返回博客首页
3 个开源项目，把 AI 带出聊天框：CAD、代码 MV 与聊天助手怎么试
让 AI “做事”听起来很笼统。更有用的问题是：它能不能产出一个可检查、可修改的文件？能不能接进已有工作流？最后一步由谁确认？最近三个开源项目刚好给出三种不同答案：text-to-cad 让编程 Agent 产出 CAD 模型，pdoom-video 把一支音乐视频的分镜和渲染代码摊开，Jev 则把 AI 放在聊天输入框旁边。这篇文章不按热度排名，而是给出上手路径、验收方法和不适合使用的场景。
| 项目 | 交给 AI 的任务 | 最后拿到什么 | 人必须把住的关口 |
|---|---|---|---|
| text-to-cad | 把尺寸说明变成参数化模型 | 建模代码、STEP/STL/3MF/GLB 等文件 | 尺寸、装配、公差和制造可行性 |
| pdoom-video | 用代码组织画面、节拍和歌词 | 可预览、可离线导出的视频工程 | 素材权利、视觉质量和渲染成本 |
| Jev | 读懂当前聊天并起草回复 | 填入输入框的候选文本 | 隐私边界、语气和最终发送 |
先看共同点：AI 进入的是三条不同的生产链
这三项都能被叫作“Agent 应用”，但接入位置并不一样。text-to-cad 接在开发者的工具链上，输入是几何约束，输出是工程文件；pdoom-video 把创意方案落实为逐帧可计算的程序；Jev 接在人的对话现场，输出只是建议。把它们混成“自动化神器”，很容易误判成熟度。
下面这张项目页截图说明 text-to-cad 的定位：它是给现有 Agent 增加 CAD 工作流的插件和 Skill，而不是一句话就能替代机械工程师的审图流程。
图 1｜项目页展示 Agent、CAD 建模和文件导出的连接方式；具体功能请以仓库当前 README 为准。
text-to-cad：先做一件小零件，再讨论“会不会设计”
仓库 README 列出 STEP、GLB、STL、3MF 输出，以及工程图、制造检查和浏览器查看器。它支持 Claude Code、Codex、Cursor 等可加载插件或 Skill 的 Agent。安装时先看自己所用客户端在 README 里的专属小节；项目建议使用 latest 分支，且同一客户端插件和单独 Skill 二选一，避免重复加载。首次使用可能下载 CAD 运行时。
适合第一轮试跑的不是“设计一台机器人”，而是有明确尺寸的安装板。例如：
用毫米建一个 L 形安装支架：底板 80×40×5，竖板高 45、厚 5；
底板两个直径 6.5 的通孔，孔心距左右边各 12；内角加 4 mm 圆角。
保留可修改参数的源文件，导出 STEP 和 STL，列出你采用的坐标原点、
孔心位置、最薄壁厚，以及还需要人工确认的装配尺寸。
这段输入有三个好处：尺寸可量，孔位可核，修改可重跑。拿到文件后，在查看器里量底板、孔径和孔距；再把 STEP 导进你熟悉的 CAD 软件，检查实体是否闭合；若要打印，先确认切片方向、材料和壁厚。不要把屏幕上的“看起来像”当成公差通过。仓库提供的 DFM/DfAM 辅助检查是复核线索，不是安全认证。
技能列表和齿轮示例能帮你理解能力范围，但也提醒了一点：炫目的复杂模型并不比简单支架更适合首测。先验证基础约束是否稳定，再加运动机构。
图 2｜技能清单展示的是不同工作流入口；安装前核对自己真正需要的模块。
图 3｜齿轮模型适合看几何表现；工程验收仍要回到参数、啮合与尺寸。
下面三个关键帧展示了同一 CAD 模型的不同运动状态。连贯动画可以帮助理解机构，却不能证明负载、材料或耐久性。发布和制造前仍应做独立验证。
图 4｜CAD 动画初始状态，用于辨认组件。
图 5｜运动中间状态，可对照是否发生几何穿插。
图 6｜后段状态可辅助检查运动路径，但不是力学仿真报告。
还有一个容易漏掉的设置：项目 README 说明默认发送匿名用量统计和崩溃信息，不含文件、路径或提示词；不需要时可运行 uvx cadgen telemetry off。公司设备安装插件前，照常评估运行时下载、网络访问和本地执行权限。
pdoom-video：它开源的是一支 MV 的“制作方法”，不是一键工具
pdoom-video 仓库 的价值在于把成片背后的材料拆开：视觉方案在 docs/TREATMENT.md，引擎和场景接口在 docs/ENGINE.md，逐词歌词时间在 data/lyrics.json，节拍与段落数据在 data/audio.json，每个画面段落有自己的场景模块。作者说明创意、分析、渲染器和场景是与 Claude Code 协作完成的。读者应把它当成可研究的项目实例，不能理解为导入任意歌曲就自动生成同类 MV。
图 7｜仓库目录能看到 analysis、audio、data、docs、lyrics、app 的分工。
如果你是动态设计师，按这个顺序拆解比直接复制特效更有收获：先读 TREATMENT.md，记下每段画面服务哪句歌词；再看 data/lyrics.json 和 data/audio.json 如何把词与节拍变成时间坐标；最后打开 app/src/timeline.ts，看场景怎样接到时间轴。你会得到一套“概念—时间数据—场景代码—导出”的工作方法。
要在本机预览，README 给出的最低路径是进入 app 后运行 bun install、bunx vite，再打开本地预览页。离线渲染还要 Chrome 与 ffmpeg；高质量 4K 导出比浏览器预览更吃 GPU 和存储。初次学习先挑一个场景改文字、颜色或镜头参数，确认预览与导出一致后，再考虑完整渲染。仓库的 MIT 许可覆盖代码，不自动覆盖歌曲和歌词；改编成自己的作品，应换成有权使用的音频并逐项核对字体、素材和传播权利。
一份可复用的“代码 MV”分镜表
| 时间段 | 歌词或声音事件 | 画面动作 | 实现文件 | 验收问题 |
|---|---|---|---|---|
| 0–5 秒 | 前奏起点 | 标题进入、镜头建立 | scene/open |
第一次观看能否读清主题？ |
| 5–12 秒 | 第一段人声 | 逐词字幕与主图形同步 | 歌词 JSON + 场景模块 | 词是否早于/晚于发声？ |
| 12–20 秒 | 节拍变化 | 色彩、景别或转场变化 | timeline + scene | 变化是否服务音乐，而非只炫技？ |
表格里的时间和文件名是试做模板，不是该项目原片的精确分镜。它适合拿来改成团队自己的音乐短片任务书。
Jev：把“生成回复”改成“先判断，再由人发送”
Jev 的当前 README 列出多个平台：中文 Android 版覆盖 QQ、飞书、X 与 WhatsApp；Windows 和 Apple Silicon macOS 有独立项目；iOS 键盘版目前提供源码，需要自行构建。支持状态会变化，安装前以仓库的 Products 与 Releases 为准。
图 8｜项目页显示了多个平台的入口；不同平台的读取方式和可用状态并不相同。
图 9｜适配表展示聊天应用与采集方式的差别；发布时须以最新 README 复核。
Android 版需要无障碍与悬浮窗权限，在聊天界面读当前消息，判断意图与风险，生成候选回复，再由用户点选、修改、发送。这个“人点发送”的最后一步是关键控制点。Windows/macOS 主要通过窗口截图与设备端 OCR 读内容，iOS 通过复制消息进入键盘；不要把不同平台的隐私机制当成一回事。
图 10｜悬浮窗展示候选文本；发送动作仍在用户手里。
图 11｜示意界面包含模型接口与密钥配置；试用时先确认请求会发往哪个提供商。
图 12｜流程把“读取—生成候选—人工发送”分开，适合用于权限审查。
第一次试用用不含个人信息的模拟聊天：一方提出模糊请求，另一方需要澄清时间和交付物。观察它是否真的先识别歧义，是否提供语气不同但事实一致的回复，是否会把本不该承诺的事情写成肯定句。再检查哪些上下文被发送给模型提供商。项目称 Android 版聊天文本会直接发往用户配置的模型服务，不经 Jev 服务器；这不等于聊天内容始终只在本机。公司客户、合同、医疗、财务或未成年人对话都不适合未经审批直接接入。
Code0：把项目试跑写成可复用的任务规范
如果团队正在用 Code0 统一管理模型调用，先把三种任务分开建测试集，而不是把一个模型接到所有项目里就算完成集成。CAD 测试集保存尺寸、导出文件和人工测量结果；视频测试集保存分镜、短片导出及渲染耗时；聊天测试集只用脱敏对话，记录候选回复是否越权承诺。模型成本按合格产物计算，包含重试和人工修改时间。text-to-cad 依赖宿主 Agent 的配置，Jev 的自定义接口另需按其文档核实；本文不声称这三个仓库已原生接入 Code0。
三个项目怎么选：用“交付物、权限、人工复核”做筛选
如果你做硬件原型，先试 text-to-cad 的小零件，验收 CAD 文件是否能改、能量、能导入。如果你做视频创作，读 pdoom-video 的工程结构，拿一个短场景验证时间轴和导出；别把它当通用 SaaS。如果你想改善聊天表达，Jev 的价值是回复前的判断，但它要求更高的隐私审查，因为“当前对话”可能比普通提示词敏感。
团队试用可以统一记录四列：输入材料、生成产物、人工返工分钟数、不得自动执行的动作。同一个项目连跑三次，记录失败而非只保存最好的一次。能稳定交付、容易追溯、权限在可接受范围内，才值得纳入日常工作。
资料来源
常见问题（FAQ）
text-to-cad 生成的 STEP 可以直接交给工厂吗？
不能跳过工程审图。先在 CAD 软件量尺寸、查装配和公差，再按加工方式做制造检查；模型能打开只是最低门槛。
pdoom-video 能直接替我生成另一首歌的 MV 吗？
不能把它当通用一键生成器。它开源的是特定作品的代码与流程。换歌要重做歌词时间、节拍分析、视觉方案、场景和音频授权。
Jev 会自动发送消息吗？
项目说明它只填入候选回复，最终由用户按发送。使用前仍要检查客户端版本、权限和聊天应用条款。
这三个项目能直接接入同一个模型 API 吗？
不能一概而论。text-to-cad 依赖宿主 Agent 的模型配置；pdoom-video 是具体创作工程；Jev 使用用户配置的模型服务。分别查看配置文档，做小规模调用测试，不要因为都提到 AI 就假设接口兼容。
