用 Codex 自主搭建乐高套装

# 用 Codex 搭建乐高套装

一旦你意识到 Codex 擅长构建工具并验证自身的工作，整个世界就为你打开了大门。

为了测试这一点，我觉得探索 Codex 能否独立搭建乐高套装会很有趣。这里不是用图像生成、HTML 或 SVG，而是真正的乐高套装。通常人们使用 Bricklink 的 Studio 软件来完成这项工作，它本质上是一款专为乐高设计的 3D 建模软件，支持生成搭建说明以及其他乐高专属功能。（https://www.bricklink.com/v3/studio/download.page）

## 构想

如果我们能让 Codex 自行构建工具和技能，并具备以下必要信息，会怎么样：

1. 通过编写必要的文件来生成新的乐高套装

1. 验证这些文件是否有效

1. 使用 Studio 软件创建渲染图，以视觉方式验证效果是否正确（借助 Codex 的图像输入能力）

## 构建乐高技能

但"必要的文件"到底是什么？它们是 .io 文件，但我完全不知道其内部结构是什么样的。于是我从 Studio 软件中取了一个示例模型，把它交给 Codex 作为参考，让它自行摸索清楚一切。

以下是我的初始提示词：

从这里开始，我先以"计划模式"启动 Codex，回答了它的一些问题，然后让它执行计划。下面让 Codex 来总结一下它所做的事情：

> 我首先使用一个 Studio 示例模型来弄清楚 `.io` 文件的实际结构，而不是凭空猜测。我发现它是一个 ZIP 压缩包，以 `model.ldr` 作为核心几何数据，加上元数据和可选资源。在此基础上，我构建了一个专用的 `lego-studio-builder` 技能，包含用于解包/打包模型、执行明确的积木操作以及验证结构（子模型链接、变换、零件数量、边界和元数据一致性）的脚本。因此，输出的不只是一次性的模型，而是一套可重复使用的工具链。

然后我将一切串联进一个严格的循环：进行一小批编辑、验证、重新打包、生成视觉检查点、与参考图像对比，然后重复。它还处理了沙盒截图失败等环境问题，通过支持提升权限的截图方式以及带警告的安全回退来应对。最后，我添加了一套真正的建模规范（比例规则、分阶段搭建策略、子模型约定和质量门控），并将该技能移入 `.agents/skills`，这样我可以在这个项目中直接复用它。

## 测试技能

技能创建完成后，是时候进行测试了。我习惯在测试技能时尽可能少提供上下文，就像我之后实际使用时那样。所以我让它附上一张图片参考，重新创建 Codex 的 Logo。

可以说，结果还有很大的改进空间。但有一点明确的迹象：Codex 确实生成了图像渲染并输出了结果。这意味着还有改进的余地。

我没有直接迭代技能，而是让 Codex 持续调整，修复一些最明显的问题。效果已经是天壤之别。

这一次 Codex 运行时间更长，中途进行了多次检查，达到了一个好得多的状态。虽然并不完美，但已经更具实用性。

在进一步迭代之后，Codex 学会了使用 Python 代码计算和估算位置、处理对称性等问题。最终我们达到了一个令我满意的状态，尽管坦率地说，这是一个拥有 12,679 个零件的超大模型。

现在Codex已经对整体情况有了很好的掌握，我可以轻松解决这些问题了。我让Codex缩小模型尺寸以适合放在我的桌上，它便去执行了。在这个过程中，它将模型的零件数量从12,679件减少到4,081件，同时保持了模型的整体外观。

## 改进技能

技能的魅力在于它们并非一成不变，可以随时间轻松改进。在这个案例中，我最终分叉了引导模型达到这一状态的对话，并请Codex回顾整个对话，将从中获得的经验更新到技能中。提示：如果你使用的是Codex应用，也可以通过使用"自动化"功能定期自动完成这一操作。

## 结论

这是一次非常有趣的实验，作为一名乐高爱好者，我会继续玩下去。但更重要的是，它揭示了一个可以普遍应用于Codex的概念。

Codex在拥有工具来验证自身工作时效果最佳，而且由于它在你的设备上运行，它可以了解你已经在使用的工具并加以改进。在前端开发中，这可能是使用Playwright来控制你的浏览器。对于iOS开发，Codex可以使用iOS模拟器和辅助功能工具。但这不必局限于传统的开发者工具，你只需开口询问即可。如果你想看另一个例子，可以看看 @heccbrent 让Codex在Premiere中控制和编辑视频的使用案例。（https://x.com/heccbrent/status/2026430769464308040?s=20）

你还尝试过让Codex与哪些工具协同工作？