为什么用 GPT / WorkBuddy 做外观设计还像抽奖，行业里谁已经不抽了、靠什么，以及一套落到你本机工具链上的流水线。
行业里没有"短剧式"的端到端 ID 流水线产品。Vizcom 是唯一以工业设计为核心客群的 AI 工作台，但它官方口径是"AI 只在项目前 30% 有价值，品牌一致性、可制造性、生产交接不该交给 AI"，评审留给人。短剧圈那种把 SOP 固化成节点平台的东西（LibTV），ID 领域不存在。
但成熟团队的做法高度一致，可以直接抄骨架。GM、Kia、Toyota TRI、Samsung、Key Tech、赫兹、KAIST 的公开流程套进同一个结构：人先定骨架（草图 / 白模），AI 批量填皮，人再过三道闸。一致性靠四件套：锚是形态不是 prompt、一个自训小模型、一份设计语言规范、把 AI 关在特定环节。与"聊天式抽卡"的本质区别是主输入是形态而不是文字，迭代是在上一轮上局部改而不是重抽。
你痛点的根因在两头。前面的需求输入层（AI 没关注到的输入直接出错）和后面的质检回环，2026 年没有人卖现成的，得自己搭；中间的流程编排和工具执行已经是选型问题。而 ID 比短剧有一个天然优势：ID 有 3D。白模是比短剧"首尾帧"强得多的结构锚，这一段你本机 8 月 24 日已经打通（CadQuery → STEP / GLB → Blender），缺的是前后两头。
AI 短剧 2026 年从"抽卡"变成"生产"，靠的不是某个更强的模型，而是七八件事叠在一起。最关键的增量是视频模型原生支持"多参考 + @引用"（Seedance 2.0 全能参考 12 文件、可灵 3.0 主体参考 + API 角色库、Vidu Q3 参考生），把角色一致性从 ComfyUI 手工活变成模型内置能力；工作流层的共识是七步 SOP、JSON 分镜表、定妆照→三视图→角色库；LibTV 把整套 SOP 固化成节点平台，300 多家短剧公司在用。
把这些原则逐条翻译到 ID，成熟度差异极大。下表的成熟度是本次调研对 2026 年公开资料的判断，不是厂商口径。
| # | 短剧原则 | ID 对应 | 2026 成熟度 | 关键证据 / 判断 |
|---|---|---|---|---|
| 1 | 资产先行 定妆照→三视图→角色库，镜头只引用不重述 | 产品 DNA 文档（JSON）+ 3D 白模 + 固定参考图组 | ★★☆ | 没有行业标准的"产品 DNA schema"，ALStudio、Sameness 做了雏形。但 Seedream 5.0 Pro / GPT Image 2 能吃 10–16 张参考，"DNA = 结构化 JSON + 一组固定参考图"已可操作。 |
| 2 | 中间产物结构化 剧本→JSON 分镜表（镜号/景别/运镜/时长） | 视角表（视角号/方位角/仰角/焦距/景别/材质版本/光照/用途）+ CMF 表 | ★★★ | 字段可以照抄短剧分镜表；LibTV 的"15 环绕点位 / 9 宫格"就是短剧版视角表生成器。爆炸图是空白：没有可靠的 AI 爆炸图方案，只能走 3D。 |
| 3 | 描述改引用 @图片1、主体参考、--oref 消掉语义层随机性 | 多图参考 + mask 局部重绘：Seedream 5.0 Pro（10 图，官方示例就是"材质图 + 色卡改产品"）、Nano Banana Pro（14 图）、GPT Image 2（16 图）、FLUX.2（10 图）、Qwen-Image-Edit-2511（官方写明"工业设计 / 材质替换"） | 同视角 ★★★★ 跨视角 ★★☆ | 同一视角下换材质 / 换色 / 局部改已是生产级；换视角同时保住细节仍靠"多参考 + 运气"。 |
| 4 | 一致性分层叠加 身份（LoRA / FaceID）、结构（ControlNet / 首尾帧）、风格（style ref）各用各的 | 身份 = 3D 白模；结构 = depth / normal / canny ControlNet；风格 = 品牌 LoRA 或 Vizcom Palette | 结构 ★★★★ 风格 LoRA ★★★ 单品身份 LoRA ★☆ | Liblib 上有多个工业设计品类模型（Cosin1.1、云墨阁、FLUX Detail），Vizcom Palette 是商业化的风格 LoRA。但"单款产品身份 LoRA"公开案例为零，原因合理：设计阶段产品本身在变，锁死没意义，ID 圈用白模当身份。 |
| 5 | 局部修复代替整图重抽 ADetailer、inpaint、截图重绘 | mask inpaint 只改坏的局部（Qwen-Edit-2511 / Flux Kontext / GPT Image 2 mask） | ★★★★ | 你 8 月那份 260 条会话最大的浪费就在这里：9 轮整图重抽。API 走 mask 是刚需，ChatGPT 网页版没有。 |
| 6 | 节点化 + 参数固化 + 一键重跑 ComfyUI / LibTV / Dify 打组 | ID 专用 ComfyUI 工作流 / Claude Code skill 串联 | ★★☆ | 找到 10 个 ID 相关 ComfyUI 工作流（Liblib 工业产品精修、Reallusion 3D 控制集、akihungac 28 节点 depth+tile 栈等），全是单点工具，没有端到端流水线。这是空位。 |
| 7 | 验收标准外置 抖音 2026-05 审片标准把穿模 / 同步 / 稳定写成硬指标 | 把"可接受漂移"定义成指标，再谈自动化 | ★★☆ | 短剧生产端也没有自动质检，QC 是人工看片 + 平台审片；VLM 打分只在学术端。ID 侧同理，见第 05 节。 |
| 8 | 按可靠性分流 极速流（1 小时 50 元日更）vs 精品流（5–10 人 500–2000 元/集） | 探索流（纯 2D 多参考，快，不保工程一致）vs 交付流（3D 优先，慢，保一致） | ★★★★ | 不追求一条流程通吃。你现在的问题一部分就是用探索流的方法在要交付流的结果。 |
短剧的"一致"是观众感知层面的，LoRA 和参考图够用；ID 的"一致"最终要落到 CAD，分型线、孔位、R 角要跨视角不变。所有 2D 多视角方案（MV-Adapter、ViewMask-1-to-3、Nano Banana 多角度、Qwen 内置多角度）的评价指标都是 PSNR / IoU / 相似度，没有任何一篇公开资料用 ID 指标验证过。工程级一致 2026 年只有一条可靠路径：先有 3D，再固定相机出图。所以 ID 流水线应当以"3D 优先"而不是"LoRA 优先"组织，主锚是白模，LoRA 只管品牌风格层。
看了 40 多个来源之后的实际情况：大厂公开的多是态度，能找到"分几步、每步什么工具、人在哪把关"的不到 15 个。国内小米 / 华为 / 追觅 / 安克 / 云鲸 / 蔚来的设计中心没有带步骤的公开分享，洛可可只有访谈口径。下面是最有信息量的几个。
Chevy 草图到演示动画，原来多个团队几个月，现在一个设计师一天。原话："什么像 Buick、什么像 Cadillac 仍然由我们决定。"设计师角色转为 art director，AI 只接管搭 CGI 这种耗人的环节。
Kia 2018 年就试过市面 AI 工具，不满意，才走"和 Autodesk 一起按自己工作流定制训练"的路。设计约束整合进生成过程。全球设计团队约 400 人，未减员。
风阻、离地间隙、座舱尺寸作为生成过程的一等输入，不是事后筛选。少数把工程约束前置的公开案例，仍属研究成果。
Magnific + Midjourney 出四张厨房场景图，Firefly 出开门演示图，每张标"由生成式 AI 创建"。产品本体（无把手结构、缎面玻璃门）全部人设计。大厂"AI 限定在沟通层不碰规格"的典型样本。
调研 ChatGPT → 品牌发散 Midjourney / Recraft → 实体 Midjourney 概念 + Vizcom 精修 + Luma 动画 → 展示图 Vizcom + KeyShot 合成。季度工具审计、Do / Don't 清单、计划做"设计评审 GPT"。原话："Midjourney 对训练集外的新形态无力"、"任何涉及形态、比例、生产的输出必须由资深设计师和工程师审"。
低保真：多方向、轮廓比例、快速变体。中保真：材料工艺色彩、设计语言一致性检查、使用场景叙事。高保真：文档自动化、sanity check、公差配合、壁厚体积检查。主张学"AI 语言"（提示结构、参考策展、约束参数化、输出评估）而非某个工具。
需求洞察（Google Trends AI）→ 概念发散（MJ / SD 百余图，人筛选 + 二创）→ 三维结构（Fusion 360 AI + 拓扑优化，人评可制造性）→ CMF（AI 渲染 + KeyShot，人定）→ 验证（ANSYS AI，人做工程决策）。三条教训：同质化必须二创、版权要专利检索、保留手绘建模防能力退化。
SD 出产品图 → MJ 出背景 → SAM 分割抠产品 → 遮罩 → IP-Adapter + 自训电商背景 LoRA 重绘融合 → 扩画板 → 放大 → PS 修饰。9 步全部有节点。一致性靠 IP-Adapter + 自训 LoRA。
Custom Palette（4–30 张图训私有风格模型，团队共享）；Component Library 指南（签名组件的圆角 / 比例 / 表面处理 + Pantone / RAL + 审批 owner + 季度复审）；官方立场：AI 在项目前 1/3 加值最大，输入是草图定形态比例、提示词只管材质光照，输出 50–100 个变体，建立品牌一致性 / 可制造性 / 创意质量三重评审。
2D 生成的两个痛点是每个视角要重画草图、多视角不一致；方案是先做表达性 3D 草图，再从任意视角出 2D 线稿喂生成。把"锚"从 2D 提升到 3D。
草图 → 文本（GPT-4V）→ 图像 → 3D → 打印 looks-like 原型。关键发现：以文本为中间层比直接 sketch→3D 更多样、更可制造，且便于人工反馈。
需求确认 → 概念生成 → 概念评估 → 3D 建模，四阶段之间传"结构化提示 → 候选概念 → 评估输出 → 3D 工程问题清单"，让约束一路传到工程交接。直指现有做法三缺：阶段角色不清、约束不可追溯、缺阶段化评估。
[0 调研 / brief] LLM 整理需求、竞品、人物画像 ← Key Tech / 赫兹 / Konzepthaus / GID-HGCC [1 发散] 文生图或草图生图出 50–1000 张 ← 全员；有经验者压缩此段 [2 收敛 / 锚定] 人手绘草图 / 白模 / 鞋楦 / 3D 草图 作为"锚" ← GM / Mueller / KAIST / Braun 课程 [3 上皮] 草图驱动渲染（Vizcom / ComfyUI + ControlNet）← 最普遍、最稳定的 AI 落点 [4 3D / 工程] Sub-D → NURBS / CAD；AI 3D 只当粗模 ← CATIA / Vizcom 客户 / Sketch2Prototype [5 表达] CMF 变体、场景、动画、展示图 ← Samsung / GM / Arsutoria / 普象 人工把关点固定在三道闸：1→2 选方向 · 3→4 形态 / 比例 / 可制造性 · 4→5 品牌一致性
盘了 30 余款工具，四个判断：
| 工具 | 调研 | 情绪板 | 草图 | 效果图 | CMF | 3D | 工程 CAD | 评审 | 可控机制 / 价格 |
|---|---|---|---|---|---|---|---|---|---|
| Vizcom | — | ◐ | ● | ● | ● | ◐ 网格 | — | ● | 草图影响力滑杆、Palette 私有风格、3D 底、Free View 相机、Color Variations · Pro $49/月 · 客户 Ford / Honda / New Balance / Dell / 蔚来 |
| Liblib / 星流 | — | ◐ | ● | ● | ◐ | ○ | — | ○ | LoRA 训练（10–20 图）+ ControlNet + ComfyUI，国内最接近 Vizcom 的自建路线 · 会员 5 次 LoRA 训练/月 |
| Seedream 5.0 Pro | — | ◐ | ○ | ● | ● | — | — | ◐ | 10 参考图、点选 / 套索 / 草图交互编辑、材质色彩替换、图层分离 · 2026-07-08 发布 · 即梦入口 |
| Nano Banana Pro / 2 | ◐ | ◐ | ◐ | ● | ● | — | — | ◐ | 14 参考图、局部选区、相机角度 · 品牌色会漂移，不适合最终交付 |
| GPT Image 2 | ◐ | ◐ | ○ | ◐ | ◐ | — | — | ◐ | 16 参考图（API，网页版只 5 张）、mask inpaint、带推理 · 约 $0.03–0.08/张 |
| Qwen-Image-Edit-2511 | — | ○ | ○ | ◐ | ◐ | — | — | ○ | 开源 Apache 2.0，原生多角度视图，官方列"工业设计 / 材质替换"用例 · 多步连续编辑会漂 |
| Midjourney V8.2 | ◐ | ● | — | ◐ | ◐ | — | — | ○ | Edit Model 4 参考、sref · 无草图底控制 · 情绪板与方向探索之王 |
| 混元 3D 3.1 / Omni / Part | — | — | ◐ | ◐ | ○ | ● | — | ◐ | 8 视角重建、bbox / 骨架 / 点云控制、组件级生成 · 开源可控性最全 · 腾讯云 ¥0.1/积分 20 积分/次 |
| Tripo H3.1 / Rodin 2.5 / Meshy 7 | — | — | ○ | ◐ | ○ | ● | — | ◐ | 多图、Quad 拓扑、对称强制、几何对齐基准 · 全部无 STEP |
| Zoo Zookeeper | ○ | — | — | — | — | ◐ | ● | ◐ | agent 写 KCL → 真 B-rep，多角度自检，STEP 导出 · Free / $20 / $99 · 小零件可用，A 级曲面不行 |
| Backflip | — | — | — | — | — | ◐ | ● | — | 扫描 / STL / 网格 → 特征树 + STEP，Fusion add-in · 2026-08 GA · 效果图↔工程 CAD 之间唯一的桥 |
| Fusion / SolidWorks / Onshape AI | ○ | — | ◐ | ◐ | — | ● | ● 本体 | ○ | AutoConstrain 已上线；Neural CAD pre-beta、LEO 未 GA、AI Advisor 不读模型 · 2026 能落地的是约束自动化、出图自动化 |
| 即梦 / 可灵 / Lovart | ○ | ◐ | ○ | ◐ | ◐ | — | — | ◐ | 通用视觉与品牌设计，无 ID 流程 · 即梦 2026 年内多次涨价 |
● 核心能力 ◐ 可用但非主打 ○ 勉强 / 间接 — 不覆盖。完整 30 行矩阵及每个工具的来源见附录一。
调研环节几乎没有 ID 专门工具，靠通用 LLM；"效果图 ↔ 工程 CAD"之间只有 Backflip 一座桥；"CMF 数字化"里只有 Vizcom Color Variations、Seedream 材质替换、Substance Text-to-Texture 三个真正的功能点。国内格局是 3D 强（混元、Tripo 已盈利）、流程弱（没有对标 Vizcom 的 ID 工作台）。
你说"要像产品经理一样，有些东西它不明确，AI 没关注到就直接错"。这件事行业早有标准答案，只是没人把它做成 AI 的必填字段。设计简报没有国际公认标准（Design Society 2012 综述明确说"很少见到真正完整的 brief"），但中文世界最可引用的是团体标准 T/GDIDA 001-2022《工业设计服务流程与质量控制要求》（广东省工业设计协会，起草单位含小熊电器、华帝、海信），第 4.5 条规定设计需求书必须包含的内容，5.2.2 规定设计输入须书面签署、输出不满足输入则须评审后变更输入。2025-09 挂网的国标《工业设计 产品形态设计指南》征求意见稿 6.3.3 又给出了形态设计的任务分解：布局 → 人机 → 比例 → 线型 → 色彩 → 装饰 → 效果图。
把 T/GDIDA、HFES 人体尺寸 7 步、Fictiv CMF 字段、Komaspec 注塑 DFM 数值规则合并，得到下面 11 个模块。这就是"先问清再生成"的字段表，也是后面质检回环的尺子。
| 模块 | 字段 | 来源 |
|---|---|---|
| A 项目 | 设计目的、设计类型（全新 / 改款 / 家族化）、成本目标（BOM / 售价）、设计周期、安全 / 可靠性要求、交付方式与版本 | T/GDIDA 4.5 注 3 |
| B 商业 | 产品定位、销售区域与渠道、竞品（定价 / 销量 / 趋势）、现有产品线中的位置 | T/GDIDA 4.5b/f；Phillips 7 要素 |
| C 用户 | 目标人群（年龄 / 性别 / 地域 / 职业）、使用场景、购买者 ≠ 使用者、地域文化色彩禁忌 | T/GDIDA 4.5c/d、4.8 |
| D 品牌 | CI / VI / PI 要求、VBL 属性词、签名元素、"全家福不是克隆"约束、必须继承 / 必须回避的特征 | T/GDIDA 4.5g；Bolt Group；DCA |
| E 技术 | 内部堆叠 / 关键零部件尺寸（PCB、电池、电机、屏）、接口 / 开孔、散热 / 防水等级、结构框架 | T/GDIDA 4.5i、4.16 |
| F 人机 | 目标人群百分位、关键身体尺寸、操作力 / 频率、握持 / 显示 / 操作区、姿势与衣物余量 | HFES 7 步；GB/T 草案 5.3 |
| G 工艺 / CMF | 主材牌号与状态、工艺（注塑 / 压铸 / 钣金 / CNC）、表面（SPI、Mold-Tech 纹理号、漆型）、Pantone / RAL、供应商、金样、合规 | Fictiv；T/GDIDA 4.18c |
| H DFM 约束 | 分型线 / 拔模方向、壁厚 map、筋 / boss 规则（壁厚变化 ≤±10%，筋根 40–60% 壁厚，内 R ≥0.5× 壁厚）、A/B/C 面等级、允许的分件 / 拼缝位置 | Komaspec；Crescent；Honokage |
| I 策略 | 设计主题、意像板、ID / CMF / UX 关键词、理念诠释 | T/GDIDA 4.9 |
| J 交付 | 六面图 / 透视 / 局部透视 / 结构图 / CMF 板 / 丝印图 / 专利图 / stp 格式 3D | T/GDIDA 4.18、5.3.2、5.3.4 |
| K 评审 | 四维度评审（质量性能含可制造性 / 用户体验含 CMF / 竞争力 / 品牌含形象一致性）+ 输入达成（成本 / 专利 / 上阶段问题闭环） | T/GDIDA 5.2.3.3；ISO 9001 8.3.4 |
这一层市面上没有产品。所有设计 agent 里，"多步编排"已普及（Krea Node Agent 2026-03 的"先出计划 → 用户批准 → 图校验 → 增量重跑"是最好的参考实现），但"先问清再生成"只有 MasterGo 做了半步，而且是 UI 领域；Vizcom 明确把 brief 和评审划给人。你之前 8 月那份会话里最值钱的第 39 条（它用 18650 尺寸倒推包络否掉你的初始尺寸）恰恰是 E 模块被填了之后才发生的事，其余 8 轮的漂移是因为 D / F / H 三个模块从没被填过。
RE 2025（arXiv 2507.02858）：GPT-4o 生成需求访谈的追问时，用"常见访谈错误类型框架"引导，追问在清晰度、相关性、信息量上超过人写的。Autodesk Research 的 Elicitron（arXiv 2404.16045）让 LLM 模拟多样用户走产品场景再访谈，找到的隐性需求比人类访谈多。做法就是：11 模块字段表 → 缺口检测 → 按错误类型框架追问 → 输出签署版设计需求书。这是纯 prompt 工程，一周内可上线。
结论先说：VLM 对"整体好不好"有感觉，对"哪条原则被违反、在哪"很弱；能量化的一律交给几何 / 规则引擎，VLM 只做粗筛和定位。
CMU 2026-03 的 CADSmith 是目前最可复现的原型：自然语言 → CadQuery 代码，内环修执行错误，外环 = OpenCASCADE 精确测量 + VLM Judge 视觉评估。100 题上执行率 95→100%，IoU 0.81→0.96。同组的 AgentsCAD（2026-07）做 DFM：STEP 解析 → 45° 悬垂检测 → Claude 推理改法 → GPT-4o 视觉验证 → 输出修改后 STEP，FDM 打印实物验证。你本机的 CadQuery 路线正好就是这条路的执行器。
| 检查项 | 交给谁 | 怎么做 |
|---|---|---|
| 尺寸、包络、壁厚、R 角、比例 | 几何内核 | CadQuery / OpenCASCADE 直接量，对照 constraints.md 判定，超限即报 |
| 分型线、拔模、悬垂、筋 / boss 规则 | 规则引擎 | Komaspec 数值规则编码；复杂件接 Xometry DFM API（唯一明确可接的），CoLab AutoReview 企业级 |
| 按键数量、logo 位置、分件逻辑、签名元素在不在 | VLM 定性 | 把 DNA 文档编译成 checklist 逐条问答，要求输出位置 |
| 多视角是不是同一个产品 | 3D 兜底 | 交付流从同一 B-rep 出图，物理上不可能不一致；探索流用固定视角 + 双 VLM 粗筛 |
| 品牌一致性、"AI 味" | VLM + 人 | 反模式黑名单（浮空产品、无分型线、无拔模、拼缝乱、logo 糊、材质不物理）VLM 初筛，人终审 |
国内 DFM 工具的情况：嘉立创 DFM 只做 PCB；三维猴 3D 打印有自动解析计价但没有公开 API；Protolabs ProDesk、SolidWorks DFMXpress 都没找到 API。外观件级别的检查要么接 Xometry，要么用 CadQuery 自写规则。
你的现状：CadQuery → STEP / GLB → Blender Cycles 的本地渲染链 8 月 24 日已打通，KiCad MCP 在位（本次会话连接失败是 venv 路径问题，不是能力缺失），WorkBuddy 工作台可跑定时任务，Claude Code 可写 skill。缺的是前面的输入层和后面的质检回环，以及把中间串成一条能重跑的线。下面按收益 / 成本排序分三期。
做一个 Claude Code skill（或 WorkBuddy 项目提示词），行为是拒绝在 brief 有缺口时出图。结构照抄 Anthropic 那个装机 83 万的 frontend-design skill："先脑暴一套 token 系统 → 第二遍对着 brief 自审，像通用默认值的地方改掉并说明理由 → 再执行"。ID 版映射：token 系统 = 形态语言（体量 / 线型 / R 角家族 / 分件逻辑）+ CMF token + 签名特征；自审 = 对照第 04 节 11 模块做缺口检测；追问按 RE 2025 的错误类型框架生成。
产出两份文件：brief.md（签署版设计需求书，11 模块）和 constraints.md（可判定的硬约束表：电芯包络、最小壁厚、按键行程、单手握持宽度上限、IP 等级、拔模角）。后面每一轮评审都拿 constraints.md 当尺子，"60 mm 宽超了单手握持上限 55 mm"是一句可判定的话，不是感觉。这一步是防尺寸单向膨胀的唯一手段。
从 brief 生成 dna.json：形体 / 材质 / 色彩 / 比例 / 标志位 / 禁忌，配 ≤10 张固定参考图（竞品实拍、上一版外观、CMF 板）。这是短剧的"角色设定图"，所有后续生成只引用它，不重述。
尺寸全部提成 params 字典，LLM 改数字和建模代码，不画图。产出真 B-rep STEP + GLB。改造型 = 改参数 + 重跑，几何内核当场校验是否超 constraints.md。
视角表字段照抄短剧分镜表：视角号 / 方位角 / 仰角 / 焦距 / 景别 / 材质版本 / 光照 / 背景 / 用途。blender -b 按表批量渲 depth / normal / canny + 白模正 / 侧 / 背 / 45° / 内部透视 / 爆炸图。三视图天然一致、电芯排布天然正确、尺寸天然守恒，你 8 月 9 轮没解决的问题在这一步全部消失。
白模 + depth 当结构锚，材质图 + 色卡当引用（Seedream 官方示例就是"Image 1 材质 + Image 2 色卡改 Image 3"），mask 圈定只允许改动的区域。prompt 从"设计一个……"变成"保持轮廓、比例、分件、按键位置完全不变，只替换材质表现与灯光环境"。开源路线用 Liblib / ComfyUI：depth + lineart 双 ControlNet 栈 + 品类 LoRA（Cosin1.1 / FLUX Detail）。
坏了只修那一块，不整图重抽。走 API 不走网页：GPT Image 2 API 16 张参考图 + mask，ChatGPT 网页版只有 5 张且没有 mask，这是你之前一致性差的操作层原因之一。
探索流：Midjourney / Nano Banana 纯 2D 多参考找方向，快，不保工程一致，AI 3D（混元 3D 3.1 / Tripo）只当看比例的粗模。交付流：从第 2 步进，3D 优先，慢，保一致。评审和客户看的图必须来自交付流。
编排工具选型：Claude Code skill 串联最贴你现状（本地文件、CadQuery、Blender 都在同一台机器上）；Coze / Dify 的循环节点适合把"生成 → VLM 打分 → 不合格重来"做成 WorkBuddy 定时任务；ComfyUI 只在开源出图路线上需要。Krea Node Agent 的"先出计划让用户批准、改动只重跑下游"是编排层的目标形态。
按第 05 节的分工表：CadQuery 量尺寸 / 壁厚 / R 角对照 constraints.md；Komaspec 规则编码做拔模 / 筋 / boss 检查；VLM 拿 dna.json 编译出的 checklist 逐条问答并要求定位；多视角一致由交付流的同源 B-rep 兜底；"AI 味"反模式黑名单 VLM 初筛人终审。评审输出结构化问题清单（GID-HGCC 的"3D 工程问题清单"），回灌第 2 步改参数。Key Tech 计划做的"设计评审 GPT"就是这一层。
| 选项 | 解决什么 | 成本 | 判断 |
|---|---|---|---|
| OpenAI 充值（GPT Image 2 API） | 16 张参考 + mask 局部重绘 + 推理评审一次到位 | $0.03–0.08/张 | 第 4、5 步的刚需，"只改挂钩不动机身"没有 mask 就退化成碰运气。8 月报告的结论不变。 |
| Seedream 5.0 Pro（即梦 / 火山 API） | 材质 + 色卡引用改产品、图层分离 | Pro 未公布；5.0 Lite $0.035/张 | CMF 环节最对口的机制，中文生态，作为第 4 步主力或备份。 |
| Vizcom Pro | 草图 → 渲染 → 网格 3D，Palette 私有风格，Free View 相机 | $49/月 | 如果你要走"草图先行"的探索流，这是唯一 ID 专用工作台；交付流用不上它。 |
| Liblib 会员 | LoRA 训练 + ControlNet + ComfyUI 工作流 | 5 次 LoRA 训练/月 | 要训品牌风格 LoRA 时用，国内最接近 Vizcom Palette 的路线。 |
| Zoo Zookeeper | 不想自己写 CadQuery 时的对话式 CAD agent | $20 / $99 月 | 唯一验证走通"输入 → 可编辑 B-rep → STEP"的商用产品，但你已有 CadQuery，优先级低。 |
CadQuery 脚本、STEP、Blender 渲染全在位，只缺第一期的 brief.md / constraints.md。用它把三期跑通一遍，成本最低。轮椅整车不适合：整车尺度的形面质量不是参数化 CAD 的强项，AI 在那里的价值是竞品设计语言拆解和 CMF 策略，形还得人类设计师出。无人机清洗设备反而适配度更高：偏机构和工程件，约束权重高、外观权重低，正好落在参数化路线的甜区。
未证实项（四份原始调研的清单合并，请勿当事实引用）：Vizcom 是否有 agent 产品或 2026-05 Fusion 插件；Hunyuan3D "3.5" 仅见第三方站；Krea / Tripo / Rodin / Lovart 官方定价档位；SolidWorks LEO 是否已 GA；Lovart 是否有澄清提问 / 自动 QC；adidas "18 个月 → 24 小时"等数字无一手来源；洛可可"3 秒 1000 方案"为访谈口径；LoRA "97%"、可灵 "95%"、Vidu "80%" 一致性均为厂商口径；Protolabs / DFMXpress / 嘉立创三维猴的 API；Ford、Kia、MDPI、Springer 多篇原文被 403 仅据摘要；小米 / 华为 / 追觅 / 安克 / 云鲸 / 小鹏 / 理想设计中心本轮未找到带步骤的公开分享。