3年Blender用户Tristan John花了45分钟让AI写了个"Hello World"级别的散布插件，却在第二个项目上栽进了一个他"可能永远不会忘记"的深坑。结果搞出来的东西，把程序化纹理生成这件事，从节点地狱里拽了出来。
音频工程师转行做3D，第一件事就是被Blender的节点系统气笑了。
John的背景是音频工程。在那个领域，虚拟跳线界面早在2012年就被专业数字音频环境淘汰得差不多了——除了Propellerhead's Reason那5个死忠用户，没人愿意在生产高峰期对着一堆电缆图浪费时间。这玩意儿不仅拖慢节奏，还吞噬创意能量。
结果他打开Blender，发现这开源 sweetheart（宠儿）居然还在用节点电缆系统，而且用户已经"将就"了这么多年。用他自己的话说，这套东西"utterly archaic"（彻底过时）。
2026年3月，AI编程 hype 正盛。John观察了一圈，发现一个奇怪的现象：所有人都在讨论让AI代替创作，却几乎没人想着用AI改善创作工具本身。他决定亲自下场。
第一个坑：对象散布插件只花了45分钟
第一个项目是个中等复杂度的对象散布插件，算是熟悉Blender脚本框架的练手作。AI输出，他验收，45分钟搞定。这让他产生了一个危险的错觉：Blender的API不过如此。
第二个项目，他把目标对准了节点系统。目标是"完全商品化生成可接受的程序化表面使用/磨损/损坏纹理的过程"——说人话就是，让AI帮艺术家一键生成逼真的做旧效果，不用手动连几十上百个节点。
他没料到的是，在场景树里操作对象可能是AI最容易完成的任务。而节点系统，完全是另一回事。
AXZYS Distress 的诞生过程，成了一堂关于"AI编程边界"的实战课。
John对磨损纹理有个人执念。他认为一个物体的自然磨损轮廓是视觉叙事的关键载体——它能立刻告诉你这东西去过哪、什么材质、经历过什么互动。但在Blender里实现这一点，传统 workflow 是节点地狱：你需要理解法线、遮罩、混合模式、程序化纹理的叠加逻辑，还要确保磨损方向符合物体的实际使用方式。
AXZYS Distress 的核心设计是"Use Normals"（使用法线）功能。一个48个多边形的 wagon body（ wagon 车身），用这个功能处理后，磨损痕迹自动贴合表面曲率，呈现出合理的使用痕迹分布。
这个细节很关键：不是随机噪点，而是基于几何信息的智能分布。John举了个例子，一个木箱的边角磨损应该集中在搬运时手会抓握的位置，而不是均匀撒在表面。
AI编程的隐藏成本：提示工程即架构设计
John没有透露具体用了多少轮对话才让AI产出可用代码，但他强调了一个反直觉的事实：在Blender的节点系统里编程，AI的"理解成本"远高于场景操作。节点系统的数据流是视觉化的、非线性的、高度抽象的，这让传统的文本描述很难精确传达意图。
他的 workaround 是把需求拆解到极限。不是"帮我写个磨损生成器"，而是"生成一个节点组，输入是物体法线和UV，输出是基于边缘曲率的磨损遮罩，参数包括磨损强度、随机种子、方向偏移"。
这种拆解本身就是在做架构设计。John发现，AI编程的真正瓶颈不是代码生成速度，而是人类能否把需求翻译成大语言模型能理解的、足够原子化的指令。
一个48面模型的测试案例，暴露了传统 workflow 的荒谬。
那个 wagon body 只有48个多边形，低模到不能再低。但在游戏资产流程里，这种模型通常需要烘焙高模细节，或者手动绘制纹理来避免"塑料感"。AXZYS Distress 的做法是 procedural generation（程序化生成）——不增加几何复杂度，用算法在着色器层面模拟磨损。
John把这称为"de-generation"（退化/去生成）：不是让AI生成新内容，而是让AI生成"内容被使用过的证据"。这个命名玩了个双关，de-generation 既是"退化"（磨损），也是"对抗生成"（对抗AI替代人类创作的焦虑）。
插件目前的功能集包括：基于法线的边缘磨损、接触面污渍、使用痕迹的方向性控制、与Blender现有材质系统的无损集成。John没有公布定价，但强调"commoditize"（商品化）这个词——暗示价格会远低于雇佣纹理艺术家的成本。
Blender社区的节点原教旨主义者会买账吗？
这是个悬而未决的问题。Blender的用户群体高度分化：一边是推崇完全程序化、节点全手动连的 purist（纯粹主义者），另一边是只想快速出结果的实用主义者。John的工具明显瞄准后者，但他自己又是从前者阵营叛逃出来的。
他在文章里埋了一个微妙的挑衅：音频工程领域早在2012年就解决了的问题，3D软件为什么拖到2026年还在用？答案可能是路径依赖——Blender的节点系统已经成为用户身份认同的一部分，改变它等于挑战社区文化。
AXZYS Distress 的聪明之处在于，它没有取代节点系统，而是封装了最常用的磨损生成模式。高级用户仍然可以打开节点组手动调整，新手则能直接滑参数出图。这种分层设计，可能是AI辅助工具在成熟软件生态里找到生存空间的正确姿势。
John提到他正在构思第三个插件，但没有透露细节。考虑到前两个项目的时间跨度——第一个是45分钟的速通，第二个是"永远不会忘记"的深坑——第三个的复杂度很难预测。
他在Medium文章的评论区回复了一位用户：「The scatterer was AI doing the work. Distress was me learning how to make AI do the work.」
如果AI编程工具继续进化，下一个插件会不会是"AI学习如何让AI做工作"？到那时，像John这样的产品经理型开发者，核心竞争力会变成什么——是对业务的理解，还是拆解需求的颗粒度，又或者只是比别人更早开始尝试？
热门跟贴