ldraw-nova

ldraw-nova 是一套面向AI智能体的乐高建模Web应用。你只需要给AI描述模型创意，智能体会自主规划、迭代搭建，最终产出符合LDraw标准的乐高模型文件，附带多维度预览与导出资产。

生成交付产物

• LDraw语言模型源代码
• 多视图预览：3D查看器、动画播放器、Meta Quest3 VR交互视图、渲染图片
• Blender可直接编辑的glTF/glb文件，自带自定义属性元数据
• 完整聊天记录 + AI智能体思考日志

安装部署

零件检索依赖作者自研的jev-rerank语义重排工具，底层由TypeSafe Jev System One AI模型提供支持。

• 填入TYPESAFE_API_KEY：启用语义重排，零件匹配效果更好
• 无API Key：自动降级为全文检索FTS，零件检索质量会下降

采用Docker容器部署，需要Git、Docker环境，必须同步拉取两个配套仓库，保持相同版本标签：

git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova.git
git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova-docker.git

构建镜像（首次构建约占用5GB磁盘，耗时较长）

cd ldraw-nova-docker
docker compose build

启动服务

docker compose up -d

访问地址：

• https://localhost:8443：HTTPS，支持Meta Quest3 VR；自签名证书，浏览器需要手动放行警告
• http://localhost:8765：纯HTTP，无证书警告，不支持VR

局域网其他设备可通过本机IP访问，例如Quest3访问 [https://192.168.1.20:8443](https://192.168.1.20:8443)。
⚠️ 应用无登录鉴权，仅在可信内网环境运行。
停止服务

docker compose down

项目核心思路

项目目标：打造能设计物理可搭建实体的LLM智能体。

作者在ldbuilder-ai、py2bricks、py4bricks多轮实验后得到两个关键结论：

1. 直接让大模型计算几何、摆放积木难度很高；更好的方案是让AI编写Python生成脚本，由脚本输出LDraw代码，绕开复杂几何数学运算。
2. AI从Python构造脚本示例学习，效果远好于直接阅读LDraw模型源码。

整套方案直到GPT-6 Astra、Claude Opus 5.5出现，才顺利完成原型落地。

工作流程

1. 用户输入模型创意提示词
2. 智能体读取项目指令文档、LDraw规范、乐高搭建参考资料
3. 规划模型结构：零件清单、子模型拆分、外观设计
4. 循环迭代：渲染预览 → 检查碰撞、间隙、外观 → 调整结构，反复优化直到模型达标

配套工具能力：零件检索、参考样例复用、碰撞与间隙检测、无头3D渲染校验。

核心逻辑：AI不会直接写LDraw摆放积木。AI先输出完整规划JSON，再编写Python生成脚本；运行脚本自动产出LDraw/MPD模型文件。相当于AI编写代码编译器，编译器输出乐高3D模型。

智能体参考知识库

项目内置大量指南，供智能体按需查阅：

当前待完善方向

• Meta Quest3 VR模块：模型处理、性能问题较多
• 适配低成本模型：优化指令工具，支持Luna、Haiku等轻量模型
• 成本高昂：只有高端大模型才能生成复杂、无错误大型乐高模型
• 生成速度慢，需要提升整体执行效率
• 模型品类扩充：人仔、动物、机械引擎、宇宙飞船生成质量有待提升
• 分步校验：增加子模型、搭建过程的细粒度检查能力

核心要点

1. 本质：AI智能体编写Python生成脚本，间接输出LDraw乐高模型，规避大模型不擅长的几何计算。
2. 输出资产：LDraw源码、glb模型、3D/VR预览、完整思考日志。
3. 部署方式：Docker双仓库部署，可选TypeSafe API提升零件检索，无账号认证，仅限内网使用。
4. 现状：依赖GPT-6 / Claude Opus 5.5等高阶模型，VR、模型品类、生成速度仍有大量优化空间。