节点将来可以对接路径规划算法的输出，实现AGV位置同步。
设备点位（充电桩、装卸口、分拣台）也可以用同样的逻辑创建。我建议用不同颜色的立方体或圆柱表示不同设备，圆柱高度代表设备高度，并在每个设备上加一个文本标签说明设备类型。到这一步，一个仓储场景的"物理骨架"就算完整了。
3.6 给物体挂"数据属性"：数字孪生的接线口
这是整个进阶实战里我认为最有价值的一步。三维建模本身不难，难的是让模型"能对话"。Blender 的物体支持自定义属性（Custom Properties），我们可以把资产编号、库位编码、当前库存数直接挂在物体上。Antigravity 能通过 MCP 给物体加属性，指令如下：
请给所有 LOC_ 开头的空物体添加自定义属性： - 属性名 asset_id：值为物体名称（包含 LOC_ 前缀） - 属性名 location_code：值为物体名称去掉 LOC_ 前缀后的部分 - 属性名 status：初始值 "empty" - 属性名 stock_qty：初始值 0 批量检查当前场景中所有 LOC_* 物体是否都已经有这些属性，如果没有则补齐。这个操作相当于给每个库位安装了一个"数据插座"。之后外部系统更新库存，只需要更新 Blender 物体上的属性值即可。Antigravity 也可以反过来读这些属性——你再问它"R03 排的库位里哪些是满的"，它可以通过 MCP 查询得到答案，这就让孪生场景变成了一个"看得见的数据库"。
4. 提示词工程：让 AI 准确执行建模意图
4.1 建模指令的"三明治法则"
我在使用过程中总结了一套给 AI 下发建模任务的指令结构，我叫它"三明治法则"：开头明确目标和范围，中间给出精确参数和规则，结尾要求验收和汇报。三段缺一不可。
开头如果含糊，AI 就会自由发挥；中间如果缺少规则，AI 就会默认使用它的常识——但它的常识可能是建一个 2x2 的普通货架，而不是你要的 2.4x0.5 的仓库货架；结尾如果不要求汇报，出了问题你只能自己进 Blender 逐个找。
举一个反例和正例的对比：
反例："帮我建一些货架。" 正例："在坐标为 (2, 2) 到 (38, 58) 的矩形区域内，按排间距 3 米、列间距 2.5 米创建 8x20 组货架，每组尺寸长 2.4 米、宽 0.5 米、高 2.8 米，分 4 层，命名规范 SHELF_R排号_C列号，创建完成后统计总数并汇报。"
很明显，正例几乎不需要 AI 做任何"猜测"，它只需要忠实执行。所有建模任务，请把参数喂到这种颗粒度。
4.2 几个可直接套用的 Prompt 模板
下面这组模板是我在项目里反复用的，你可以直接替换括号里的内容：
批量修改物体：
请选择所有名称以 [前缀] 开头的物体，将它们的位置整体沿 [X/Y/Z] 轴平移 [数值] 米，并在操作后汇报一共修改了多少个物体。对齐与排列：
请将 [物体列表或筛选条件] 按照 [X/Y/Z] 轴，以 [基准值] 为对齐线进行位置对齐，保持原有间距不变。属性批量同步：
请对所有 [前缀] 物体设置自定义属性 [属性名]=[属性值]，然后抽样三个物体，读取它们属性并汇报，以确认设置生效。场景体检：
请扫描当前场景，列出所有命名不规范（不含项目规定前缀）的物体，并按物体类型分类汇总，给出建议的规范命名。4.3 关于"AI自作主张"的纠偏方法
AI 在建模时最常见的自作主张是把尺寸四舍五入。你跟它说间距 2.4 米，它可能给你建一个 2 米的货架，理由是"看起来更协调"。这类问题解决靠两招：第一，在规范里写明"所有尺寸必须精确使用给定数值，不得缩放或取整"；第二，如果出错了，在后续指令里明确纠正"将 SHELF_* 物体的 X 方向缩放改为 [计算后的数值]，并应用变换（Apply Transform）"。
还有一类问题是 AI 频繁创建新物体而不是复用已有物体。比如你想调整某个货架位置，AI 却新建了一个。这类问题的根治方法是你的指令里带上具体的物体名称："请移动 SHELF_R01_C01，而不是创建新物体。"一旦你养成"操作必点名"的习惯，AI 的误操作概率会下降很多。
5. 常见问题与排查技巧实录
5.1 Antigravity 侧的报错处理
这里把最近网友问得最多的几个 Antigravity 报错集中说一下。
问题一：Antigravity 更新出错。这个情况我遇到过两三次，多数发生在自动更新下载不完整之后。处理路径是：先重新启动应用让更新流程重跑一遍，如果还不行，去设置里检查更新源状态，或者等待官方同步服务恢复。更新失败一般不影响已安装版本的本地使用，但是如果提示需要重启完成更新，那就先重启，不要一直点"检查更新"。
问题二：提示资格检查失败（eligibility check failed）。这个通常不是你的操作问题，而是账号目前不在服务开放范围内，或服务端尚未将当前账号列入可用名单。处理办法是：确认登录的账号正确，过一段时间再试。这不是本地配置能跳过的，我也没什么绕过的技巧，建议按官方流程等待即可。
问题三：访问界面出现 403。我理解 403 多数情况是服务端对当前账号、当前网络出口的限制性响应，也可能是多设备登录触发了风控。排查顺序是：先确认账号状态正常且只在一个设备登录，然后看官方状态页有没有大面积故障，最后可以换个网络环境再试一次（例如从办公网络切到手机热点，或者反过来）。如果都不行，就等一段时间再回来看。
问题四：agent execution terminated due to error。这个报错意味着 Agent 在执行任务期间被中断了，后面的脚本没有跑完。最常见的诱因是 Python 脚本本身抛了异常（比如引用了不存在的物体名），也可能是执行时间过长被强制中断。解决办法是：回看 Antigravity 会话里的错误日志，把出错的代码段复制出来单独让 AI 修复，而不是直接重跑整个任务。
5.2 Blender MCP 侧的连接与执行问题
问题一：MCP 客户端显示"未连接"。90% 的情况是因为没在 Blender 里点击"连接"按钮，或者端口不一致。正确顺序是：先安装并启用插件，打开 Blender 文件，点连接，然后才去 Antigravity 里刷新 MCP 连接状态。
问题二：AI 能执行指令但看不到场景更新。可能是 Blender 窗口在后台，视图没有及时刷新。MCP 执行脚本和 3D 视图刷新是两个线程，建议给 Blender 装一个自动刷新视图的设置，或者每次执行后让 AI 顺便调用一次视图全部重绘的 Python 命令。
问题三：AI 报错 "bpy.ops.object.add() 无法执行"。这是 Blender 里一个比较经典的坑：在特定上下文里，operator 模式下的操作不被允许。解决办法是让 AI 改为使用 bpy.data 直接创建物体，而不是 bpy.ops。我们建货架批量生成时，bpy.ops.mesh.primitive_cube_add 在循环里可能很慢甚至报错，更稳的写法是用 mesh primitive 参数生成 + bpy.data.objects.new，下面给一段可用的批量创建立方体脚本：
import bpy import bmesh for i in range(10): mesh = bpy.data.meshes.new(f"Box_{i}") bm = bmesh.new() bmesh.ops.create_cube(bm, size=1) bm.to_mesh(mesh) bm.free() obj = bpy.data.objects.new(f"Box_{i}", mesh) obj.location = (i * 2, 0, 0) bpy.context.collection.objects.link(obj)这段脚本用 bmesh 直接构建几何数据，不依赖 operator 执行上下文，在批量场景里速度和稳定性都明显更好。如果你发了需求之后 AI 连续用 operator 实现导致卡顿，直接把这段代码发给 AI 跟它说"用这种模式重建"，它马上能理解。
5.3 场景里的"隐形杀手"：变换未应用
这是 3D 数字孪生场景里最让人头大的问题之一。AI 创建的物体如果带了非等比缩放（scale 不是 1），后面做位置计算、导出 glTF 到前端渲染时，会出现"模型对不上"的情况。比如前端读取位置坐标发现货架在正确位置，但实际渲染时尺寸大了两倍。
所以在我这个项目的规范里明确加了一条：所有物体的 Scale 必须为 1:1:1，必要时在建模完成后批量 Apply Transform。我在实操中会让 AI 在项目收尾阶段执行一次全局检查：
请检查场景中所有网格物体的 Scale 值，如果某个轴不等于 1，则对该物体执行"应用缩放变换"，并列出所有被修正的物体名称。这条指令每次都能揪出一批问题物体。数字孪生项目对接外部系统的核心是数据和空间坐标的精确性，这一步做好了，后面导出和同步基本不会再出幺蛾子。
6. 进阶扩展：从静态场景到动态仿真与数据联动
6.1 让 AGV 动起来：用 Blender 动画系统做轨迹仿真
场景搭建完成后，下一步自然是验证"AGV按路径行走不碰撞"。Blender 自带动画系统，Antigravity 通过 MCP 可以给物体加关键帧。我试过让 AI 给 AGV 模型沿既定曲线路径添加位置关键帧，效果如下：
请为名为 AGV_01 的物体创建移动动画： - 使用空物体 AGV_PATH_MAIN_1 作为运动路径参考。 - 在 0 帧将 AGV_01 放在路径起点 (3, 5, 0)，设置关键帧。 - 从第 30 帧开始，每 5 帧沿路径推进 1 个节点，一直到最后节点。 - 设置循环播放，并开启路径动画所需的“跟踪路径”约束。执行之后，你会在 Blender 时间轴里看到 AGV 从收货口移动到货架区的动画。这个动画的意义不只是好看，它本质上是一个"逻辑验证"——你可以肉眼观察 AGV 是否穿过货架、转弯半径是否足够、和对面 AGV 会不会抢道。未来接上真实调度算法输出的坐标序列，这套机制可以直接用来做回放和复盘。
6.2 用模拟数据驱动场景状态变化
我的项目里做了一个小实验：准备一份 CSV 库存模拟数据，字段包括 location_code、sku、qty、status，然后让 Antigravity 写一个 Python 脚本，读取 CSV 并更新 Blender 物体属性，同时根据 status 改变库位空物体的颜色——空库位绿色、满库位红色、预约库位黄色。
这一步跑通之后，场景才真正"孪生"起来了。外部数据库只要产出一份同样的 JSON/CSV，本地 Blender 就是实时状态的可视化终端。如果你做的是给客户看的演示系统，这个效果已经非常接近商业数字孪生平台了。很多正式项目里看到的"大屏可视化"，原理跟我这里做的没有本质区别，只是数据源换成真实WMS、前端换成Three.js/Unity、展示终端换成大屏而已。
6.3 场景轻量化与导出规范
Blender 场景物体数量一多（几千个），Ai 操作时视图会变卡，导出给前端时也可能爆显存。我建议按这几条做优化：
- 尽量用实例（Collection Instance）：同样的货架组别复制，用 Alt+D 关联复制或者集合实例，而不是每个组都独立生成网格数据。这样文件体积和内存占用会成倍下降。
- LOD 分级：远景货架用简化长方体替代，近景才显示完整层板细节。数字孪生场景通常不需要所有物体都是高模。
- 导出的物体勾选"仅选中项"：Antigravity 可以通过 MCP 控制导出选项。导出 glTF/GLB 时，只导出业务需要的物体，一些辅助性 Empty 和曲线可以不导出。
按照这三条，我那个 160 组货架的场景导出 GLB 文件控制在 8MB 左右，前端 Three.js 加载后帧率还能保持在 60fps 附近。
6.4 与前端对接的最后一个建议
如果你准备把 Blender 场景导出给 Three.js 这类 Web 前端，我在不断试错后的参数建议是：导出格式选 glTF 2.0，勾选"应用修改器"和"完美顶点"；Y轴向上这个坐标系问题必须在导出时就调整好，Blender 默认 Z 轴向上、Three.js 默认 Y 轴向上，导出器一般会自动转换，但你要在导入前端后抽查一个物体的坐标来确认。
另外，Blender 里 Text 文本对象导出到前端之后往往会变成不可读的几何网格，如果需要前端显示标签，我的做法是在 Blender 里用自定义属性存好文字内容，前端用 CSS2DRenderer 渲染标签，而不是依赖模型自带的半立体文本。
写在最后的几句体会
这个项目从头到尾给我的一个核心感受是：用 Antigravity + Blender MCP 做数字孪生场景，真正花时间的不是操作软件的时间，而是梳理规则的时间。传统建模是"手在忙"——摆货架、调位置、改尺寸；AI协作建模是"嘴在忙、脑在忙"——你得把规则想清楚、说准确，AI 负责执行。规则表达得越清晰，效率提升越恐怖。反过来，如果你心里只有"大概建个仓库"这种模糊想法，AI 给不了你太多帮助。
我自己实际跑下来的体会还有一条：AI 建模工具适合做"确定性强的重复劳动"，不适合做"探索性设计"。让 AI 生成八百个风格千奇百怪的艺术装置，它做不到；但让 AI 按 2.4x0.5x2.8 的规格建八百个货架，它只需要半分钟。这个边界想清楚，你就找到了 AI 在 3D 行业里最舒适的位置。
数字孪生这个方向，未来的门槛不在地形地物建模，而在"模型怎么和数据对话"。这也是我在项目里坚持用自定义属性、坚持命名规范、坚持多做一步数据绑定实验的原因。表面看是多花了十分钟，但等到数据真正接进来那一天，你就会庆幸当初没有偷懒。希望这篇实战记录能帮你少走几条弯路。
