GPT-6.1-sol驱动的3D售货机实现全流程自动讲解，60罐饮料全模型自建无外部贴图

一台能自己“开口说话”、逐层拆解内部结构、并完整演示出货流程的3D售货机，近日在技术社区引发关注。该项目并非商业产品原型，而是一次基于 GPT-6.1-sol 辅助开发的工程实践——开发者全程使用 TypeScript + Three.js 构建场景，所有机械部件、饮料罐体与界面元素均由代码生成，未引入任何外部3D模型或图片素材。

该售货机共设四层货架、20条独立货道，每道容纳3罐饮料，总计60罐。罐身标签、屏幕内容、机身纹理均通过 CanvasTexture 动态绘制，实现真正意义上的“零贴图依赖”。项目初期仅实现基础旋转浏览功能，后续逐步迭代加入机械结构建模、物理驱动逻辑与语音讲解系统，最终形成一套完整的交互式教学演示工具。

核心难点在于机械逻辑的精确还原。例如，出货机构采用减速电机驱动螺旋推进器，罐体需严格位于相邻螺距之间；当推进距离等于螺距（模型中设定为0.18米）时，前罐越过支承边缘，进入重力下落阶段。下落过程采用1/240秒固定步长的简化2.5D物理模拟，包含重力、摩擦与低反弹特性，但未构建通用刚体引擎——此举在保证视觉合理性的前提下显著降低计算开销。

更关键的是防错机制设计。系统需判断罐体是否真实接触取货仓底板并稳定静止，而非仅依据速度阈值判定“送达成功”。曾出现过罐子卡在斜板上、机器却宣布交易完成的异常情况，最终通过多条件联合校验解决。此外，取货路径明确设计为“抬起→外移”，避免因自由落体导致碰撞不确定性。

拆解功能是另一大亮点。整机159个零件支持选中、高亮与隐藏操作，用户可拖动进度条控制拆装过程：从门板分离、外壳移位、货架抽离，到螺旋与电机组件逐一展开，所有位移均基于统一装配原点动态计算，确保反向复原时各部件精准归位，避免传统动画中常见的“累积偏移”问题。

语音讲解系统采用 Ming-3.0-tts 引擎，默认使用“灵小柔”女声，亦可切换至“灵楷”男声。讲解内容随拆解步骤动态触发，例如讲到电机时自动切入内部特写镜头，罐体下落时镜头同步追踪轨迹。为保证声音连贯性，开发者重点优化了语音合成的一致性，使全程讲解听感如同出自同一人之口。

技术栈方面，项目基于 Vite 构建，前端使用 Three.js 实现渲染，逻辑层由 GPT-6.1-sol 协助完成提示词迭代与代码补全。值得注意的是，该项目并非一次性成型，而是分阶段演进：第一版仅能旋转查看静态模型；第二版加入机构建模后发现原货道尺寸无法容纳弹簧与驱动件，被迫重构布局；第三版实现基础出货逻辑；最终版本才整合语音、拆解与状态管理模块。

开发过程中，提示词随问题不断调整。例如早期对“如何让罐子准确落入取货仓”的提问较模糊，后期细化为“在固定货道宽度与螺距条件下，推导罐体脱离支承点的临界转角与下落起始位置”，从而获得更可靠的几何约束方案。这种“问题驱动+AI辅助”的开发模式，显著提升了复杂机械逻辑的实现效率。

项目最终打包为单文件离线版，无需联网即可运行全部功能，适用于教学演示或技术分享场景。其价值不在于复刻真实售货机，而在于提供一个可观察、可交互、可追溯的机械原理沙盒——从机构配合到信号反馈，每个环节均可被拆解验证。

此类项目在当前技术生态中具有典型意义。一方面，它体现了大模型作为“编程协作者”在具体工程任务中的落地能力：GPT-6.1-sol 并非直接生成完整代码，而是协助开发者梳理逻辑链、修正几何错误、优化状态机设计；另一方面，它也反映出前端3D可视化正从“展示型”向“交互型”演进——用户不再满足于静态浏览，而是期待理解背后的运作机制。

对比行业常见做法，多数3D产品演示仍依赖Blender等工具建模后导入Three.js，而本项目坚持“纯代码建模”，虽增加前期工作量，却换来高度可控性与可维护性。例如当需调整货道数量时，只需修改参数，无需重新建模；当发现某零件干涉路径，可直接在代码中修正坐标关系。

目前该项目已开源，代码与说明文档发布于开发者社区。尽管尚未接入真实支付或库存系统，但其架构已预留交易状态接口，未来可扩展为教育用具、工业培训模块或AR/VR内容基础组件。在AIGC与WebGL深度融合的背景下，这类“轻量级、高内聚、强解释性”的交互式仿真项目，正成为技术传播与知识沉淀的新载体。