企业官网建设流程全解析

跑到终端里敲几行命令，Claude Code 就把一个丑萌丑萌的牛头雏形建出来了，再切到 Codex 里把游泳男孩女孩的动作参数调了一轮——这个画面放在一年前，我是不信的。但用 WorkBuddy 把 Claude Code 和 Codex 收进同一个工作台，再配上一套我们自己写的 Craftsman Agent Skill，现在这就是我的日常。这篇我就把整套玩法的思路、Skill 怎么写的、以及两个 IP（牛来、游泳男孩女孩）从 0 到 1 的实操过程完整拆出来。如果你也在做潮玩、3D 设计或者独立开发，想用 AI 把建模和批量化生产跑通，这篇应该能帮你省掉不少摸索时间。

1. 为什么是 WorkBuddy + Skill，而不是直接问 Claude Code

1.1 “能聊”和“能干”之间差了一套工作流

我在刚开始拿 Claude Code 做 3D 设计时，最大的感受是：它很聪明，但很散。你让它“设计一个牛头潮玩”，它真的会给你写一版 Three.js 或者 OpenSCAD 代码，乍一看像模像样；可一旦你追问“比例是多少”“壁厚多少”“导出格式是什么”，它就开始自由发挥了。同一个问题换一天问，出来的东西完全是两个风格。原因很简单——Claude Code、Codex 这类编码智能体，本质上是通用代码生成器，它的默认知识里并没有“潮玩 IP 设计”的行业规范。你每次都要把需求、约束、参数重新描述一遍，而人又最容易在这种重复描述里漏掉关键信息，最后模型就跑偏。

所以真正的问题不是“AI 能不能做 3D 设计”，而是“怎么让 AI 稳定地按你的标准做 3D 设计”。这就是 Skill 存在的意义。Skill 相当于给智能体配备了一本操作手册：它告诉 AI“你是谁、按什么流程干活、输出什么格式、避开什么坑”，而不是让 AI 每次都在脑子里临时凑一个方案。用 WorkBuddy 来管这件事，比单纯在 Claude Code 里写指令更顺手，因为你可以把技能、会话、项目文件统一管理，不用每次都在命令行里翻历史记录。

1.2 Skill 的本质：给智能体一本操作手册

很多第一次接触 Skill 的朋友会把它理解成“一段更长的提示词”。对，也不对。提示词是每次对话都要重复的临时指令，而 Skill 是一个持久化、结构化的知识包。在 WorkBuddy 里，一个标准的 Skill 就是一个 SKILL.md 文件，放在项目的 .workbuddy/skills/<技能名>/ 目录下。文件头部有一段 YAML 元信息，标记技能名称和适用场景；正文部分则写具体的执行流程、设计规范、代码要求和示例。当对话内容命中这个 Skill 的描述时，智能体会自动把整个 Skill 内容读进去，再开始干活。

这个机制带来的好处非常明显：你可以把一次次调教 AI 的“经验”沉淀下来。第一次做牛来 IP 时，我花了几个小时才让模型生成出我想要的比例；后来我把这些约束写成 Skill，第二次、第三次生成几乎不用再重复沟通。说白了，Skill 是把“我口头教 AI 怎么干活”变成“AI 自带一套行业规范”。对于要做系列化 IP 的人来说，这个差异是决定性的。你不再是每次面对一个“失忆的实习生”，而是面对一个“读完员工手册的老师傅”。

1.3 把 Claude Code 和 Codex 放在同一个工作台

另一个容易踩的坑是：Claude Code 和 Codex 是两套独立工具，各有各的启动方式，各有各的上下文。你刚在 Claude Code 里把模型调出一个方向，切到 Codex 里又得从头讲一遍需求。这种碎片化的体验在做小脚本时还好，一旦涉及建模这种长流程，就是灾难。我的做法是用 WorkBuddy 把两者统一管理。WorkBuddy 本身是个桌面应用，它在本地把 Claude Code、Codex、Gemini CLI 之类的编码智能体都接进来，你在同一个界面里开多个会话，项目文件、Skill 目录、对话上下文都能共用。理论上你完全可以只用一个工具，但双引擎的好处是：Claude Code 在理解自然语言和写作代码注释方面更细腻，Codex 在批量执行和代码稳定性方面更扎实，把同一个 Skill 喂给两个引擎，相当于多一个视角给你做交叉检查。

2. 环境搭建：从零装出你的 3D 设计工作台

2.1 安装 Claude Code 与 Codex

先说 Claude Code。它本质是一个 Node.js 命令行工具，装好 Node.js（建议 18 以上版本）之后，终端执行 npm install -g @anthropic-ai/claude-code。装完在终端输入 claude 就能进交互界面。首次使用会要求登录 Anthropic 账号，或者在 Claude 相关服务里配置 API Key。这里提醒一句：不同版本的 Node 可能会有兼容性提醒，遇到权限报错就检查一下 npm 的全局安装目录是不是在 PATH 里。

Codex 的安装方式类似，npm install -g @openai/codex，或者你用 Homebrew 的话 brew install codex 也可以。装完需要配置 OPENAI_API_KEY 环境变量，Windows 下在系统设置里加环境变量，macOS/Linux 下直接写进 ~/.zshrc 或 ~/.bashrc。两个工具装好后，先在终端分别跑一句最简单的指令，比如让 claude 写一个 hello world、让 codex 写一个 hello world，确认两个引擎都能正常返回，再进入下一步。我见过不少人直接装 WorkBuddy 再配引擎，结果出问题时分不清是引擎没装好还是 WorkBuddy 配置错，调试成本直接翻倍。

2.2 安装 WorkBuddy 并接入两个助手

WorkBuddy 提供桌面客户端，去官网下载对应系统的安装包即可，安装过程没什么特殊选项。首次启动会让你选择要接入的 AI 引擎，勾选 Claude Code 和 Codex，它会去读取你本机已有的登录态和 Key。如果你的引擎已经能在终端跑起来，这里基本就是一路下一步的事。需要注意：WorkBuddy 是把本机的编码智能体包了一层管理壳，它不是云端服务，所以引擎的登录、API Key 这些仍然归引擎自己管。换句话说，Claude Code 登录过期了，你在 WorkBuddy 里也会跟着掉线，得回终端重新认证。

接到工作台之后，我建议你先建一个测试项目，随便写点代码，让 WorkBuddy 同时调用两个引擎各生成一版，确认工具链通了再上真正的 3D 项目。这个过程很土，但能帮你避免后面建模建到一半才发现某个引擎根本没连上。我当时就吃过这个亏，在 WorkBuddy 里折腾半天，最后发现终端里 Codex 的 Key 根本没配好，白费了一个晚上。

2.3 建立项目目录与技能挂载点

WorkBuddy 默认会在项目目录下寻找 .workbuddy 文件夹，里面可以放 skills、agents、memories 这些子目录。我的个人习惯是给 3D 设计单独建一个仓库，比如 ip-design-studio/，然后按 IP 名称分子目录：

ip-design-studio/ ├── .workbuddy/ │ └── skills/ │ └── craftsman-3d-ip-designer/ │ └── SKILL.md ├── cow-lai/ # 牛来项目 ├── swim-kids/ # 游泳男孩女孩项目 └── shared-assets/ # 公用模型、材质库

这种结构的好处是：每个 IP 自己的对话记录、生成文件都隔离，但 Skill 又是全局共享的。做新 IP 时，不用重新写一遍设计规范，直接在 skill 里追加新角色的约束就好。我强烈建议把模型源文件、导出文件、参考图分开，别让 AI 生成的临时文件糊在一堆，不然后期排查问题你会想哭。

3. Craftsman Agent Skill 实战：把 3D 设计经验写进技能里

3.1 Skill 文件的基本结构与角色设定

Craftsman Agent 这个名字，听起来唬人，其实本质是给智能体设定一个“工匠”人格和工作流。我用的 Skill 文件结构大概是这样的：

--- name: craftsman-3d-ip-designer description: 当用户需要设计 3D 潮玩 IP 角色、输出可 3D 打印或可渲染的模型时使用 --- # 角色 你是资深潮玩 IP 建模师，熟悉…… # 工作流 ## 阶段一：概念澄清 ## 阶段二：参数化建模 ## 阶段三：模型检查 ## 阶段四：导出交付

YAML 里那个 description 非常关键，它决定了 WorkBuddy 什么时候把这个 Skill 自动加载进来。写 description 要用“当……时使用”这种触发句式，越具体越好。如果你写“3D 设计工具”，那智能体可能在聊别的时也乱触发；如果你写“当用户提到牛、游泳、潮玩、IP 角色、3D 打印时使用”，命中率就会高很多。我发现很多人写的 Skill 不生效，八成就是 description 写得太宽泛，导致该触发的时候没触发，不该触发的时候瞎触发。

3.2 工作流阶段的拆解：从概念到可打印模型

我的 Skill 正文核心是把 3D 建模拆成四个阶段。概念澄清阶段，AI 要先用文字和草图参数把角色定义清楚，包括角色背景、风格倾向、姿态、颜色、比例；这一步不通过，不允许进入建模。参数化建模阶段，我要求 AI 优先使用 OpenSCAD 这类参数化建模工具写代码，因为参数化意味着所有尺寸都能改，后期微调特别方便；如果是复杂有机形态，再用 Three.js 或者 Blender Python API 生成网格。模型检查阶段，AI 必须检查模型是不是封闭网格、有没有破面、壁厚够不够；这是 3D 打印最关键的环节，很多新手直接跳过，最后打印出来全是废件。导出交付阶段，统一导出 STL、GLTF、OBJ 三种格式，并附上尺寸说明和生产建议。

这套流程看起来是常识，但如果你不写进 Skill，AI 根本不会主动按这个顺序走。我见过最典型的问题就是：让 AI 做个牛头，它直接画了一堆圆球方块堆在一起，尺寸没有、壁厚没有，能看不能用。把流程固化进 Skill 之后，AI 至少会按顺序推进，不会跳过概念阶段直接出模型。

3.3 一个最小可用的 3D 设计 Skill 示例

下面是我早期版本的简化示例，你可以直接抄去改：

--- name: craftsman-3d-ip-designer description: 当用户需要设计 3D 潮玩 IP 角色、输出可 3D 打印或可渲染的模型时使用 --- # 角色定位 你是具备 10 年玩具行业经验的潮玩 IP 建模师。擅长把文字描述转化为参数化 3D 模型。 # 设计规范 - 风格：圆润、卡通、可爱，头身比建议 1:1 到 1:2（潮玩手办常用） - 主要几何体优先用 OpenSCAD 的 union/difference 组合 - 壁厚不少于 2mm，防止 3D 打印时断裂 - 所有尺寸使用毫米 - 输出格式：STL、GLTF、OBJ # 工作流程 1. 概念澄清：先输出角色设定表，包含角色名、主题、配色、姿态、参考关键词 2. 建模：生成完整可运行的建模代码 3. 检查：用 meshlab 或 blender 命令行检查模型是否封闭 4. 导出：在导出目录生成 STL/GLTF/OBJ # 已知禁忌 - 不要用 0 壁厚 - 不要在未确认概念前直接建模 - 不要让模型超高超重大

这个 Skill 放在 .workbuddy/skills/craftsman-3d-ip-designer/SKILL.md 之后，新开一个 WorkBuddy 会话，你说“帮我设计一个招财风格的牛来 IP”，它会自动加载这套规范，按四阶段流程走。Skill 的价值不在于让 AI 多聪明，而在于让 AI 稳定、不跑偏、每次都能交出符合你预期的结果。

4. 案例拆解：牛来 IP 从想法到模型

4.1 需求描述与技能调用的全过程

牛来这个名字，取自“牛气冲天”“牛转乾坤”“好运牛来”这类吉祥话，天生适合做招财属性的潮玩。我的原始需求就一句话：“一个以牛为基础的潮玩 IP，名叫牛来，丑萌、招财、圆润，单手可握。”在 WorkBuddy 新会话里输入这句话，Skill 自动触发后，Claude Code 很快给了角色设定表：名字牛来，身份是财神坐骑转世的现代打工人牛，主体色调中国红加金色，姿态是双手叉腰站立，有点像那种台式机旁边的小摆件。

这个阶段不要急着让 AI 出模型，先把设定表审一遍。我当时改了两处：一是把“现代打工人”改成了“憨厚但会赚钱的小掌柜”，更贴合招财主题；二是把姿态从站立改成半蹲抱金元宝，这样整个造型更有记忆点。改完之后，才让 AI 进入建模阶段。整个过程其实就是在和 AI 对齐概念，这一步省了，后面模型返工的成本要高得多。你会发现，概念阶段花掉的十几分钟，能帮你省下建模阶段的好几个小时。

4.2 建模细节：让 AI 生成的模型能真正落地

建模阶段，Claude Code 按 Skill 的要求用 OpenSCAD 写了一个牛头加身体的组合。简单示意一下核心思路：

module body() { scale([1, 1.2, 1]) sphere(r = 20); } module head() { translate([0, 0, 32]) scale([1.2, 1, 1.1]) sphere(r = 14); } module ears() { translate([-10, 0, 38]) scale([1, 0.8, 0.5]) sphere(r = 4); translate([10, 0, 38]) scale([1, 0.8, 0.5]) sphere(r = 4); } module horn() { translate([-12, 2, 44]) rotate([0, -20, 0]) cylinder(h = 8, r1 = 2, r2 = 1); translate([12, 2, 44]) rotate([0, 20, 0]) cylinder(h = 8, r1 = 2, r2 = 1); } // 金元宝、眼睛等省略 union() { body(); head(); ears(); horn(); }

这段代码本身很简单，重点是 AI 会把尺寸、位置统一用毫米算好，并且用 union 把各部分拼起来，保证模型是封闭的。我让 Claude Code 生成了这个版本后，又切到 Codex 里用同一个 Skill 再生成一版，两个引擎给出了略有差异的耳朵角度和元宝大小。我不以任何一版为最终答案，而是取两者更符合“憨厚”气质的参数，比如耳朵下垂角度大一点，让整体更萌。这种双引擎交叉验证的方式，是我后来用得越来越顺手的原因。

4.3 效果检查与迭代

模型代码生成之后，WorkBuddy 里可以直接看到文件结构，我把生成的 .scad 文件丢到 OpenSCAD 里渲染预览。第一次预览发现牛角位置偏内侧，看起来像两根朝天椒而不是牛角；我在会话里让 AI 调整牛角的角度和位置参数，它一下子给出了好几组方案。像这种参数化模型的好处就是，你只需要告诉它“角度往两边张开 15 度”“整体拉高 2mm”，它重新生成代码，你重新渲染，两分钟就能看到效果。

这个案例最终导出的是 STL，用 Blender 打开做了简单上色预览，确认造型没问题后，我用 3D 打印机打了个素模。放在桌上那一刻，说句实话，成就感很强。但更让我高兴的是，整个过程从概念到打印只花了半天，而以前我做一个类似的泥稿要一周。对这个项目来说，AI 并没有“替我做设计”，它更像一个执行力极强的建模助理，把我想象中的东西快速变成了能触摸的实体。

5. 案例拆解：游泳男孩女孩系列 IP 的批量生产

5.1 系列化 IP 的难点：风格统一

做单个 IP 和做系列 IP 完全是两回事。单个 IP 你只需要让 AI 把一个角色做好；系列 IP 的难点在于——游泳男孩、游泳女孩、可能还有不同的泳姿、泳帽、泳镜——它们必须看起来是“同一个世界观里的角色”，而不是各玩各的。如果每次都用自然语言临时描述，AI 就会给你生成风格漂移的角色，男孩是圆脸，女孩可能变成长脸；男孩是 2 头身，女孩可能变成 3 头身。观众一眼就看得出不是一套。

解决办法就是把统一规范写进 Skill。我在 craftsman-3d-ip-designer 的 SKILL.md 里新增了一段“系列角色规范”：同一系列共享同一个头身比，比如都是 1.5 头身；脸型统一为圆脸，眼睛统一为两点式萌系眼；身体姿态允许不同，但材质和倒角半径要一致。这样无论切换哪个引擎、哪个会话，AI 生成出来的角色基础造型都是一套基因。

5.2 用 Skill 锁定设计规范

具体到游泳男孩女孩，我在 Skill 的角色设定表里给每个成员建了参数卡片：

有了这个表格，我让 WorkBuddy 用同一个会话生成两个角色。Claude Code 先生成了男孩，Codex 接着生成女孩。两部分模型文件放在 swim-kids/ 目录下，每个角色一个子目录。最后渲染时我把两个模型放进同一个 Blender 场景，调整了各自的朝向，做了一张“戏水”主题的概念图，整套 IP 的视觉统一性一下子就出来了。表格写进 Skill 之后，两个引擎生成的角色比例、脸型、泳帽颜色几乎完全一致，这是我手动调教做不到的。

5.3 批量生成与个性化调整

系列 IP 真正让人觉得爽的是可复制。因为 Skill 已经把设计规范固化，我之后想加一个“游泳小狗”角色，只需要在参数卡片里加一行，然后让 AI 按同样的流程走一遍。所有尺寸、导出格式、检查步骤都是现成的，工作量从一个新 IP 的好几天压缩到一个下午。当然，批量生产不意味着完全放养。每一版模型生成后我都会用 Blender 打开快速过一遍眼睛位置、手脚比例这些东西；AI 有时候会在细节上犯“低级错误”，比如两只手一长一短、泳镜位置歪了。这种检查不能省，但也不再需要从零开始建模了。

6. 踩坑实录：常见问题与排查技巧

6.1 Skill 不生效的排查

这是新手最容易遇到的情况。你明明写好了 SKILL.md，结果在会话里输入需求，AI 完全无视那套规范，该怎么自由发挥还怎么自由发挥。我踩过几次之后总结出三个检查点：第一，目录位置对不对。WorkBuddy 只扫描项目根目录下的 .workbuddy/skills/，你放到别的地方它根本看不见。第二，文件名必须是 SKILL.md，大小写也要对。第三，description 写没写清楚。如果描述太宽泛，触发器可能不认为当前任务命中了技能；如果描述太窄，可能永远不触发。改完这些之后，一定要新开会话再试。

提示：改完 SKILL.md 后，一定要新开会话再测试。WorkBuddy 对 Skill 的读取通常发生在会话创建阶段，旧会话不会自动加载新技能——这一点特别坑，我一度以为是我文件写错了，结果只是没开新会话。

6.2 模型文件打不开、渲染出错的处理

生成好的模型打不开，大概率是文件本身有问题。最常见的是 STL 文件破面，也就是网格不是封闭流形，Blender、切片软件打开时要么报错要么显示异常。建议在 Skill 里就要求 AI 生成代码后先做一次封闭性检查，或者用 meshlab 的命令行工具自动检测。我一般在本地装一个 Blender，用它的 3D 打印工具箱插件检查：选中模型，点击“检查”就能看到哪些面反转、哪些边非流形。如果 AI 生成的 OpenSCAD 代码本身有问题，比如两个组件只是表面重叠而没有真正合并，导出时也会出问题。这时候让 AI 改用 union 包一层就解决了。

6.3 跨工具切换时的配置问题

用 WorkBuddy 同时管 Claude Code 和 Codex，最常出现的怪问题是：同一个 Skill，Claude Code 执行得很好，Codex 却像没读到一样。我查下来发现主要原因是 Codex 对 Markdown 指令的解析风格不同，它更容易被非常明确的“命令式”段落带动。解决办法是在 Skill 里额外写一个“执行清单”区块，用 1、2、3 这种硬编号把必须完成的动作列清楚，两个引擎都能稳定执行。另一个配置问题是环境变量。Codex 如果找不到 Key，在 WorkBuddy 里会直接报错，你需要回终端用 codex --version 之类的命令确认 CLI 本身能跑，再回来重启 WorkBuddy。顺序搞反的话，你会误以为是 WorkBuddy 的问题，实际上引擎早就离线了。

7. 我的真实体会与后续扩展

这个玩法真正改变我工作方式的，是把“我能和 AI 聊出什么”变成了“我手上有多少套可复用的 Skill”。我第一次做牛来时，很多规则是现场琢磨出来的；第二次做游泳男孩女孩时，我只需要把规则写进 Skill，剩下的事情 AI 帮我干。所以如果你也想尝试这个方向，我的建议是：第一个 Skill 不要追求大而全，先把最简单的流程跑通——一个角色、四个阶段、三个导出格式。跑通之后再往里面加规范、加案例、加禁忌，慢慢它就会变成你的“数字老师傅”。

最后分享一个小技巧：写 Skill 的时候，把失败经验也写进去。比如“不要用 0 壁厚”“不要直接生成 40cm 的大尺寸模型”“导出前先检查模型是否封闭”这些看起来不起眼的句子，恰恰是 AI 最容易踩的坑。把这些写进去之后，模型的成功率会肉眼可见地提升。下一步我打算把颜色材质、UV 贴图也纳入 Skill 流程，让 AI 直接从概念生成带渲染材质的最终效果图。这条路还很长，但走起来确实有意思。