游乐游手机版
首页/AI教程/文章详情

Claude Code实战:用AI编程助手从零生成3D智慧校园数据大屏

时间:2026-06-04 17:09
一、前言:AI 编程时代已来临,前端开发效率革命 如果您是一名前端开发者,一定深有体会——制作一块数据大屏需要耗费多少时间? 传统工作流程:设计稿 → 切图 → 搭建场景 → 调节材质与灯光 → 编写交互逻辑 → 对接数据 → 反复修改 → 最终交付。3D 大屏更是复杂,Three js 的坐标系、

一、前言:AI 编程时代已来临,前端开发效率革命

如果您是一名前端开发者,一定深有体会——制作一块数据大屏需要耗费多少时间?

传统工作流程:设计稿 → 切图 → 搭建场景 → 调节材质与灯光 → 编写交互逻辑 → 对接数据 → 反复修改 → 最终交付。3D 大屏更是复杂,Three.js 的坐标系、材质、光照每一个环节都可能让您 debug 一整天。即使是一位熟练的 Three.js 开发者,完成本文展示的效果,保守估计也需要 3~5 天。

而这一次,全程借助 Claude Code(Anthropic 推出的命令行 AI 编程助手),仅通过 6 轮对话,总计不到 2 小时,零手写代码,便实现了如下效果:

本文不会逐行解读代码(此类教程网上已有很多),而是带您深入 AI 编程的真实工作流——每一轮发送了什么 Prompt,AI 输出了什么,遇到了哪些问题,以及如何引导 AI 进行修正。

二、准备工作

2.1 工具选择

工具用途
Claude CodeAI 编程助手(CLI 形式,终端直接使用)
Three.js 0.1603D 渲染引擎(ES Module,CDN 加载)
Chart.js 4.42D 图表库(UMD,CDN 加载)
浏览器运行环境,无需构建工具

关键决策:采用单文件 HTML,不引入 webpack/vite。这是 AI 编程的一项重要策略——降低技术栈复杂度,让 AI 专注于业务逻辑实现。

2.2 核心策略:分步迭代,每次只聚焦一个任务

核心经验只有一条:不要试图用一段 Prompt 描述整个项目。AI 并非魔法棒,您给出“做一个很酷的校园大屏”这样的 Prompt,它大概率会生成一坨能运行但粗糙的代码,后续再想修改将非常困难。

正确做法是 分步迭代:

第1轮 → 基础场景骨架第2轮 → 加交互(相机切换 + 昼夜模式)第3轮 → 修 Bug + 优化参数第4轮 → 扩展场景规模(道路 + 车辆 + 喷泉)第5轮 → 加数据看板(Chart.js 图表)第6轮 → 细节打磨(hover tooltip + 灯光联动)

每一轮只做一件事,每次修改后都能运行、查看、验证。这样 AI 的上下文始终保持清晰,您也能一直拥有可交付的中间产物。

三、6 轮 Prompt 实战全流程

下面按照实际的 commit 记录,逐一还原每一轮的 Prompt 和结果。

第 1 轮:创建基础 3D 校园场景

? 目标:跑通最基本的 3D 场景 —— 地面、建筑、运动场、树木。

? 我的 Prompt:

创建一个校园3D可视化场景的HTML文件,使用Three.js的ES Module导入方式。要求:1. 等距视角(OrthographicCamera,类似策略游戏视角),带OrbitControls可拖拽旋转缩放2. 场景居中是一个标准运动场——蓝色圆角矩形跑道,内部是绿色足球场(Canvas纹理画白线)3. 8栋不同尺寸的现代建筑分布在运动场周围,每栋有: - 白色BoxGeometry主体 + 屋顶女儿墙 + 入口雨棚 - 四面均匀排布的蓝色玻璃窗户(PlaneGeometry) - 底层装饰带4. 不同高度和半径的树木散布在场景中(分层锥体树冠 + 圆柱树干)5. 浅色路径连接各建筑6. 渐变草皮贴片点缀地面增加自然感7. 使用DirectionalLight+AmbientLight+HemisphereLight实现自然光照8. 开启阴影(PCFSoftShadowMap)+ ACES色调映射

✅ AI 输出结果:

生成了一个约 700 行的 campus.html,包含:

  • 正交相机 + OrbitControls,等距视角
  • 蓝色圆角矩形跑道 + 带白线标记的足球场(Canvas 纹理)
  • 8 栋建筑,每栋有白色主体、蓝色物理材质玻璃窗、屋顶结构和入口雨棚
  • 约 30 棵树(三层锥体树冠 + 圆柱树干)
  • 路径网络、地面草皮贴片
  • 完整光照和阴影系统

? 这一步的要点:

  • Prompt 中给出了具体的技术约束(ES Module、OrthographicCamera、PCFSoftShadowMap),避免了 AI 默认使用 CDN script 标签或传统相机
  • 建筑、树木的描述给了尺寸范围和视觉特征,而不是抽象说 "创建一些建筑"
  • 第一次跑出来的效果就已经"能看"了——这是建立信心的关键

第 2 轮:添加相机切换和昼夜模式

? 目标:增加用户可操作的交互功能。

? 我的 Prompt:

在上一个版本基础上做以下修改:1. 添加右上角两个按钮: - "切换透视/正交"按钮 — 同时创建PerspectiveCamera(40°FOV), 点击时在正交和透视相机之间切换,切换时保持当前视角位置不变 - "切换夜景/白天"按钮 — 点击时调整: * 背景色和雾色(夜景深蓝 #162030) * 环境光/半球光/方向光的强度和色温降低 * 建筑窗户的emissive自发光变暖黄色(模拟室内灯光透出) * 降低toneMappingExposure * 路灯灯泡emissiveIntensity增高2. 修复建筑位置:building.position.y 应该设为 h/2,让建筑底部对齐地面3. 优化窗户排布:窗户高度改为动态计算,上下留10%边距,避免窗户贴到屋顶和地面边缘4. 确保resize事件同时处理两种相机类型的投影矩阵更新

✅ AI 输出结果:

  • 添加了两个毛玻璃风格按钮(CSS backdrop-filter: blur()
  • 实现了双相机系统,camera.position.copy() 确保切换无缝
  • 昼夜切换调整了 10+ 个参数(ambient、hemi、sun、fillLight、matWindow.emissive、toneMappingExposure、lampBulbs)
  • 建筑 Y 轴位置修复
  • 窗户排布更合理,上下各留 10% 边距

? 这一步的要点:

  • Prompt 中问题描述精确到具体数值(#162030h/210%),减少 AI 猜测
  • 功能点用编号列表明确区分,AI 不容易遗漏
  • 技术细节直接给(如 camera.position.copy()),告诉 AI 你期望的实现方式,而不是让它瞎想

第 3 轮:修 Bug + 优化参数

? 目标:第二阶段引入了一些小问题,需要针对性修复。

? 我的 Prompt:

修复以下问题并优化:1. 相机切换逻辑有问题 — 切换时target没有正确保持,导致画面跳动。 应该在controls.object切换前后保持controls.target不变2. 材质和灯光优化: - 建筑主体颜色太深,改为更亮的 #f9f9f9 - 玻璃窗户增加clearcoat效果(0.4),让反光更真实 - 跑道颜色调整,蓝色饱和度降低 - 雾的距离参数调整,避免远处建筑完全消失3. 统一使用MeshStandardMaterial而不是MeshPhongMaterial, 确保PBR渲染的一致性

✅ AI 输出结果:

  • 修复了相机切换时 controls.target 的保持逻辑
  • 材质参数微调(颜色、clearcoat、roughness)
  • 雾距离优化
  • 全局统一 Standard 材质

? 这一步的要点:

  • Bug 修复单独一轮,不要跟新功能混在一起——这是 AI 编程的重要原则
  • 改动很小,但效果提升明显——参数调整是 AI 的强项
  • "不要怕让 AI 改细节",改参数它比你快得多

第 4 轮:扩展场景规模 + 道路车辆 + 喷泉

? 目标:这一步是整个项目中最大的一轮,把校园从"几栋楼"扩展为"城市级"场景。

? 我的 Prompt:

大幅扩展校园场景,添加以下内容:1. 周边道路系统: - 在场景四边(X=±22, Z=±22)各创建一条道路,路面深灰色 - 道路两侧有白色虚线边缘标记,中间有黄色虚中心线 - 道路延伸到场景边缘(长度90,宽度3.2)2. 外层建筑群: - 创建createOuterBuilding工厂函数,生成更简洁的低多边形建筑 - 在道路外侧分3个环层排列约60栋建筑: * 近环(距中心33-40):高度3.5-5 * 中环(距中心44-55):高度2-3.5 * 远环(距中心58-72):高度1.8-3 - 建筑颜色使用浅灰色调,与内部白色建筑形成层次3. 移动车辆: - 创建createVehicle工厂函数,包含车身、驾驶舱、保险杠、轮子 - 在四条道路上各放置2-3辆车,有不同的颜色和速度 - 车辆沿道路方向移动,到达尽头后循环到另一端 - 每辆车配备前大灯(BoxGeometry+SpotLight)和尾灯4. 喷泉系统: - 在学生中心前面(X=0, Z=11.8)创建一个三层喷泉模型 - 使用粒子系统(PointsMaterial+AdditiveBlending)模拟水花 - 350个粒子,分3层速度:中心高速水柱、中速水帘、外层散开 - 粒子受重力影响下落,到达水面后重置 - Canvas径向渐变纹理做柔光粒子贴图5. 其他点缀: - 路灯沿主要路径排布(带发光灯泡) - 长椅散布在运动场周围 - 旗杆+旗帜在场景中轴

✅ AI 输出结果:

这是代码增长最多的一轮(+350 行),包含:

  • 完整的道路系统(路面 + 虚线 + 中心线)
  • 60+ 栋外层建筑分 3 环排列
  • 8 辆车在 4 条路上对向行驶,带车灯 SpotLight
  • 3 层喷泉粒子系统(350 粒子,重力 + 重置逻辑)
  • 12 盏路灯 + 8 张长椅 + 旗杆

? 这一步的要点:

  • 这是最长的一个 Prompt,但仍然聚焦在一个主题上:"扩展场景"
  • 每个子系统给了具体的数量(60 栋、3 环、350 粒子),AI 不会放飞自我也不会偷懒
  • 给了工厂函数的命名建议(createOuterBuilding、createVehicle),让 AI 写出可维护的代码
  • 车辆循环逻辑用自然语言描述("到达尽头后循环到另一端"),AI 能正确翻译成 if (pos > ROAD_HALF) pos = -ROAD_HALF

第 5 轮:添加数据看板

? 目标:在 3D 场景之上叠加 2D 数据面板,实现"大屏"的完整效果。

? 我的 Prompt:

在3D场景上叠加数据看板UI,使用Chart.js:1. 顶部导航栏: - 标题"智慧校园数据看板"+ 英文副标题 - 右侧三个统计指标:在校人数(12860)、教职工(1240)、建筑面积(28.6万㎡) - 毛玻璃半透明背景,与3D场景融合2. 左侧图表面板(三张卡片): - ? 月度校园活跃度趋势 —— 折线图,3条线: * 图书馆入馆(千次)、体育活动(千人次)、社团活动(场) * 12个月数据(9月-8月),体现学期内高峰、寒暑假低谷 - ? 各学院人数统计 —— 柱状图,7个学院,七彩配色,圆角柱 - ? 校园设施使用占比 —— 环形图,6类设施,图例右侧3. Chart.js配置要求: - responsive: true - 小字体(9-10px)适配数据看板 - 圆角柱(borderRadius: 6) - 折线图悬停显示所有数据集(interaction.mode: 'index') - 配色与顶部指标点颜色呼应(蓝/绿/橙)4. UI样式: - 卡片使用backdrop-filter: blur(10px)毛玻璃效果 - 圆角14px,半透明白底 - 图表面板可滚动(max-height限制)

✅ AI 输出结果:

  • 顶部导航栏(flex 布局,毛玻璃)
  • 3 张 Chart.js 图表(折线图、柱状图、环形图)
  • 数据模拟了学期波动(9 月开学高峰→2 月寒假低谷→6 月期末高峰→8 月暑假低谷)
  • 图表配色与顶部指标色点呼应

? 这一步的要点:

  • 给了具体的假数据,包括数值和趋势逻辑——AI 不用猜你要什么数据
  • 样式细节给到具体 CSS 数值(blur(10px)、14px、9-10px)
  • Chart.js 的配置项(interaction.mode、borderRadius)直接写在 Prompt 里,避免 AI 用默认值
  • UI 和 3D 场景分属不同层(CSS fixed + z-index),互不干扰

第 6 轮:细节打磨

? 目标:最后 10% 的打磨,提升精致度。

? 我的 Prompt:

最后打磨细节:1. 建筑悬停提示: - 监听mousemove,用Raycaster检测鼠标下的建筑 - 建筑创建时通过userData保存label信息 - 跟随鼠标显示半透明tooltip,展示建筑名称 - 鼠标变为pointer样式2. 昼夜模式细节补充: - 夜景模式下,车辆大灯(vehicleSpotLights)和路灯(lampSpotLights)的SpotLight点亮 - 车灯发光材质(emissive)的Intensity随昼夜切换 - 白天模式下关闭所有SpotLight - 调整夜景ambient强度不要太暗(0.12→0.24),保留一定可见度3. 优化: - 昼夜切换时同步调整车辆和路灯的所有光源 - tooltip添加transition过渡动画

✅ AI 输出结果:

  • Raycaster 悬停检测 + 跟随鼠标 tooltip
  • 车灯和路灯 SpotLight 随昼夜联动(共 16+16 个光源统一控制)
  • 夜景参数微调(ambient 0.12→0.24,不过暗)
  • tooltip 的 CSS transition

? 这一步的要点:

  • 这是典型的 "收尾轮"——不添加大的新功能,专注于完善和打磨
  • Raycaster 的实现细节(NDC 坐标转换、intersectObjects、userData)全部交给 AI
  • 昼夜联动涉及多个数组(vehicleSpotLights、lampSpotLights),Prompt 中明确了数据结构关系

四、AI 编程的核心方法论

回顾这 6 轮交互,可以总结出 5 条核心原则:

原则 1:一小步 > 一大步

❌ 错误:做一个很酷的校园3D数据大屏,要有建筑、树木、车辆、图表...✅ 正确:先做一个基础3D校园场景,等距视角,有运动场和8栋建筑

AI 的注意力是有限的。一个超大 Prompt 会得到"什么都有但什么都不好"的结果。分步迭代 = 每一步都可验证、可修正。

原则 2:具体 > 抽象

"创建一些树""创建约30棵树,每棵由圆柱树干(0.14倍半径)和3层锥体树冠组成,高度2-3米随机,分散在运动场四周和建筑附近""建筑要有窗户""建筑四面各有4行3列蓝色玻璃窗户,使用MeshPhysicalMaterial,clearcoat=0.4,窗户宽为列间距的50%,高为行间距的50%,上下各留10%边距"

AI 不会嫌弃你啰嗦。相反,越具体的描述,AI 的代码越符合预期。具体到颜色值、尺寸倍数、位置坐标。

原则 3:先跑起来,再优化

第1轮 → 能跑的基础场景(接受粗糙)第2轮 → 加功能第3轮 → 修 bug + 调参数第4轮 → 扩展规模第5轮 → 加数据面板第6轮 → 细节打磨

不要在 V1 就追求完美。第一版的唯一目标就是"能跑"。之后的每一轮,代码都在变得更好。这个节奏也符合敏捷开发的原则。

原则 4:Bug 修复单独一轮

"添加相机切换功能,顺便修一下之前的建筑位置问题"✅ 第2轮:加相机切换 + 昼夜模式 第3轮:单独修相机切换bug和材质参数优化

新功能和 Bug 修复混在一起,AI 容易顾此失彼。单独的 Bug 修复轮可以让 AI 聚焦在问题本身上,效果远超"顺便修一下"。

原则 5:给 AI 定好技术约束

"用 Three.js 做一个场景""使用 Three.js 0.160 ES Module 导入(import map),单文件 HTML,OrthographicCamera,PCFSoftShadowMap,ACESFilmicToneMapping,不引入构建工具"

技术栈的选择权在你手上。如果你不指定,AI 可能用老版本的 CDN Script 标签、或者引入一堆你不需要的依赖。在第一个 Prompt 里就把技术决策定死。

五、关键技术点解读

虽然本文重点是 AI 编程方法论,但还是有必要挑几个技术亮点讲一下,方便你理解 AI 生成的代码逻辑。

5.1 等距视角的数学原理

const isoAngle = Math.PI / 4;// 水平旋转 45°const isoTilt = Math.atan(1 / Math.sqrt(2)); // 俯仰角 ≈ 35.26°camera.position.set(isoDist * Math.cos(isoTilt) * Math.sin(isoAngle),// XisoDist * Math.sin(isoTilt),// YisoDist * Math.cos(isoTilt) * Math.cos(isoAngle)// Z);

等距投影要求三个轴的缩放比例相等。通过球坐标公式推导,相机方向的 x:y:z 需满足 1:1:1 的比例,得出俯仰角为 atan(1/√2)。这不是随便凑的数字,而是有数学依据的。

5.2 ShapeGeometry Holes 实现环形跑道

Three.js 的 ShapeGeometry 支持 holes 参数,无需手动拼接:

const trackOuter = createRoundedRectShape(14, 20, 2.2); // 外轮廓 Shapeconst fieldHole = new THREE.Path();fieldHole.moveTo(-4.5, -7.5);// 内孔 Path// ... 画矩形路径trackOuter.holes.push(fieldHole);// 把内孔添加到外轮廓上即可const trackGeom = new THREE.ShapeGeometry(trackOuter);// 自动挖洞

比手动创建 8 个梯形拼接强太多了。AI 在生成这段代码时,自动选择了最优雅的实现方式。

5.3 粒子喷泉的物理系统

每个粒子有独立的位置和速度向量,每帧更新:

// 速度更新(重力加速度)fountainVelArr[i * 3 + 1] -= GRA VITY * delta;// 只有Y轴受重力// 位置更新fountainPosArr[i * 3] += fountainVelArr[i * 3] * delta;// XfountainPosArr[i * 3 + 1] += fountainVelArr[i * 3 + 1] * delta;// YfountainPosArr[i * 3 + 2] += fountainVelArr[i * 3 + 2] * delta;// Z// 落到水面 → 重置if (fountainPosArr[i * 3 + 1] < BASIN_Y) resetFountainParticle(i);// 通知GPU更新fountainGeom.attributes.position.needsUpdate = true;

350 个粒子分 3 层速度(高速水柱 3.8-5.3m/s、中速水帘 2.2-3.7m/s、外层散开 1.5-2.5m/s),配合 AdditiveBlending 叠加混合,实现真实的水雾效果。

5.4 昼夜切换的灯光策略

夜景不是简单地把所有灯调暗,而是有选择地调整:

参数白天夜晚说明
ambient.intensity0.550.24整体变暗但不过黑
sun.intensity3.20.55方向光大幅减弱
matWindow.emissive#000#ffcc77窗户从反射变为发光
路灯 emissiveIntensity0.42.2灯泡亮度提升 5 倍
toneMappingExposure1.150.85整体曝光降低
SpotLights (车灯+路灯)03.5/2.5夜景下打开实际光源

关键技巧是用 emissive(自发光)而非直接调 light 来实现窗户灯光——窗户本身不产生光照,但看起来像亮着。真正的照明交给 SpotLight。

六、总结:人 + AI 协作的正确姿势

做完这个项目,最深的感受是:

您的角色从"码农"变成了"产品经理 + 架构师 + 代码审查员"。您需要的能力排序变了:

传统开发AI 辅助开发
1. 写代码能力1. 拆解需求的能力
2. 调试能力2. 写清楚 Prompt 的能力
3. 框架熟练度3. 审查 AI 代码的能力
4. 搜索 StackOverflow4. 理解核心原理即可

具体到开发流程:

  1. 规划阶段(人来):拆解需求 → 分步规划 → 确定技术约束
  2. 生成阶段(AI 来):每一小步给清晰的 Prompt → AI 生成代码
  3. 验证阶段(人来):打开浏览器看效果 → 发现问题 → 针对性反馈
  4. 迭代阶段(循环):修 Bug 单开一轮 → 加功能单开一轮 → 打磨单开一轮

2 小时完成传统需要 3-5 天的 3D 大屏开发,不是神话。

七、扩展思考

这个项目还可以继续用 AI 迭代:

  • ? 接入真实 API — "把 Chart.js 的静态数据换成 fetch 请求"
  • ? 第一人称漫游 — "添加 PointerLockControls 实现 WASD 漫游模式"
  • ?️ 天气系统 — "复用喷泉粒子架构,添加雨滴和雪花效果"
  • ? 响应式 — "让图表在小屏幕上折叠到底部"

每一句话都可以是一轮新的 Prompt,继续让 AI 帮您编写。

来源:https://juejin.cn/post/7646369339936096299
上一篇SHAP模型可解释性详解:博弈论原理与XGBoost实战应用 下一篇微软Build 2026大会解读:微软真的急了
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
年最新JetBrains AI助手Windows本地详细安装配置教程(含下载与环境要求)
AI教程 · 2026-07-03

年最新JetBrains AI助手Windows本地详细安装配置教程(含下载与环境要求)

JetBrainsAIAssistant可在Windows上通过IDE内置市场或离线包安装,需匹配新版JetBrainsIDE、账号登录与稳定网络。配置时应关注版本兼容、隐私设置、项目索引、快捷键和代码提交前复核,避免上传密钥与敏感业务资料。

Amazon Q Developer新手安装指南:从下载到首次运行的保姆级教程
AI教程 · 2026-07-03

Amazon Q Developer新手安装指南:从下载到首次运行的保姆级教程

AmazonQDeveloper可为编码、调试、解释项目和生成测试提供辅助。安装前需确认账号、开发环境和插件来源,按IDE或命令行路径完成配置,并在首次运行时注意权限、数据与项目安全。

Amazon Q Developer安装失败怎么办?报错日志排查与升级回滚方案
AI教程 · 2026-07-03

Amazon Q Developer安装失败怎么办?报错日志排查与升级回滚方案

AmazonQDeveloper安装失败通常与版本兼容、网络连接、身份登录、插件残留或权限配置有关。排查时应先确认环境,再查看IDE与终端日志,必要时采用清理重装、固定版本升级或回滚方案。

Amazon Q Developer本地模型运行:下载、路径与性能优化
AI教程 · 2026-07-03

Amazon Q Developer本地模型运行:下载、路径与性能优化

AmazonQDeveloper以云端能力为主,本地模型方案更适合离线补充、代码检索和私有环境辅助。配置时需确认版本、模型来源、路径权限、硬件资源与IDE集成方式,并通过量化、上下文控制和缓存策略优化性能。

Amazon Q Developer插件安装全流程:浏览器编辑器扩展市场配置
AI教程 · 2026-07-03

Amazon Q Developer插件安装全流程:浏览器编辑器扩展市场配置

AmazonQDeveloper可在浏览器控制台、VSCode、JetBrains等环境中辅助写代码、解释项目和生成测试。安装前需确认账号权限、编辑器版本与网络环境,配置时重点关注登录授权、工作区信任、数据权限和团队使用规范。