Anatomy Atelier ：把 9 个器官装进浏览器

3692 个 Star，942 个 Fork，数据截至 2026 年 10 月 18 日。按 GitHub 的惯例，这个量级的项目背后多半站着一个团队，少说打磨了几个月。thebuggeddev/anatomy 不是。整个仓库到现在只有 9 个 commit，其中 8 个来自作者本人，而最早那个把整个平台一次建成的提交，作者栏写的是 codex。对，那个 AI。

这个项目叫 Anatomy Atelier，一个跑在浏览器里的交互式 3D 人体解剖室。收录了心脏、大脑、肺、肝脏、肾脏、眼睛、肠道、胰腺、皮肤共 9 个器官。每个器官都能拖出来旋转、缩放，点开热点看主动脉、心房、心室、瓣膜这些具体结构，旁边配着尺寸、重量、位置、功能、常见疾病一整套知识卡片。

它 8 月 2 日建库，一周就攒下两千多 Star，原推浏览量超过 160 万。吸引人的不是解剖本身，是出身：设计图用 GPT Image 2.0 生成，器官 3D 模型交给 Tripo 从二维图转出来，代码由 Codex 搭着 GPT-5.6 Sol 写。视觉设计、3D 资产、前端开发，被串成了一条连续的 AI 流水线。

我一开始的判断很轻率：又一个 AI 玩具。翻完 commit 历史和 Issue 列表之后，这个判断不得不修正。它确实证明了 AI 工作流的威力，也确实留了一堆没擦干净的坑：没有 License，README 还是模板原文，测试是坏的，停更两个多月。这篇文章想一次说清楚：它到底是 AI 工作流的实证，还是一波流量里的幸运儿？

打动我的几个地方

第一个亮点是内容组织。它没有把 9 个器官做成一个模型列表，每个器官都配了完整的知识模块。以心脏为例，大小、重量、位置、供血方式、主要功能之外，还有微观组织、功能动画、器官对比、常见疾病以及所属人体系统。左侧是器官库，模型按需加载，顶部有搜索框，旁边排着 Systems、Lessons、Library 和 Notes 等入口。这不是 Demo，已经接近一套轻量级数字解剖学习平台。

第二个亮点是交互完整度。拖拽旋转、滚轮缩放、自动旋转之外，它做了器官隔离、剖面观察、分层显示、器官对比和重置视角，后期还加了标注测验，可以点器官结构答题。对教学场景来说这些不是花架子。平面解剖图讲了几十年，学生始终要在脑子里还原立体关系，现在可以直接转开看。

但真正让我坐直的是第三条，它的生产流水线。作者从 @DilumSanjaya 的 3D 动植物细胞项目拿到灵感，先用 GPT Image 2.0 生成整体视觉方案，再以方案为参考逐个生成器官二维图，二维图交给 Tripo 转成网页可用的 3D 模型，最后打开 Codex，把主提示词、设计图和全部模型一起喂进去，让它用 Three.js 把应用写出来。

这张图里最值得注意的不是某个工具，而是分工：AI 负责资产和代码，人负责拆解目标和验收。作者的说法是把目标拆开、一步步完成，听着平淡，实际操作里每一步都经历了调整。过去要设计师、3D 艺术家、前端工程师协作的活，现在一个人加一套提示词就能跑通，这个事实比项目本身更值得琢磨。

第四个亮点是性能攻坚，这一段最能看出 AI 的工程能力。第一个版本跑起来时，单个 3D 模型接近 120 到 150MB，全部资源加起来约 900MB，运行时帧率只有 16 帧左右，基本没法在网页上用。经过几轮迭代，单模型压到 2 到 5.5MB，全站资源降到 28.6MB，缩减约 97%，同时尽量保留原有视觉质量。

压缩之外还加了两件事：按需加载，用户看哪个器官才载哪个模型；深度预通道，处理器官淡出时的渲染遮挡。帧率从 16 帧提到流畅可用，项目才真正适合放在网页端。这套优化路径，任何想做 3D 网页的人都可以直接抄。但代码能不能在你机器上跑起来，是另一回事，得亲手跑了才算。

上手跑一跑

最简单的体验方式不用装任何东西，打开 anatomyatelier.vercel.app 就能用，现代桌面或手机浏览器都行。想读代码的再考虑本地跑。这里必须先提醒一句：网上还流传一个 anatomyatelier.org 的站点，Issue 区已经有人报告那个域名会跳转到赌博广告站。别访问，只认 vercel.app 这个官方地址。

本地跑的要求是 Node.js 22.13.0 以上，这个门槛不低，不少人的 LTS 还停在 20 或 22.12，得先升级。仓库本身超过 200MB，因为 GLB 模型直接存在库里，clone 之前留足硬盘和时间。

git clone https://github.com/thebuggeddev/anatomy.git
cd anatomy
npm install

装好之后启动开发服务器。项目基于 Cloudflare 的 vinext 运行时，dev 和 build 脚本都包了一层 wrangler 日志配置，直接跑 npm 命令即可，想验证构建就再跑 build 和 test。

npm run dev
npm run build
npm test

跑之前先对它的体量有个概念。第一版全站资源约 900MB，优化后 28.6MB，单个器官模型从 120 到 150MB 压到 2 到 5.5MB。这套数字解释了为什么这个 Demo 能跑在浏览器里，也是它技术上最硬的一段。

图中三组数字指向同一件事：模型体积是这个项目能否成立的生命线。16 帧的首版再漂亮也没人愿意用，压缩加按需加载之后，它才变成一个能日常打开的网页。

• README 名不副实：打开仓库你看到的是 vinext-starter 模板的说明书，讲的是 Cloudflare D1 和 ChatGPT 登录，跟解剖没有半点关系，package.json 的 name 也还是 site-creator-vinext-starter。照 README 操作会一脸懵。
• 测试是坏的：npm test 断言的是一个早已删掉的 starter 骨架页面，在 main 上跑必红（Issue #11，已有修复 PR）。依赖还有 18 个 npm 安全公告，其中 10 个经 next 和 react-server-dom-webpack 进入生产构建（Issue #12、#15）。
• 已知 bug 一堆：标签位置错误（Issue #27）、移动端布局问题（Issue #28）、剖面和视角遮挡（Issue #8、#9），以及最要命的没有 License（Issue #1 全文只有一个词，“license?”）。不过这些坑大多不影响体验 demo，只影响你拿它做二次开发。

这些坑列出来有点唬人，但多数不影响打开网页体验，真正要避开的是直接拿它商用。不过反过来说，正因为坑都摆在明面上，它适合谁反而好判断。

什么时候用，什么时候别用

这个项目适合谁，先摆成一页表格。四类人对着看，对号入座最快，也方便你转给同事。

不适合拿它当专业医学参考。它不是临床级工具，不能替代诊断、治疗建议或专业训练，替代方案永远是正规教材加解剖实验室。有中文媒体直接评价它内容比较简单，当不了专业科普看，这个判断我认同。

也不适合现在就接进生产。没有 License 意味着法律上没人敢放心商用或二次分发，协议一天不补，商业使用就一天悬空。加上停更两个多月、测试损坏、18 个依赖安全公告，拿它当生产力依赖风险太高。想做同类工具，学它的流水线，别 fork 它的代码。

场景说清楚了。但这个项目能不能活下来，还得看社区给不给力，这是下一个话题。

社区怎么样了

先上关键指标，数据截至 2026 年 10 月 18 日，都是从 GitHub API 逐个核过的。拆开看喜忧参半：喜的是 942 个 Fork 说明确实有人想拿它改东西，忧的是人类维护者只有一位，另一位提交者是 codex 机器人。

Bus Factor 为 1 的项目，任何个人变故都能让它直接烂尾。Issue 区里倒不乏热心人：有人提 PR 修测试，有人加语言翻译，还有人写了一整套 Apple 平台移植方案，涵盖 visionOS、RealityKit 和 Metal 着色器（Issue #18 到 #22）。维护者却很少回应，大多数讨论停在提议阶段。

社区声音最经典的一条在 Issue #1，全文只有一个词：“license?”。这个问号挂了两个多月，至今没有一个官方回答。它问的不只是一份法律文本，是这个项目能不能被放心使用。

外部评价则分裂。中文科技媒体 AI 工具集给了它大篇幅报道，原推 160 万浏览；TC999 周刊在推荐它的同时泼了冷水，说因为内容比较简单，并不能当专业科普看，还判断类似的 3D 模型展示项目最近很多，门槛并不高。这个批评比赞美更有信息量：技术 Demo 的红利期，正在以月为单位缩短。

社区的面貌讲完了。但一个项目的价值，最终要看它站在什么趋势里，这点比 Star 数重要。

我的真实看法

我一开始以为这又是个 AI 玩具，翻完 commit 历史才发现事情没那么简单：整个平台是一个 commit 建成的，提交信息写着 Build Anatomy Atelier 3D learning platform，作者栏是 codex。之后作者的 8 个 commit 做的是多语言、标注测验、性能这些增量。这不是玩具，这是一次 AI-native 工作流的完整实证。

我的核心判断是：值得学的是流水线，不是代码。代码本身是一套常规操作，Next.js 加 Three.js 加 vinext 脚手架，脚手架还没删干净。真正稀缺的是从图片到 3D 模型再到可用应用的那条链路，以及把 900MB 压到 28.6MB 的工程迭代。这套方法论对任何人开放，门槛比想象中低。

趋势上我的判断是上升，但护城河极浅。AI 造应用的门槛正在崩塌，接下来同类工具会泛滥，这点 TC999 已经看到。和 Zygote Body 这类老牌网页解剖工具相比，Anatomy Atelier 的差异不在技术，在定位：它不做精细人体，只做 9 个器官的轻量科普。它的护城河在内容沉淀，抄得走代码，抄不走内容。但内容又浅到当不了专业科普，这个位置很尴尬。

也得泼冷水。无 License 加停更是双重风险：法律上没人敢商用，工程上没人能继承。942 个 Fork 里如果有十分之一想认真改，都会被这两件事挡在门外。它现在更像一个漂亮的标本，而不是一个活着的项目。

争议点在这里：它证明了个人加 AI 能做出教具级产品，也证明了这样的产品多么脆弱。没有治理、没有协议、没有持续维护，一次停更就能让 3692 个 Star 变成考古现场。AI 降低了做产品的成本，没有降低做项目的成本，这两件事很多人搞混了。

判断给完了。但落到行动上，不同人有不同用法，这一部分值得分开说清楚。

资源地址

地址给全了。demo 用官方链，仓库按需 clone，要读代码的先接受它 200MB 的体重。真正该落地的，是你用不用、怎么用。

跟之前，先等一个 License

如果你是医学生或者教师，现在就用，打开 anatomyatelier.vercel.app 就行，不用装任何东西，预习和课堂演示都够用。从你最熟的器官入手，看它的知识模块够不够细，再决定要不要常驻收藏夹。

如果你是想学 AI 工作流的开发者，值得完整读一遍 commit 历史。从 8 月 2 日那个 codex 提交开始，看它怎么把设计图、模型和提示词变成应用，再追后面的多语言、测验和性能迭代。这套链路比代码值钱。

如果你在观望要不要投入，盯两个指标：License 补上了没有，commit 有没有恢复。这两点决定了它是继续当标本，还是从一个好用的 Demo 变成靠谱的生产力依赖。协议一天不补，商用和二次分发就一天别碰。

课本解剖图确实过时了，但取代它的不一定非是代码。这个项目最大的遗产，可能是让更多人相信一个人真能把课堂讲不清楚的东西，做成可以旋转、点击、探索的 3D 世界。不过，剩下的交给下一个动手的人。