我让 GPT-6 做了一池锦鲤

大家好，我是不会喷火的小火龙。

最近大家都在聊大模型的代码能力进化到了什么阶段。官方文档里反复强调复杂任务的端到端交付，社区里也满是几十秒搞定一个原型的演示。作为一个每月 Token 账单不低的实战派，我向来对跑分和 PPT 保持克制。一个模型到底是"能写代码"还是"能交付产品"，只有扔进一个有真实物理和美学约束的深水区项目里，才能见真章。

于是我做了一个实验：在 Codex 环境里，让 GPT-6 从一份空白代码开始，完整交付一个运行在浏览器里的 3D 互动锦鲤池。

然而，整个过程最耐人寻味的不是它写代码有多快，而是在初版交付时，面对一屏全绿的自动化测试，我却发现"这哪是锦鲤"。

一、所有测试都跑通了，可镜头一拉近："这哪是锦鲤"

初版的交付速度快得让人挑不出毛病。

从水面网格、摄像机轨道控制器，到鱼群的行为树与投喂系统，GPT-6 一气呵成。更让人放心的是，它顺手写了一套基于 Vitest 的自动化测试：投喂 9 粒饲料，池子里的鱼全部精准感应并准确吞咽，测试用例 6 项全绿。

在纯逻辑层面上，这个任务已经完美闭环了。

但作为一个做过几年产品的开发者，我没有只看终端里的绿勾，而是滑动滚轮，把摄像机拉到了水面之下。

画面放大的那一瞬间，我直接愣在屏幕前。

池水是清澈的，波纹在扩散，但这哪是锦鲤？它分明是用基础圆锥和几何体拼凑出来的彩色梭子。鱼头和鱼尾的粗细过渡像两根削尖的铅笔，鱼鳍薄得像贴在两旁的硬塑料片，在水里机械地左右摆动。

自动化测试能证明"鱼把食物吃了"，却证明不了"在水里游的是一条锦鲤"。

这一刻我意识到，大模型编程的评测逻辑在今天发生了本质变化：逻辑自洽对于顶级模型已经不是门槛，真正的挑战始于代码跑通之后的人类肉眼验收。

二、为什么挑锦鲤池？它专治 AI 的"表面工程"

很多人用 AI 写代码，喜欢挑 TodoList、计算器或者后台 CRUD。那些项目的数据流太工整，很难触碰到代码生成与现实质感之间的真实暗礁。

我之所以挑 3D 锦鲤池，是因为它是一个典型的"多重物理与交互复合系统"。在立项之初，我便拉出了一个现代前端图形技术栈（React 19 + Three.js r180 + Codex），并立下了一条死规矩：零外部资产引入。

整个项目不允许引入现成的 glTF/OBJ 3D 模型，也不准加载外部图片纹理。所有东西------从鱼体流线、鱼鳞凹凸、水面焦散折射、到涟漪衰减与昼夜环境音效，全部必须用代码程序化生成（Procedural Generation）。

这种约束专门用来筛掉 AI 的表面工程，因为它同时把四重难题推到了面前：

生物几何与次级运动：真实的鱼不仅沿脊椎做 S 形波动，背鳍、腹鳍和尾鳍还要带着明显的阻尼感和相位差。
多层交互状态机：点击水面要产生局部顶点位移，投喂饲料时鱼群要经历"游弋---索敌---冲刺---吞咽---离场"的动态切换。
昼夜灯光插值：日光、落日与夜景射灯之间要平滑过渡，同时联动水体透明度与水底焦散的对比度。
移动端性能兜底：水草采用 InstancedMesh 进行 GPU 合批渲染，桌面端保持 12 尾、移动端动态降频为 8 尾，确保在各类移动设备上稳定跑满 60 帧。

在这套严苛的物理约束下，只要模型代码里有一丁点敷衍，画面立刻就会崩塌。

三、一次审美返工，牵出了代码底层的真实暗礁

面对初版那些"彩色圆锥"，我没有换会话重新生成，而是把镜头拉到近距离，给出了严厉的审美反馈："体型太假，没有生物流线；花斑位置错乱；鱼鳍缺乏结构"。

真正的技术较量正是从这次返工开始的。这一改，直接把 GPT-6 逼到了 Three.js 和 WebGL 图形学的底层。

1. 骨架重塑：从对称圆锥到 11 控制点样条

初版的鱼为什么难看？因为大模型默认采用了均匀放样。现实中锦鲤的生物学特征非常特殊：肩部最宽且隆起，头部钝圆，而尾柄却极其收紧。

为了打破几何体的僵硬感，GPT-6 重写了几何体生成算法，引入了三次 Hermite 样条曲线（Hermite Spline），沿着鱼身纵向轴线精确布设了 11 个控制点。它将锦鲤的"肩宽"严苛设定为"尾柄"的 4 倍，并在背部拉出符合流体力学的微微拱起。同时，鱼鳍彻底告别单片多边形，采用 637 个顶点的扇面骨架重建了胸鳍与尾鳍，边缘带有细微的透明度渐变。

锦鲤的骨架终于有了水流冲刷出来的力量感。

2. 花纹颠倒：一行代码背后的 WebGL 坐标系暗礁

体型搞定后，新的视觉 Bug 冒了出来：红白、大正三色的锦鲤花斑，居然全贴到了鱼肚皮上，而原本该绚烂的鱼背却是一片惨白。

顺着代码往下挖，才发现这是 Three.js 与 HTML5 Canvas 之间极易踩坑的坐标系暗礁：

在 HTML5 Canvas 2D 绘图上下文中，坐标系原点在左上角，Y 轴正方向向下；
而在 WebGL 纹理贴图标准中，UV 坐标系的原点默认在左下角，Y 轴正方向向上。

当用纯代码在 Canvas 内存画布里绘制随机噪波花斑，再作为 THREE.CanvasTexture 映射到三维鱼体时，整个纹理在纵向直接颠倒了。

修复这一问题的关键代码极其克制，只有一行：

typescript 复制代码

texture.flipY = false;

但这简简单单的一行，直接映射出代码生成在跨渲染管道时的底层认知深度。加上这行属性后，鱼背的花斑瞬间各归其位。

3. 从 6 项功能断言到 9 项数学断言

为了确保改模没有破坏原有的运行逻辑，测试用例从最初的 6 项扩充到了 9 项。

新增的 3 项测试不再仅仅检验投喂状态机的回调，而是在 Vitest 中引入了密集的几何断言：在鱼身截面上布设了 1,000 个采样点，针对法线向量的平滑连续性、UV 接缝的闭合度以及顶点位移的最大曲率做了严密的数学校验。

逻辑全通，视觉也终于摆脱了"彩色圆锥"。

四、当 AI 能写一切代码，开发者到底在验收什么？

看着池子里轻摆尾鳍、游弋吃食的锦鲤，我坐在屏幕前想了很久。

过去评判一个开发者的硬实力，往往看他敲代码的手速有多快、对 API 语法的记忆有多准、写复杂状态机需要几个小时。但在这个实验里，GPT-6 在几十秒内就能吐出几百行无语法错误的图形代码，几分钟内就能跑通一整套 Vitest 测试套件。

在这个时代，代码的执行力已经严重通胀，而人类的审美与场景判断力正在急剧通缩。

AI 可以在 30 秒内给出一个合规的算法，但它不知道一条鱼怎样摆尾才叫灵动；它能把 Canvas 纹理贴在 Mesh 上，但它不会觉得红斑长在肚皮上有多别扭。它只对给定的 Prompt 和测试用例负责，而对真实世界的质感一无所知。

自动化测试能算出食物距离、能断言状态机是否迁移，但它永远测不出什么叫"这哪是锦鲤"。

当写代码的边际成本趋近于零时，开发者的核心角色正在发生重塑：我们不再是逐行堆砌石块的泥水匠，而是那个坐在监工席上，手握审美准绳、验收体验边界的首席产品官。

五、给独立开发者的 3 条人机协作避坑清单

如果你也准备用 AI 工具链（不管是 Codex、Claude 还是 Cursor）从零做一款带有交互和图形细节的独立产品，这是我在锦鲤池里踩坑后总结的 3 条实战清单：

输入给具体物理约束，不给抽象形容词

不要对 AI 说"做得写实一点、生动一点"，这种抽象词只会带来幻觉和敷衍。明确告诉它"肩宽与尾柄比设为 4:1"、"沿纵向采用 11 控制点 Hermite 样条"、"鳍条做带阻尼的次级摆动"。具体的数学和空间参数，比一百个主观形容词都管用。
逻辑交给自动化测试，质感死守肉眼验收

因果链明确的逻辑（摄食状态机、距离阈值、合批销毁），全部用自动化测试锁死，让 AI 自行编写并跑通；但光影漫反射、动态韵律、交互阻尼和美学平衡，哪怕测试全绿，也必须由你逐帧拉近去肉眼验收。
架构优先选纯代码程序化，降低重构阻力

能用代码数学生成的资产，前期尽量避免引入沉重的外部静态资源包。轻量的纯代码结构能让 AI 在几十秒内完成整个模型的推倒重来，试错和返工的摩擦力几乎为零。

最后留个互动 ：

你在用 AI 编程时，有没有遇到过那种"测试全绿、代码全对，但做出来的东西一眼难尽"的时刻？欢迎在评论区聊聊你的验收经历。