AI与建筑协作打造《此城未逝》 分享MonkeyHub实践
在某专注于AI应用的开源社区的第27期分享活动中，一支横跨中国、法国、美国三个时区的5人团队带来了一场高密度分享，核心内容是他们仅用5天打造完成的时空解谜游戏场景《此城未逝》。这座以重庆渝中半岛为基底，融合了热那亚与长崎海港山城地形的作品，不仅让观众感受到了工业山城的震撼魅力，也引出了一个核心问题：如此庞大复杂的场景，是如何一步步通过AI协作完成的？
参与创作的是一名就读于美国纽约普拉特学院的建筑本科生，他的创作过程与AI的结合始于2022年底AI助手问世之后。从2024年的建筑课程开始，他就尝试用AI辅助雨水收集、能源与防洪相关的课题研究，通过调整提示词探索概念图，随后逐步将AI应用到建模、出图与工具开发，最终延伸到游戏城市的制作。
随着AI可完成的任务越来越多，一个具体的问题逐渐凸显：AI生成结果后，能否按要求修改？能否让其他执行者承接后续工作？能否方便人检查验证？本次分享中的多个项目，都围绕这些问题展开。
从真实地形出发构建游戏场景
《此城未逝》的场景制作从真实地形与道路的梳理开始。团队以重庆渝中的地形与路网为基础，重新规划了港口、工业区与街区的布局，需要先建立道路与山势的空间关系，再沿道路划分地块，由程序根据地块尺寸匹配合适的建筑类型。如果某栋建筑放置后挤占了邻近空间，就更换更窄的建筑类型；若仍无法容纳，则移除该建筑。这套规则可以生成多种建筑形态，也能根据需求灵活调整。
不过，规则的来源并非完全由AI生成，而是基于建筑学对场地、尺度与建筑类型的研究：什么样的建筑适合沿街布置，坡地入口如何处理，厂房、住宅与车站各自需要怎样的空间关系，都需要人为判断。在另一项仓库实验中，团队利用公开的激光扫描数据与建筑轮廓，提取屋顶高度、坡度等信息，整理成可调整的建筑类型，同一种仓库可通过修改宽度或屋面坡度生成不同变体，门窗等无法从数据中可靠识别的部分则需要人工补充，并与真实测量信息区分开。
这些研究为模型生成提供了具体依据。回到《此城未逝》的制作，建筑放入山城后会遇到新问题：楼身贴合地形时，入口可能被道路遮挡；整体抬高建筑又会导致另一侧悬空，需要调整门廊、踏步与周围地面的关系。这些局部问题背后，是建筑与场地连接的整体逻辑，AI能快速完成模型搭建，但建筑知识帮助团队判断建筑的合理放置方式。
多智能体协作的任务管理体系
游戏场景的制作需要大量工作协同，团队为此搭建了一套多智能体协作机制。以第一关的厂房制作为例，任务从人工绘制建筑轮廓、说明用途与层数开始，AI将要求整理为建模规格后交给云端机器人执行。机器人先提交简单模型，附上俯视图与人眼高度的截图，方便检查建筑形状、入口与周边环境，若发现入口被地形遮挡或模型与场景不匹配，就带着具体意见返回修改，检查通过后再细化。
围绕这类任务，团队建立了清晰的分工：协调会话负责汇总问题、拆分工作；建模、关卡、视效等专项会话负责细化要求与检查；子代理参与检索核对，代码助手工具负责编写脚本，云端机器人承担批量建模工作。创作者则负责确定方向、比较方案，并做出需要人工判断的选择。
工作通过编号信件的形式派发，执行者用对应回执报告进度，更换会话时用“续接卡”记录当前进度、下一步方向与待决策事项，确保新执行者能从已有进度继续推进，无需重新梳理流程。模型进入场景后，还需要衔接材质、灯光与摄影机，团队将模型形状与摆放信息分开管理，在相关工具间更新受影响的部分，尽量沿用已完成的场景设置。正式录制与渲染使用固定版本，新修改则在工作版本中推进。
协作规模在项目记录中也有体现：竞赛周截至10月10日凌晨的记录显示，有31个Claude大模型主会话、156个子代理记录，以及804条代码助手工具的线程记录；活动最密集的十分钟窗口里，有50个会话留下活动痕迹。截至同日清晨，还有273个云端作业输出了约2.09万张图像，这些输出需要经过检查、比较与筛选才能进入后续制作，同时留下了156条决策记录，记录推进过程中的关键选择。
执行工作越多，对要求明确、分工合理与结果判断的需求就越高，创作者的工作重心也从具体操作转向整个任务的顺利推进。
明确修改要求的AI交互方法
除了游戏场景制作，类似的问题也出现在建筑学生熟悉的材料构造实验中。在“麻基砌块研究”实验里，团队从市场可购的麻基砌块与木材出发，将真实规格带入模型，砌块尺寸影响墙体排列，木材截面影响杆件粗细，供货长度影响构件分段与拼接，材料表、构件模型与下料排版由此进入同一设计流程。
第一轮模型完成后，出现了横杆遮挡窗户、墙顶与斜屋面留缝等问题。AI虽然获取了材料尺寸，但窗洞如何避让结构、墙体如何与屋顶连接，仍需要明确的要求。团队尝试在模型截图上直接批注修改内容，但曾出现仅在右侧屋面三角封板上标注删除，AI却根据对称关系删除了左右两侧的情况，说明仅靠局部标注容易产生误解。
这类问题让修改要求变得更具体：需要明确修改的对象、需保留的部分，以及完成后需检查的内容。团队也在探索操作前的确认步骤，让AI先标出准备删除、移动与保留的构件，再执行修改。为了让调整更便捷，团队尝试让AI直接编写生成模型的程序，比如将柱子的数量与间距设为参数，重复构件按同一规则生成，调整时修改对应参数即可重新计算受影响部分。
AI负责组织建模逻辑，几何工具负责计算实际形状，程序运行后还需要重新读取模型，检查位置、尺寸与构件关系。代码运行成功只是完成了基础步骤，模型是否符合设计要求仍需人工判断，团队补充了多项检查条件：柱子是否侵入窗洞，墙体两侧是否连接边柱，墙顶是否与屋面衔接等，让建筑知识融入AI的工作流程。
整合设计全流程的AI工作台
为解决修改后工作衔接的问题，团队开发了面向建筑设计的AI工作台。它将模型、图纸、批注与版本记录整合在同一项目中，方便查看、比较与标注，确定哪些结果可继续使用。
以窗户调整为例，墙上已开的窗户需要加宽时，AI需要知道窗户所属的墙体、尺寸的决定因素，以及改动会影响哪些构件。仅看最终模型无法获取这些关系，团队尝试保存构件的身份、参数与关联关系，墙体与开窗分别记录，调整窗宽时，程序能找到原有对象修改尺寸，重新计算受影响的墙体。这套做法中，脚本记录生成、修改与检查的逻辑，参数表达允许变化的尺寸与数量，元数据保存对象的身份、版本与关联信息。
这些记录也保留了不同选择的机会：区分当前工作稿、待比较候选与已确认的阶段成果。模型之外，图纸的管理也很重要，工作台已能从三维模型生成轴测图与立面表达，团队保存图纸的依据：使用的模型版本、观察方向、线条与颜色的设置，以及图在纸面的位置，后续出图可沿用这些设置，模型变化后相关图纸能按既定设置重新生成，统一调整表达时也有共同依据。
图像修改也存在类似问题，设计者只想改动局部，AI可能改变周边内容，生成结果单独看符合要求，放回原方案却不符合。团队开发的图像修改功能，将原图、批注与允许修改的区域分别保存，AI生成局部内容后，程序将其放回原图，区域外沿用原图像，同时检查是否出现越界变化。设计者也可同时提出多张图片的修改要求，比较生成结果后调整不满意的部分，逐步保存能让工作继续的依据。
这种整合对多智能体协作同样重要，一个AI完成墙体建模后，另一个接手调整窗洞时需要明确的模型版本、构件关系与修改要求，多个AI同时修改相关对象时，如何识别冲突、合并结果仍是需要继续研究的问题。
AI输出结果的可靠性验证体系
随着任务增多，如何判断AI结果的可靠性、如何评估工作方法的价值，成为新的问题。为判断AI结果是否可靠，团队将评价过程单独组织，先根据具体条件确定问题，整理参考答案与依据，将参考答案与被测试的回答过程分开保存，AI完成后比较结论、引用、耗时与成本，让不同检索方法与材料组织方式有了比较基础。
同样的思路也可用于建模任务，面对同一要求，AI可选择先查资料再执行、直接编写程序或边做边检查等方式，偶尔成功一次无法说明方法稳定性，需要固定起点、要求与评价方式，反复比较才能看清差别。团队计划尝试相关方法，先让几种策略完成少量试跑，再根据结果分配后续试验机会。
与此同时，选择工作方法与安排计算资源需要分开考虑，前者关心任务如何完成，后者关心任务在哪台机器、什么时间运行，分别比较才能判断改进来源，任务是否完成、是否违反要求、消耗的时间与成本都需要记录。AI能完成越来越多操作的同时，团队也需要积累依据，决定后续如何使用AI。
AI普及后建筑师的工作重心
从《此城未逝》的城市空间，到一面墙、一扇窗，再到模型、图纸与修改记录，建筑专业知识始终贯穿其中，道路组织、建筑落地、材料连接、变化的可接受性、关系的维持等判断，都会转化为AI执行任务的具体要求，也成为检查结果的依据。
由此引出一个核心问题：当软件操作不再是主要门槛，建筑师应该把精力放在哪里？面对多个方案，能否说明选择理由？面对图纸，能否判断是否准确表达空间与构造？面对AI自动补全的部分，能否发现需要重新考虑的决定？
执行速度加快，意味着人需要更频繁地面对选择，对创作者来说，这些年的尝试让建筑、编程、工具开发与团队协作逐渐结合，专业知识帮助提出要求，AI扩大了尝试范围，具体项目又不断提出新问题。
团队的相关作品、软件与研究记录，目前整理在MonkeyHub Institute的官方网站上，汇集了团队在建筑、技术与软件、互动媒体等方向的实践，保留项目的版本变化与实验过程，其中就包括前面提到的AI工作台。
接下来，团队会继续完善设计状态的记录与交接，推进图纸与图像的批量更新，通过独立评价与重复实验，比较不同AI工作方式的表现。此外，团队还在尝试用AI开发游戏模组，通过开发者账号“月下之影皓月之辉”，将对建筑、铁路与工业场景的兴趣融入方块世界创作。
《此城未逝》让观众看到了一座展开的城市，背后的草图、规则、脚本、批注与反复修改，展示了城市从想法到作品的过程。从判断一扇窗的修改到决定一座城的展开，团队还在继续尝试，做出自己的选择。
