تصور کنید یک طراح یا علاقهمند به دنیای مدلسازی بتواند تنها با نوشتن چند خط متن، یک فیگور فیزیکی از شخصیت مورد علاقهاش را روی میز کار ببیند. آیا تبدیل یک پرامپت متنی ساده به یک عروسک پولیشی فیزیکی ممکن است؟ گردشکار عامل Craftsman (Craftsman Agent) این رویای تبدیل متن به محصول فیزیکی را به واقعیت تبدیل کرده است و به کاربران اجازه میدهد تا از عاملهای محلی مانند Codex، Claude یا Gemini برای سازماندهی یک خط لوله پیچیده از تولید تصویر و مدلسازی سهبعدی استفاده کنند.
این قابلیت در حالی معرفی میشود که عاملهای هوش مصنوعی (AI Agents) — شبیه به دستیاران هوشمندی که نهتنها حرف میزنند، بلکه میتوانند ابزارها را برای انجام کارهای واقعی به کار بگیرند — از محیطهای چت ساده به سمت تعامل با دنیای فیزیکی حرکت میکنند. این روند بخشی از یک استراتژی گستردهتر برای تجاریسازی این ابزارهاست که در نقشه راه ۲۰۲۶ برای ساخت و فروش عاملهای هوش مصنوعی B2B به تفصیل بررسی کردهایم. همانطور که در تحلیل قبلی ما دربارهی قابلیتهای کنترل کامپیوتر در مدلهای آنتروپیک و نیاز به لایههای تأیید اشاره کردیم، این گردشکار نشان میدهد که چگونه عاملها اکنون میتوانند APIهای صنعتی تخصصی را برای خلق کالاهای ملموس مدیریت کنند. تصور کنید یک علاقهمند به هنر بتواند یک طرح دستی را بدون داشتن دانش استفاده از نرمافزارهای حرفهای CAD، به یک فیگور PVC تبدیل کند.
الزامات سیستم و دسترسی
به نقل از یک آموزش در وبسایت dev.to که در ۲۵ اوت ۲۰۲۶ منتشر شد، برای پیادهسازی این سیستم، کاربران به رابطهای خط فرمان (CLI) عاملهای محلی یا Workbuddy نیاز دارند. هسته اصلی این سیستم توسط مهارتهای عامل Craftsman (Craftsman Agent Skills) در گیتهاب مدیریت میشود. به طور مشخص، مجموعه مهارت toy_generator مورد نیاز است که از سه تابع ضروری تشکیل شده است:
toy_generator_design_draft: برای مفهومسازی اولیه و طراحی پیشنویس.toy_generator_task_create: برای شروع فرآیند تولید مدل سهبعدی.toy_generator_task_poll: برای ردیابی پیشرفت تسک تولید و دریافت وضعیت.
دسترسی به این قابلیت مستلزم داشتن کلید DEEPNLP_ONEKEY_ROUTER_ACCESS است. این کلید برای دسترسی به OneKey MCP CLI یا APIها ضروری است؛ ابزارهایی که عامل را به پیشرفتهترین (SOTA) تولیدکنندههای تصویر مانند Nano Banana و APIهای مدلسازی سهبعدی نظیر Tripo و Meshy متصل میکند.
گردشکار فنی
فرآیند تولید از یک مسیر خطی و سختگیرانه پیروی میکند: [پرامپت متن/تصویر] $ \rightarrow $ [پیشنویس طراحی / صفحه چندنمایی] $ \rightarrow $ [ایجاد تسک تولید سهبعدی: Task ID] $ \rightarrow $ [ردیابی پیشرفت نتایج با استفاده از Task ID] $ \rightarrow $ [مدل سهبعدی عروسک + پیشنمایش].
۱. تولید صفحات چندنمایی: عامل ابتدا صفحهای میسازد که نماهای جلو، کنار و پشت شخصیت را نشان میدهد. این مرحله برای دقت در تولید فیزیکی حیاتی است. برای مثال، هنگام ساخت یک عروسک پولیشی، میتوان به عامل دستور داد تا از پسزمینه سفید و بافتهای خاص، مانند «بافت دانهدار درشت» (coarse grain texture) برای یک شخصیت گاو، استفاده کند.
۲. مدلسازی سهبعدی: سیستم از این صفحات برای تولید فایلهای با فرمت .obj یا .glb استفاده میکند. تولید سهبعدی از سه حالت متمایز پشتیبانی میکند: «تصویر به مدل»، «متن به مدل» و «صفحات چندنمایی به مدل». اگرچه میتوان از تکتصاویر استفاده کرد، اما صفحات چندنمایی از بروز خطا در نقاط پیچیده جلوگیری میکنند؛ مثلاً تضمین میکنند که دم گاو در جایگاه درست قرار گرفته باشد. این رویکرد تکمیلی بر ابزارهایی است که مانند Backflip AI اسکنهای سهبعدی را به مدلهای CAD قابل ویرایش تبدیل میکنند تا دقت مهندسی در مدلهای تولیدی افزایش یابد.
۳. تولید صنعتی: فایلهای نهایی به Craftsman Agent Store ارسال میشوند. این پلتفرم یک فروشگاه تولید بر اساس تقاضا (manufacturing-on-demand) است که کاربران را به بیش از ۱۰۰۰ کارگاه صنایع دستی متصل میکند تا طرحهای دیجیتال را به محصولات نهایی تبدیل کرده و ارسال نماید.
جزئیات پیادهسازی
برای راهاندازی محیط، کاربران باید ابتدا مهارتها را از طریق خط فرمان با دستور npx skills add ai-hub-admin/craftsman-agent یا openclaw skills install @ai-hub-admin/toy-generator نصب کنند. پیش از اجرای APIها، متغیر محیطی باید تنظیم شود تا از خطای «Key not found» جلوگیری شود: export DEEPNLP_ONEKEY_ROUTER_ACCESS=your_access_key.
پس از شروع فرآیند، تولید مدل سهبعدی چندین دقیقه زمان میبرد. API ابتدا یک session_id و یک share_url برمیگرداند تا کاربر بتواند پیشرفت کار را در فضای کاری (workspace) مشاهده کند. سپس کاربر باید task_id را تا زمانی که فایل نهایی .glb برای دانلود از کنسول آماده شود، بررسی (poll) کند.
به عنوان مثال، در این آموزش، ساخت مدل سهبعدی شخصیت گاو Niulai نمایش داده شده است. با ارائه اسکرینشاتهای انیمیشنی با رزولوشن پایین به عنوان مرجع، عامل توانست مدلی با بافت دانهدار آماده برای چاپ سهبعدی تولید کند. سایر دموهای موفق شامل عروسک پولیشی Steve از بازی Minecraft و فیگورهای متریال PVC از شخصیتهای Alex و Kulipa است.
این تحول، هوش مصنوعی را از صفحه نمایش به کف کارخانه میبرد. برای یک سازنده معمولی، این یعنی حذف سد فنی عظیم مدلسازی سهبعدی. در واقع، مدل زبانی بزرگ (LLM) اکنون به یک مدیر محصول تبدیل شده است که تحویل فنی بین یک ایده خلاقانه و یک کارخانه فیزیکی را مدیریت میکند. این جایگاه جدید در واقع بخشی از تفکیک بازار ابزارهای طراحی AI به دستههای غیررقابتی است که در آن هر ابزار نقش خاصی در زنجیره تولید ایفا میکند.
با این حال، وابستگی به یک درگاه خاص مانند OneKey نشان میدهد که اکوسیستم فعلی هنوز تکهتکه است. ارزش واقعی در اینجا نه فقط در مدل سهبعدی، بلکه در خط لولهای یکپارچه است که خروجی AI را به شبکهای از بیش از ۱۰۰۰ کارگاه فیزیکی گره میزند.
کاربرانی که به این گردشکار علاقهمند هستند میتوانند با نصب مهارتها و کاوش در اپلیکیشن وب Craftsman Agent Toy Generator شروع کنند.
گام بعدی شما
- نصب مهارتهای Craftsman Agent از طریق گیتهاب برای تست محیط محلی.
- بررسی اپلیکیشن وب Toy Generator برای درک بهتر رابط کاربری.
- آزمایش تبدیل تصاویر دوبعدی قدیمی به مدلهای .glb برای ارزیابی دقت.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو