AI手搓1.4M纯HTML 3D游戏走红:一半是Three.js,一半是代码现场合成
你要说上周用AI来做东西,最火的玩法是啥,那必然逃不过一个东西。 就是用AI搓的纯HTML的3D游戏。 不过呢,最离谱的一个,还是一个在各个群里疯传的究极小的HTML游戏文件,只....
这1.4M里将近一半,大约700KB,就是叫Three.js的东西。
另一半才是游戏本身。
没用任何外部素材,所有东西全靠代码直接写,所以集装箱、吊机、雨、枪、光影、音效这些,全在那剩下的700K里。没有一张图片,没有一个模型文件,连声音都是代码现场合成,没有一段录音。
很多人可能不知道,天天用的浏览器本身就能直接调显卡渲染3D,靠的是一套叫WebGL的接口,这套标准2011年3月就定下来了,后来还出了新一代的WebGPU。
但这套接口是给专业图形程序员用的,非常原始,非常难用。
写的时候,你得手把手告诉显卡:每一个三角形的三个顶点在哪,每一个像素的颜色怎么算,光从哪个角度打过来,摄像机的位置和朝向又怎么换算成屏幕坐标。
简直是究极神经病。
中间哪怕一步写错,看到的就是一片黑屏,连个正经报错都没有。所以网页3D概念刚出来的那几年,这始终是一小撮图形开发大佬的专属手艺活,其他人真没几个能干得了。
直到Three.js出现。
它做的事,是把那些杂乱的东西统统封装进一个库。以前得亲手写给显卡看的那套高深代码,现在不用碰了,用一门特别简单的语言,就能在网页里做3D。
说白了,它有点像跑在网页上的轻量游戏引擎。
做这个项目的是西班牙程序员Ricardo Cabello,网名Mr.doob。
2010年4月24号,Three.js的第一个版本被他传上了GitHub。
十六年积累下来,GitHub上这个项目拿到11.7万个Star、两千多个贡献者,网页3D的事实标准基本就是它了。
那1.4M里的大约七百KB,就是把整个Three.js原封不动塞进了文件。
剩下那一半,怎么装得下一整个游戏demo?
答案挺有意思:这些内容压根没存进文件里。
举个例子。
假设你要向朋友描述一个人。
一种办法是拍张照片发过去,照片里每个像素的颜色都原样存进文件,所以照片特别大。
另一种办法,直接发条微信:“一个很帅的男人,头发中分,左右各一半,刘海梳得特别顺,穿一身背带裤,两根带子挂在肩上,手里拍着一个篮球。他先对着镜头自我介绍,说自己练习时长两年半,爱好是唱、跳、rap、篮球。”
朋友看完这条微信,你一张图都不用发,他自己准能把这个人渲染出来。
前一种方式可能要10M,后一种连1k都不到,差了几万倍,可最后传达的信息差不多。
所以文件里存的并不是集装箱长什么样,本质是一段代码,告诉浏览器怎么把这些集装箱生成出来;雨也一样,存的是雨点从哪落、落多快的规则,而不是雨本身。贴图、声音,全是这个路子。
第一次打开游戏时看到的那东西,就是这么来的。
这套做法有个专门的名字:程序化生成。
硬要打个比方,你打开的那个HTML文件是一份菜谱,不是一盘做好的菜。
真正的菜,是打开网页那几秒里,你自己电脑的显卡现场炒出来的。显卡现炒,匠心制作。
这类网页打开时经常要等几秒、有的电脑风扇还会呼呼转一阵,原因也在这——那几秒,显卡正在给你生成整个世界。
当然,1.4M还不是下限,想继续压也可以。
比如这个很屌的水世界。
总共97K,纯HTML,连Three.js都没有,源码是Claude Fable 5.2直接手搓的,渲染直接走WebGPU。
过于吓人了。
说起来,大家好像已经很久不太在意体积这回事了。眼下随便一个APP动辄1、2个G,可借着AI的东风,偏偏有人回头捡起了老早以前的玩法,玩起极限压缩的挑战。
更关键的是,这种本事如今因为AI,普通人也能上手了。
于是HTML又火了起来。
下面简单说说怎么弄出一些好玩的3D网页。
第一步当然是选模型。综合来看最强的还是Claude Fable 5.2,它的审美目前领先一档,性能上也能把体积压到接近极限。
可不少人用不上Claude。那就退一步,Gemini 4 Carbon和GPT-6 Astra也能跑,DeepSeek V4.1 Flash的效果勉强够看。只是后期修改要多花点心思,直出肯定不如Claude Fable 5.2省事。
Prompt本身也不复杂,用大白话写就行。想效果稳一点,我建议尽量调用Three.js,别没事找事去挑战极限压缩那种地狱难度。Claude Fable 5.2扛得住,不代表别的模型也扛得住。
于是我随手搭了个模板。
帮我做一个单文件的HTML网页,用Three.js实现一个可以自由浏览的3D场景。场景是:【你想要的画面,越具体越好。比如:重庆洪崖洞的夜景,层层叠叠的吊脚楼亮着暖黄色的灯,前面是嘉陵江,江上有游船,旁边是千厮门大桥,远处是城市的楼群】要求:1.所有模型和贴图都用代码生成,不要引用任何外部的图片和模型文件。2.支持鼠标拖动旋转视角、滚轮缩放。3.画面要有氛围感,重点处理光照、雾气和色调。4.在普通的笔记本上也要流畅,加载的时候显示进度。5.主要物体,都做成独立的组件,方便我后面单独修改。
其中第1条最关键:别引用任何外部图片或模型文件,既省事,体积也小。
第5条算个小窍门,尽量解耦,一开始就拆成独立组件。这么一来,后面想把某栋楼调高、把桥换个颜色,就不会一动全动。
这是我们用差不多的提示词,让GPT-6 Astra跑出来的洪崖洞。
层层叠叠的吊脚楼、旁边的千厮门大桥、前面的嘉陵江和游船,再加上背后的城市楼群,基本都搭起来了。
Three.js能做的事其实不少,交互也能拿它来做。
比如我又顺手用它做了个3D魔方,能直接玩。
动画同样可以,比如这两天X上很火的那条90秒片子。
它完全由Three.js生成,这个效果一定要给大家看看。
虽说最后渲染成了视频,可它本质上是一个HTML,而且只有2M。打开之后,直接实时渲染给你播。
很久没碰到这么带劲的东西了。
另外,Three.js做流体效果也是一绝。
当然,如果你嫌纯代码做出来的模型不够精细,尤其是人和动物这类曲线多的东西,也可以先用Blender、Tripo把模型做好,再让AI塞进网页里。
代价是体积会大一些。不过Three.js支持这种玩法,没有任何问题。
还有一点,模型的审美和能力常常不够,得改好多轮才顺眼。这里分享一个我自己常用的小办法。
就是让模型自己审自己。
加一句Prompt就行:
每改完一版,用浏览器打开它,从几个固定的角度各截一张图。再开一个子Agent,只给它看截图,不给它看代码,让它以一个挑剔的美术指导的角度,按严重程度列出画面问题。你按它的意见改,一直改到它只剩小问题为止。
提示词丢过去,它就会自己跑上好多轮,反复把结果调到最好。
差不多就是这个样子。
说到这儿,估计不少人会问:拿AI生成这种3D的HTML东西,到底有啥用?
老实讲,从生意角度看,可能真没什么大用。
可这世上的事,也不全是奔着有用去的。
它让我感受到一种很久没碰到的浪漫。
很长一段时间里,造出一个逼真的3D世界,是巨头工作室才有的特权,是几百人的团队熬上几年才磨出来的艺术品。
换成你我这样的普通人,脑子里哪怕装着再宏大的山河,也只能是巧妇难为无米之炊。
不过现在,那堵高得够不着的墙,塌了。
几百K的代码,一个最朴素的浏览器,谁都能在自己的桌面上,当一回造物主。
这大概就是技术最迷人的时刻吧。
>/ 作者:卡兹克、可达