它是怎么工作的
不用懂技术，四步就能看懂
1
💬
你说一句想要的感觉
比如「北欧暖色系卧室」。不用画图、不用量尺寸，说感觉就行。
2
🛒
AI 从 693 件真实家具里挑品
每一件都是真实商品的 3D 模型，带真实尺寸——不是随手画的色块。
3
📐
自动摆放，再做六项检查
- 干涉：家具之间不能挤在一起
- 挡门：门前和开门范围要留空
- 挡窗：窗前不能堵住采光通风
- 走道：主要通道至少留 0.6 米
- 净高：家具不能顶到天花板
- 穿墙：家具不能插进墙里
4
🔁
不合格就自动重做
把检查出的问题反馈给 AI 重新摆，最多重做 3 轮，直到全部通过，再把 3D 效果交给你。
3D 交互展示
两间卧室由同一条管线生成：左卧北欧暖色系（9 件），右卧极简白色（9 件）。拖拽旋转、滚轮缩放。
左卧 · 北欧暖色系
正在加载房间…
拖拽旋转 · 滚轮缩放 · 右键平移 · 点击验证条目可高亮对应家具
过程回放
真实记录：每一轮 AI 想了什么、机器查出了什么问题、下一轮改了什么，直到全部通过。
正在加载回放数据…
LLM 只输出「床靠北墙」这类语义，坐标全部由规则引擎算出，合规由脚本判定——AI 不会画错坐标，因为它不画坐标。
家具库
候选池来自 Amazon Berkeley Objects 数据集的家具子集，每一件都有真实尺寸与几何数据。
0全库总资产
0严格家具（坐具 / 桌台 / 储物 / 床）
0本次演示使用
全库分类分布
子类 Top 6
示例家具（本次演示实际使用）
技术细节
给技术读者——普通读者可以跳过这一节。
闭环架构、解算与验证机制
LLM 语义→
anchors 解算→
validate 六项→
loop 重排 ≤3 轮→
three.js 呈现
语义层 · LLM输出选品、角色、墙锚点与朝向语义，不接触任何坐标。
解算层 · anchors把墙锚点语义换算为足迹、坐标与朝向，生成无碰撞落位。
验证层 · validate干涉 / 撞墙 / 挡门 / 挡窗 / 走道净宽 / 净高六项确定性校验，返回结构化 issues。
重排层 · loop把 issues 反馈给 LLM 修订语义方案（默认最多 3 轮），取合规最优解。
check_collisions家具足迹两两干涉（含阈值）
check_wall_overlap家具与墙体穿模重叠
check_doors门洞通行带与门扇扫掠弧
check_windows窗前采光/通行带遮挡
check_corridors主通道净宽（默认 0.6m）
check_heights家具净高与天花板冲突