大角几何 3D 渲染 API 上线:让立体题图进入自动化生产流程

立体几何图能在画板里转动起来,只解决了一半问题。

对题库、课件、教研平台和 AI 数学产品来说,另一半问题是:怎样把做好的立体几何工程,稳定地变成业务系统可以直接使用的图片?

过去,这一步常常需要打开画板、调整视角、手动导出,再把图片上传到题库或课件中。单张图尚可处理,一旦面对几百道题、多个版式或持续更新的内容,重复操作很快就会成为生产瓶颈。

现在,大角几何开放平台的渲染 API 已支持立体几何画板。

开发者可以通过新的 POST /api/render/v2 接口提交完整的大角几何工程,选择其中的 3D 画板,并直接获得渲染后的 PNG 图片链接与相关元数据。

换句话说,立体几何不再只能停留在编辑器里,也可以正式进入服务端和自动化内容流水线。

不只是"导出一张截图"

立体图的最终效果,取决于从哪里看、用什么投影看,以及以多大尺寸输出。

因此,这次上线的能力并不只是给 3D 画板增加一个导出按钮,而是把影响成图效果的关键参数开放给业务系统:

  • 自定义相机视角:设置观察中心、水平角、俯仰角和缩放比例;
  • 选择投影模式:支持正交投影、透视投影与斜投影;
  • 指定目标画板:从包含多个画板的完整工程中选择需要渲染的 3D 内容;
  • 控制输出尺寸 :设置逻辑宽高,并通过 pixelRatio 输出更高分辨率的 PNG。

例如,将逻辑尺寸设为 1280 × 720、pixelRatio 设为 2,最终即可得到 2560 × 1440 像素的图片。

同一个立体几何工程,也可以根据不同用途选择不同视角和规格:题库解析页需要结构清楚的正交投影,课堂课件可以使用更有空间感的透视投影,印刷或高清展示则可以提高输出分辨率。

工程内容不必重画,交付形式可以按场景变化。

立体题图终于可以批量处理

真正值得关注的,不是又多了一种图片导出方式,而是立体几何内容开始具备可编排、可重复的生产路径。

对题库和教辅内容团队

系统可以读取已经完成或审核通过的立体几何工程,按指定视角批量输出题图,再写入题目、解析或讲义页面。题目修改后重新渲染即可,不必重新截图和上传。

对课件与备课工具

同一份空间图形可以按 16:9 课件、讲义插图或移动端页面的尺寸分别导出。开发者还能为不同讲解步骤设置不同观察角度,生成一组连贯的演示素材。

对 AI 数学产品

AI 工作流或教研人员先准备、编辑并确认一个立体几何工程,业务系统再调用渲染 API 交付最终图片。这样,内容准备、人工校正和正式发布可以围绕同一份结构化工程完成,而不是在多个截图版本之间来回传递。

对自动化内容工作流

渲染任务可以接入现有服务端程序,与题目入库、内容审核、资源存储和多端发布串联起来。几何图由一次性的手工作品,变成可以持续处理的内容资产。

从"能画立体图"到"能交付立体图"

今年 9 月,大角几何的 MCP 与 SDK 已支持立体几何图片渲染,让 3D 图形可以从 AI 工具调用和产品内嵌画板中导出。

这次 HTTP API 补上了服务端的一环。

现在,一套立体几何内容可以在不同环节中继续流转:

  1. 在大角几何主站或内嵌 SDK 中创建工程,也可以将工程接入 AI 工作流;
  2. 由老师、教研人员或业务系统检查和保存内容;
  3. 通过 POST /api/render/v2 选择视角与投影方式;
  4. 输出指定分辨率的 PNG,进入题库、课件、讲义或发布流程。

画板解决交互,工程文件承载结构,API 负责规模化交付。

这三者连起来之后,立体几何才真正从一个"能演示的新功能",变成产品可以调用的基础能力。

开始接入

如果你的产品已经保存了大角几何工程,并希望自动生成立体几何图片,可以使用 POST /api/render/v2 开始接入。

当前 3D 渲染输出格式为 PNG 。调用时,view2D 与 view3D 不能同时传入,角度参数使用弧度;如未设置输出宽高,默认均为 1024,pixelRatio 默认为 1。

查看能力上线公告

查看 PNG 导出接口文档

进入大角几何开放平台控制台

相关推荐
呆萌很4 小时前
长尾分类(Long-tailed Classification)方法汇总
人工智能·分类
for_ever_love__4 小时前
LangChain Agentic RAG:让 Agent 自己决定要不要检索、检索几次
人工智能·golang·langchain·rag·langgraph·agentic·自适应检索
Fxrain4 小时前
[Paper-Reading] CUAs 安全与隐私威胁综述
人工智能·安全·agent·智能体
乱世军军4 小时前
安装最新版本
人工智能
Mickey同学4 小时前
大模型应用的运行原理:Token、上下文、采样、成本与工程边界
人工智能
海边捡石子4 小时前
向量、图谱还是文件:Agent 记忆怎么选
人工智能·llm·agent
tiger从容淡定是人生4 小时前
从 Gemini 的任务示例出发:AI 能否从知识中推导工作流?
java·人工智能·aigc·知识图谱·创业创新·零知识证明
向哆哆4 小时前
外墙裂缝目标检测数据集:6,000+张图像 | 目标检测
人工智能·目标检测·计算机视觉
鶴哥只手遮天4 小时前
第 06 章 SQLite 持久化契约与数据模型
人工智能·开源
suliqiang4 小时前
AI 编程新范式:Vibe、Agentic 与 Spec 实战指南
人工智能·ai编程·ai-native