用對話編輯一間 3D 房間：AI 平面圖編輯器係點運作嘅
「對話式編輯」聽落好似係喺一個 3D 工具之上加咗一層介面便利——打幾隻字， 而唔使喺選單裡面撳嚟撳去。但底層實際發生緊嘅嘢比呢個具體得多， 理解佢，既可以解釋一次對話編輯可以可靠咁做到咩，都可以解釋佢喺邊啲地方依然需要人。
由一張扁平上載圖到可編輯場景圖
起點係一張 2D 平面圖圖片——線條、尺寸、門嘅開合方向， 一個 3D 工具冇辦法直接對佢做任何操作。一個視覺語言模型讀取呢張圖片 並提取結構：牆身位置、開口、房間邊界。呢套結構會被搭建成實際嘅 3D 幾何結構——具有真實高度同厚度、位置同尺寸都正確嘅牆身—— 再由真實目錄將家具擺入去。結果係一張場景圖：牆身、家具、物料 作為各自獨立、可定址嘅對象，而唔係一個俾人壓平嘅模型。 呢個亦正正就係對話面板開始變得有用嘅地方——由呢一步開始， 之後發生嘅一切，都係要求模型針對一個佢已經可以讀取嘅場景嚟描述改動。
「已經可以讀取」呢一點比聽落去更加重要。一句「將梳化挪近窗口」嘅對話請求， 之所以可以被解析做一個具體動作，正正係因為模型面對嘅係一個結構化場景—— 一個具體嘅梳化對象，一個具體嘅窗口位置，兩者都可定址。 同一句說話打喺一塊冇場景背景嘅空白畫布上，唔會有任何可執行嘅意義； 正正係場景圖，將自然語言變成咗確定性引擎真正可以執行嘅嘢。
一次對話編輯喺底層究竟改動咗咩
唔係每一個請求都觸碰同一層。物料同家具位置類請求—— 「將主題牆調深啲」「將梳化挪近窗口」——係場景編輯： 佢哋改變嘅係邊個對象佔據某個位置，或者某個表面引用邊種物料， 完全唔觸碰底層嘅牆身或者房間幾何結構。結構性請求—— 「喺最長嘅牆度加一扇門」「將最細嘅房間放闊半米」——就確實會改變幾何結構： 一個新嘅開口會俾人切出嚟，或者一幅牆會俾人移動。
喺呢兩種情況入面，模型嘅工作都係同一件事：將一句自然語言請求， 翻譯成對場景圖嘅一次具體、結構化改動——而唔係將房間由頭重新生成。 正正係呢個分別，令一次對話編輯保持快速，亦令請求冇觸碰到嘅一切 完全保持原狀。呢個亦係點解一個界定清晰嘅請求會產出一次細而快嘅編輯， 而一個含糊嘅請求要麼俾人拒絕，要麼產出一個遠比預期更大嘅結構性改動—— 模型並唔係喺度估計改動範圍，佢係喺場景圖容許嘅範圍內， 盡可能字面咁翻譯呢個請求。
檢查一次編輯自己嘅成果
一次冇受約束嘅編輯好容易產出一間無效嘅房間——一幅牆被搬到另一幅牆裡面， 家具最終同佢本應靠住嗰幅牆重疊埋一齊。模型有一個可以喺對話中途調用嘅 結構校驗工具，系統提示都會叫佢喺做完一個有風險嘅結構性改動之後， 用呢個工具再查一次：佢會將牆身規整度問題，同任何同牆身、房間邊界 或者另一件家具產生重疊嘅問題，以純文字形式報告返俾模型。
呢度值得講清楚呢個究竟係咩、又唔係咩。等報告返嚟嗰陣，改動其實 已經生效咗——移動一幅牆、加一個開口、重新擺放一件家具，模型一調用 工具就即刻生效。事後嘅校驗，係模型喺檢查自己嘅成果，而唔係企喺 一次提議改動同場景之間嘅一道閘門。而家具嗰部分檢查具體嚟講係 建議性質：佢會喺報告入面標出重疊，但唔會因此阻止或者撤銷造成 呢次重疊嘅編輯。真正防住大多數問題編輯嘅，並唔係一層強制機制—— 而係模型被要求去檢查，而且大多數時候的確會咁做。
人喺邊度依然需要介入
對話式編輯可以可靠咁處理界定清晰、範圍明確嘅請求。對於界定唔清嘅請求， 佢嘅處理方式係要求澄清，而唔係靠估——一個真正含糊嘅指示 （例如冇任何具體細節嘅「等佢感覺高級啲」）， 或者一個同模型自己解決唔到嘅物理約束相沖突嘅請求， 依然需要一個人嚟澄清真正想要嘅係咩，或者直接經人手工具完成呢項修改。 對話層係一條快速通道，適用於嗰啲具體到足以俾人翻譯成場景編輯嘅請求， 而唔係要取代嗰啲真正需要人類判斷力同意圖嘅決定。實際呈現出嚟嘅模式， 係一種分工：對話面板處理一次審閱週期裡面真正大量產生嘅、 細而具體、界定明確嘅改動，而人依然留喺流程裡面， 負責嗰啲真正需要品味或者模型唔具備嘅背景資訊嘅、數量更少嘅決定。
立即開始
想了解呢一切所建立喺嘅更早階段——最初嘅上載係點變成可編輯幾何結構嘅—— 可以參考 如何將 2D 平面圖轉化做 3D 房間。 想了解呢度模型嘅角色，同其他 AI 驅動嘅 3D 生成方式相比有咩唔同，可以參考 AI 3D 生成模型：究竟係咩喺生成 3D 房間。 想全面了解 Flur 喺編輯層之外仲搭建咗咩，可以參考 Flur 是什麼？