1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | dream-loop |
| 作者/维护者 | achimala（GitHub 个人开发者，@anshuc） |
| 来源链接 | https://github.com/achimala/dream-loop |
| 许可证 | MIT（GitHub API） |
| GitHub Stars | 716（GitHub API） |
| Forks | 84（GitHub API） |
| 最新版本 | 未发布正式 Release，以主分支 HEAD 为准（GitHub API） |
| 安装方式 | npx skills add achimala/dream-loop，或克隆进 agent 的 skills 目录 |
2. 功能介绍与亮点
dream-loop 把“做出高保真 3D/游戏视觉效果”这件事，拆成一个可自动运行的闭环：
- 用图像生成模型“造梦”——先画出一张目标效果的截图（或用户直接提供）；
- Agent 按这张目标图开始搭建场景（Three.js、Blender 等）；
- 一个独立的批评者子代理（critic subagent）拿实时截图和目标图对比打分；
- 批评者不满意就打回重做，直到评分达标；
- 可选：批评者满意后，再“造”一版更高质量的目标图，继续迭代升级。
亮点：
- 目标明确、可验证：不是笼统地说“做得漂亮点”，而是把美术质量转成“和目标截图像素级对齐”的具体任务，AI 更容易执行到位。
- 批评者用独立上下文：每轮用全新的子代理评分，避免同一个 agent 自己给自己打高分的偏差。
- 可选 3D 资产生成：附带
scripts/fal-batch.mjs，通过 Fal.ai 队列接口批量把参考图转成带贴图的 GLB 模型（tripo3d h3.1 / fal-ai/trellis 两条已验证过的调用路径），本地校验参数后再提交，避免踩坑。 - Blender 集成可选：需要自定义 3D 建模时，推荐用 Blender 的 MCP 或脚本接口而非纯“看图操作电脑”，效果更稳定。
3. 适用场景
所属分类：前端与设计
适合需要给游戏、Demo、可视化 App 做出“能打”的视觉效果，又不想手动一遍遍调美术细节的开发者：独立开发者做游戏 Demo 的美术把关、给内部工具/原型套一层像样的视觉外观、快速验证“这个风格能不能做出来”。仓库自带的示例是一个等距视角、体素风、带反光湿地面的奇幻场景，GPT-6 Astra 在 Codex 里一小时内一次成型。
4. 跨 Agent 兼容性
- Codex：原生支持——README 明确“目前只在 Codex 里用 GPT-6 Astra 测试过”，是该 skill 的第一使用场景。
- Claude Code：需适配——skill 依赖视觉输入、图像生成能力与子代理机制，这些 Claude Code 均支持，但作者未实测，README 原话是“其他强模型如 Claude Fable 5.1 可能也可以”，判定依据是这句未经验证的推测性表述。
- OpenClaw：未验证——README 未提及，需自行确认子代理与图像生成接口是否齐备。
- Hermes Agent：未验证——同上。
5. 推荐理由
这是一个把“AI 生成的画面质量不稳定”这个老问题，用工程化的闭环流程正面解决的 skill：目标图 + 独立评分者 + 循环重试，思路清楚、可复现。安装门槛低（一条 npx 命令），文档给了两套工作流（Plus/Pro 档位）分别应对不同算力预算，附带真实效果演示，作者是有十几年 GitHub 历史的实名开发者，代码里对 API Key、网络请求目标都写得明明白白，没有可疑指令。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | GitHub 716 star，4 天内自然增长（fork 时间分布在 24 小时内较为均匀，非单日爆发）；另有 AlphaSignal（AI 资讯聚合站）与 The Daily Commit（技术动态站）两家独立第三方媒体分别成文报道，加上作者本人的公开发布，满足“≥3 个独立来源有活跃讨论“档位 |
| 可用性 | 8 | 一条 npx 命令即可安装，README 给出清晰的前置条件（视觉输入、图像生成能力、可选子代理）与双工作流文档；需要用户自备图像生成 API 或工具，属于“需少量配置”；仓库近两日内仍有提交，维护活跃 |
| 安全性 | 8 | 涉及的代码执行（本地文件读写、Node 脚本调用 Fal.ai 图像转 3D 接口）范围明确、逻辑可审计；API Key 经环境变量读取，脚本明确写明“只打印任务状态，绝不打印图片内容或凭据”；License 为 MIT，清晰；未发现任何可疑指令或数据外发迹象 |
安全检查清单
| 检查项 | 结果 |
|---|---|
| ① Shell 命令及权限范围 | 本地文件读写（.dream-loop/ 工作目录）+ Node 脚本调用外部 API，范围明确 |
| ② 运行时联网外发 | 是，目标为图像生成 API（用户自备）与可选的 Fal.ai 3D 生成接口，均为脚本正文明示的目标地址 |
| ③ API key / 凭据存储 | 经环境变量（FAL_KEY/FAL_API_KEY）读取，脚本注明不打印凭据 |
| ④ 可疑指令 | 未发现 prompt injection 或夹带私货迹象 |
| ⑤ 作者信誉 | 个人开发者，GitHub 账号 2012 年注册、93 名关注者，X 账号公开署名，无造假迹象 |
| ⑥ License | MIT，明确 |
| ⑦ 最近维护 | 近两日内有提交，活跃 |
综合评分（三项均值）：7.67
7. 跟同类 Skills 相比的优势
| Skill | 核心定位 | 与 dream-loop 的差异 |
|---|---|---|
| img2threejs | 把一张参考图转成 Three.js 3D 场景代码 | 只做“单次转换”，没有评分-重试的闭环，也没有独立批评者角色把关最终效果 |
| threejs-mengto-skills | Three.js 开发规范与代码模式集 | 偏“怎么写 Three.js 代码”的工程规范，不涉及“目标图生成 + 效果验收”这套产品化流程 |
| scroll-world | 基于滚动交互的 3D 场景构建 | 聚焦特定交互形式（滚动驱动的场景切换），不是通用的“任意视觉目标迭代逼近”框架 |
dream-loop 的差异化在于把“美术质量控制”做成了一个通用、可复用的闭环机制，而不是绑定某一种具体的 3D 技术栈或交互形式；只要 agent 有图像生成与视觉输入能力，理论上可以套用到任何需要“做出好看效果”的场景，不局限于 Three.js。
8. 用户评价
该技能目前在 GitHub Issues/Discussions 尚无具名用户评价。AlphaSignal 与 The Daily Commit 两家第三方技术资讯站均对该项目的设计思路给予正面介绍，重点提及其“把美术质量转成可量化的图像匹配任务”这一解法解决了“AI 独立生成 3D 场景时画面偏扁平、程序感明显”的常见问题。
9. 其他补充
作者在仓库中提供了一段真实生成效果的演示 GIF 与一个可访问的在线 Demo 链接，供用户直观了解产出效果；仓库同时开放 PR 贡献，但要求贡献者附带修改前后的效果对比，以确保改动不会让生成质量退步。
10. 安装使用方式
- npx 一键安装：
npx skills add achimala/dream-loop - 手动克隆：将仓库克隆进所用 agent 的 skills 目录
- 直接粘贴：把仓库链接贴给 agent，让其自行安装
安装后需确保 agent 具备：图像生成能力（内置或通过 API，如 Gemini）、视觉输入能力；子代理能力为可选但强烈建议开启，用于独立评分。若需要自定义 3D 建模，建议额外安装 Blender，并优先使用其 MCP 或脚本接口。首次使用前需根据自己的算力/订阅档位选择 Plus 或 Pro 工作流文档阅读。
11. 注意事项
- 目前仅在 Codex + GPT-6 Astra 组合下经过作者实测，其他 agent/模型组合的实际效果未经验证。
- 需要用户自行准备图像生成能力（内置或 API Key），这是使用本技能的硬性前提，没有则技能会主动提示用户先解决。
- 若不设置时间预算，流程会一直运行到满足退出条件为止，可能消耗较多 token，作者在文档中已明确提示。
- 3D 模型生成（Fal.ai 部分）为可选功能，涉及将参考图作为 data URI 发送给第三方服务，使用前应确认自己对该服务的使用授权。