零代码开发桌面级AI审图工具：Vibe Coding实战分享

当AI编程遇上CG行业：一位游戏美术总监的实践

随着Cursor、Claude Code等AI编程工具的爆发，"Vibe Coding"（氛围编程）正在成为最热门的技术趋势之一。Vibe Coding是由特斯拉前AI总监、OpenAI联合创始人Andrej Karpathy在2025年初提出的概念，其核心理念是开发者不再逐行编写代码，而是通过自然语言对话向AI描述自己想要的功能，由AI自动生成完整的代码实现。开发者的角色从"编码者"转变为"导演"——负责提出需求、审核结果、指导方向。但大多数案例停留在做网页、写小工具的层面，真正将AI编程应用到专业工作流中的案例并不多见。

B站UP主徐老师作为一名游戏公司美术部门负责人，用Vibe Coding的方式——全程零代码、纯对话驱动——开发了一款名为Muse AI的桌面级审图工具，直接解决了美术团队日常审图、出修改方案的效率痛点。这个案例的价值不仅在于工具本身，更在于它展示了非程序员如何用AI编程真正提升专业工作效率。

值得一提的是，他使用的核心开发工具Cursor是一款基于VS Code架构的AI原生代码编辑器，将大语言模型深度集成到编程工作流中，支持通过对话生成代码、自动补全、跨文件编辑等功能；而Claude Code则是Anthropic推出的命令行AI编程工具，允许用户在终端中通过自然语言直接操作文件系统和执行代码。两者代表了AI编程工具的两种范式，共同构成了当下Vibe Coding的主要技术基础设施。

Muse AI：解决美术审图的核心痛点

在游戏美术团队中，主美或美术总监的日常工作中有大量时间花在审图上——审核设计师的作品、提出修改建议、寻找参考图、沟通修改方向。在游戏开发的美术生产管线中，审图（Art Review）是质量控制的核心环节，美术总监需要对概念设计、角色建模、场景渲染、UI设计等各环节的产出进行审核，确保视觉风格统一、品质达标。传统审图流程通常依赖面对面会议或在线标注工具（如Frame.io、Shotgun），主美需要用文字或口头语言描述修改方向，设计师再根据理解进行调整。这个过程中最大的效率损耗在于"语言到视觉的转译"——文字描述的修改方向往往存在歧义，导致多轮返工。这些工作重复性高，但又需要专业判断，是典型的"高频低效"环节。

徐老师开发的Muse AI正是针对这一场景。它被打包成一个可以双击运行的桌面程序，具备完整的欢迎界面和功能分区，分为初级版和高阶版以适配不同用户层级。

核心功能一：AI智能审图与评分

Muse AI支持导入图片和视频素材。对于视频，工具会自动拆解为逐镜头的画面，方便针对每一镜进行独立审核。审核流程设计得相当专业：

• 风格定位：考虑到不同国家和地区的美术偏好差异，工具内置了风格定位功能
• 核心意图标注：设计师可以为每张图标注核心设计意图（如"洞穴场景""黄昏氛围"），让AI的评判更加精准
• 多模型接入：支持接入多个大语言模型的API，用户可以根据需要自由选择

多模型接入的设计具有重要的技术意义。不同AI模型在不同任务上各有优势：例如GPT-4o在多模态理解上表现出色，Claude在长文本分析和指令遵循上更强，而国内的通义千问、智谱GLM等在中文场景下可能有更好的表现。这种架构设计使用户可以根据具体任务选择最合适的模型——比如用视觉能力强的模型做图片分析，用生成能力强的模型做提示词优化，同时也避免了对单一模型供应商的依赖。

AI会基于这些信息给出专业的美术评分和修改建议，这些建议不是泛泛而谈，而是针对具体的美术表现维度。

核心功能二：从建议到图片的一键生成

这是Muse AI最巧妙的设计——AI不仅给出文字建议，还会将修改建议自动转化为AI生图的提示词，然后直接调用图像生成模型产出修改后的效果图。

这里涉及到AI图像生成领域的一个关键技术环节：提示词工程（Prompt Engineering）。AI图像生成模型（如Midjourney、Stable Diffusion、DALL-E 3、Flux等）通过文本提示词来控制生成图像的内容和风格。在专业CG工作流中，将美术修改建议转化为有效的生图提示词需要丰富的经验——需要了解模型对不同描述词的响应特征、权重控制、负面提示词的使用等。Muse AI将这一转化过程自动化，本质上是用AI来做提示词工程，大幅降低了使用门槛。

生成完成后，工具提供了滑块对比功能，可以左右拖动直观对比原图和AI修改后的效果，还配备了放大缩放等辅助工具。这意味着美术总监不再需要口头描述"我想要什么感觉"，而是直接给设计师一张可视化的参考图，沟通效率大幅提升。

正如徐老师所说："做设计最主要的是明确我们到底要做什么样。一旦知道往哪个方向改，改的过程其实是非常快乐的。"

核心功能三：氛围预设与快速调色

工具还内置了丰富的氛围预设功能，包括不同天气效果（下雨、下雪、雾气缭绕）、不同光影氛围（暗黑、明亮、黄昏）等。这些预设的提示词经过预先测试和优化，用户只需一键点击即可应用。

例如，当输入"黄昏"作为设计意图时，AI会自动调整评判标准，将黄昏的光影特征纳入考量；选择"雪天"天气后，生成的画面会自然地加入雪花和冬季氛围元素。

此外，工具还提供了历史记录功能，可以查看过往的审核记录和生成效果，支持一键清除当前内容进入下一轮审核，以及将满意的生成图片下载到本地供设计师参考使用。

AI辅助视频氛围优化：更前沿的应用场景

徐老师还展示了一个更前沿的应用场景——用AI修改UE（虚幻引擎）渲染出的视频。

虚幻引擎（Unreal Engine）是Epic Games开发的实时3D创作工具，最初用于游戏开发，现已广泛应用于影视虚拟制片、建筑可视化、汽车设计等领域。UE5引入的Nanite（虚拟化微多边形几何体）和Lumen（全局光照系统）技术使其渲染品质接近离线渲染水平。在传统CG后期流程中，美术团队需要在引擎内反复调整材质、灯光、后处理参数来达到理想效果，这个过程耗时且需要技术美术（Technical Artist）的专业知识。

工作流程是：先用Muse AI对视频的单帧画面进行AI审核和生图，得到优化后的画面效果，再用AI工具对整个视频进行风格替换和氛围调整。这里用到的核心技术是AI视频风格迁移——利用深度学习模型将一段视频的视觉风格转换为另一种风格，同时保持原始视频的运动和结构信息。当前主流方案包括基于扩散模型的视频生成（如Runway Gen-3、Kling、Pika等）和基于ControlNet的逐帧风格控制。从展示的对比效果来看，前后段的光影质感和材质表现有非常明显的提升，整体画面的"高级感"显著增强。

这种"AI审图→AI生图→AI改视频"的链路，本质上是在探索一种全新的CG后期工作流——用AI来提升渲染视频的最终品质，而不是反复回到引擎中调整参数。这种方式的优势在于：可以先用引擎快速渲染出基础效果（白模或低精度渲染），再通过AI进行风格化处理，大幅缩短从概念到成片的时间。不过目前该技术在时间一致性（避免帧间闪烁）方面仍有挑战，但随着技术迭代，这一问题正在被逐步解决。

Vibe Coding实践心得：领域专家的开发之路

徐老师透露，Muse AI的开发全程使用Vibe Coding方式完成，早期使用Cursor，后来也尝试了Claude Code等工具。除了Muse AI，他还用同样的方式开发了：

• 多个UE相关的工具插件
• 一个用于拆解爆款素材的分析工具
• 一套从UE白模渲染到AI视频生成的自动化工作流

关键启示在于：Vibe Coding的真正价值不在于"零代码"本身，而在于让领域专家能够直接将自己的专业需求转化为可用的工具。 一个美术总监比任何程序员都更清楚审图流程中的痛点在哪里，AI编程让他跳过了"向程序员描述需求"这个信息损耗最大的环节。

从软件工程的角度来看，这实际上消除了传统开发流程中最大的瓶颈——需求沟通。在传统模式下，领域专家需要将自己的专业知识翻译成产品需求文档，产品经理再将其转化为技术需求，程序员再将技术需求转化为代码。每一次转译都伴随着信息损耗和理解偏差。Vibe Coding将这个多步骤的链条压缩为一步：领域专家直接用自然语言告诉AI自己想要什么，AI直接生成代码。这种模式特别适合那些需求明确但技术实现复杂的专业工具开发场景。

对行业的启示

这个案例给我们几个重要的思考方向：

1. AI编程的最佳使用者可能不是程序员，而是那些有明确专业需求但缺乏编程能力的领域专家
2. 桌面级应用的门槛正在消失——从网页小工具到可打包分发的桌面程序，Vibe Coding的能力边界在快速扩展。借助Electron、Tauri等跨平台框架，AI可以帮助非程序员生成可在Windows、Mac上直接运行的独立应用程序，这在两年前还是不可想象的
3. AI工具链的串联才是真正的生产力——单独的AI审图或AI生图意义有限，但将审图、建议、生图、改视频串成完整工作流，效率提升是指数级的。这种"AI Agent工作流"的思路正在各行业被验证：不是用单一AI工具替代某个环节，而是用多个AI能力串联起来重构整个流程

正如徐老师所说，这是未来的趋势，是我们必须紧跟其上的。对于CG行业乃至所有创意行业的从业者来说，学会用AI编程来定制自己的专业工具，可能是当下最值得投入时间的技能之一。