meshgen
MeshGen 是一款专为 Blender 设计的 AI 插件,旨在让用户通过自然语言指令直接操控这款强大的 3D 创作软件。它并非要取代设计师的创意工作,而是作为智能助手,帮助用户更高效地执行建模、场景调整等复杂操作,解决了传统 3D 制作中命令繁琐、学习曲线陡峭的痛点。
无论是专业 3D 设计师、游戏开发者,还是对 AI 辅助创作感兴趣的研究人员,都能从中受益。普通用户若拥有高性能显卡,也可利用本地部署轻松体验;而追求极致效果的专业人士则可通过 API 连接云端大模型。
MeshGen 的技术亮点在于其灵活的架构:支持本地运行(基于 llama.cpp 或 Ollama),保护数据隐私且无需联网;同时也兼容 Hugging Face、Anthropic 和 OpenAI 等远程服务,让用户能按需调用 Llama、Claude 或 GPT-4o 等顶尖模型。此外,它还可选集成 LLaMA-Mesh 和 Hyper3D 技术,进一步增强对 3D 网格的理解与高保真生成能力。只需在 Blender 偏好设置中简单配置,即可开启“对话式”3D 创作新体验。
使用场景
一位独立游戏开发者正在 Blender 中紧急构建一个科幻风格的废弃空间站场景,需要快速生成大量结构复杂且风格统一的资产。
没有 meshgen 时
- 重复劳动繁重:手动建模每一个通风管道、破损面板和支撑梁,耗费数小时在机械性的挤出和倒角操作上。
- 技术门槛限制:面对复杂的拓扑结构或程序化生成需求,因不熟悉 Python 脚本编写而无法实现自动化批量处理。
- 创意迭代缓慢:想要尝试“更扭曲的金属结构”或“不同分布的电缆”时,必须推翻重做或花费大量时间微调参数,严重打断心流。
- 上下文切换频繁:需要在查阅建模教程、寻找外部插件和返回 Blender 操作之间不断切换,导致注意力分散,效率低下。
使用 meshgen 后
- 自然语言驱动建模:直接在 Blender 侧边栏输入“生成一组带有锈蚀痕迹的六边形通风口”,meshgen 调用 AI Agent 自动执行建模步骤,瞬间完成基础形态。
- 零代码实现自动化:无需编写一行 Python 代码,通过对话指令即可让 meshgen 控制 Blender API,批量生成并随机化排列数百个场景道具。
- 实时创意验证:随口说出“让结构看起来更像被爆炸冲击过”,meshgen 立即理解意图并调整网格形变与细节,支持秒级的多方案对比。
- 沉浸式工作流:全程无需离开 Blender 界面,本地或云端大模型直接在软件内响应指令,让开发者专注于艺术指导而非技术实现。
meshgen 将繁琐的建模执行转化为直观的创意对话,让艺术家真正掌控 3D 创作的节奏与想象力。
运行环境要求
- Windows
- macOS
- Linux
- 本地推理或 LLaMA-Mesh 集成必需:NVIDIA GPU,显存至少 8GB,需安装 CUDA 版本的插件
- 远程推理非必需
未说明

快速开始
MeshGen
使用 AI 代理通过自然语言控制 Blender。

功能
- 专注于将 AI 作为工具,而非替代品
- 多种后端选项:
- 本地推理:使用 llama.cpp 或 Ollama
- 远程推理:使用 Hugging Face、Anthropic 或 OpenAI
- 可选的 LLaMA-Mesh 集成,用于本地网格理解和生成
- 可选的 Hyper3D 集成,用于高保真 3D 网格生成
安装
- 访问 最新发布 页面
- 下载适用于您平台的插件 ZIP 文件
- 在 Blender 中,依次进入
编辑->偏好设置->附加组件-> 右上角箭头 ->从磁盘安装... - 选择下载的 ZIP 文件
设置
本地后端

在 Blender 中直接免费运行模型。
仅当满足以下条件时才选择此选项:
要设置本地后端,您可以:
- 点击
下载推荐模型,以下载 Meta-Llama-3.1-8B-Instruct-GGUF - 手动下载一个
.GGUF模型,并将其放入模型文件夹中(可通过点击文件夹图标找到该文件夹)
远程后端

MeshGen 支持多种远程后端。
- Ollama:在免费的本地服务器上运行模型
- Hugging Face、Anthropic 或 OpenAI:通过 API 运行强大的模型
对于大多数用户来说,推荐使用 Hugging Face,它提供对强大模型的有限免费使用。
Ollama
通过 Ollama 服务器在本地免费运行模型。
- 安装 Ollama
- 在终端中运行
ollama serve - 在
提供商下拉菜单中选择Ollama - 输入您的
Ollama服务器地址和模型名称(默认设置通常适用于大多数用户)
Hugging Face
通过 Hugging Face API 运行各种模型,如 Llama、DeepSeek、Mistral、Qwen 等。
- 在 Hugging Face 上创建一个账户
- 前往 hf.co/settings/tokens 并创建一个新的令牌
- 在
提供商下拉菜单中选择Hugging Face - 将您的
Hugging Face令牌输入到API 密钥字段中 - 您还可以根据需要更改
模型 ID,例如使用meta-llama/Llama-3.3-70B-Instruct
Anthropic
使用 Anthropic API 运行 Anthropic 模型(如 Claude)。
- 在 Anthropic 上创建一个账户
- 前往 console.anthropic.com/settings/keys 并创建一个新的密钥
- 在
提供商下拉菜单中选择Anthropic - 将您的
Anthropic密钥输入到API 密钥字段中 - 您还可以根据需要更改
模型 ID,例如使用claude-3-5-sonnet-latest
OpenAI
使用 OpenAI API 运行 OpenAI 模型(如 ChatGPT)。
- 在 OpenAI 上创建一个账户
- 前往 platform.openai.com/api-keys 并创建一个新的密钥
- 在
提供商下拉菜单中选择OpenAI - 将您的
OpenAI秘密密钥输入到API 密钥字段中 - 您还可以根据需要更改
模型 ID,例如使用gpt-4o-mini
可选集成

要启用可选集成,请依次进入 编辑 -> 偏好设置 -> 附加组件 -> meshgen -> 集成。
启用这些功能后,代理会根据上下文自动获得对这些工具的访问权限。
LLaMA-Mesh
使用 LlamaMesh 进行本地网格理解和生成。
仅当满足以下条件时才选择此选项:
- 您拥有一块至少 8GB 显存的强大 NVIDIA 显卡
- 在 安装 时已安装了带有
cuda的插件版本 - 您正在使用远程 API 后端(如 Hugging Face、Anthropic 或 OpenAI),因为 LLaMA-Mesh 会在您的本地机器上加载
要启用 LLaMA-Mesh,点击 加载 LLama-Mesh,并等待模型加载完成。
Hyper3D
使用 Hyper3D 进行高保真 3D 网格生成。
启用步骤如下:
- 勾选
启用 Hyper3D - 在
API 密钥字段中输入您的 Hyper3D API 密钥(目前可以使用awesomemcp密钥免费使用)
每生成一个网格可能需要几分钟时间。
使用方法
- 按下
N键 ->MeshGen(或依次进入视图->侧边栏-> 选择MeshGen选项卡) - 输入提示词,例如:
创建一个雪人 - 点击
提交
故障排除
- 在控制台中查找错误信息:
- Windows:在 Blender 中,依次进入
窗口->切换系统控制台 - Mac/Linux:从终端启动 Blender
- Windows:在 Blender 中,依次进入
- 如有错误,请在 问题页面 上报告
版本历史
v0.7.12025/04/14v0.7.02025/04/01v0.6.02025/03/14v0.5.02025/03/08v0.4.02025/03/07v0.3.12024/12/23v0.3.02024/12/03v0.1.02024/11/27常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。