“一句 Prompt 生成满屏 3D”是真的吗？用五条清单拆掉 AI 演示里的障眼法

屏幕上只输入一句话，几十秒后，粒子、灯光、镜头动画和鼠标交互全部出现。

评论区一半人在喊“前端要失业了”，另一半人在骂“视频肯定造假”。

问题是，这两边可能都只说对了一半。

画面有可能是真的，代码也可能确实由 AI 生成；但视频没有告诉你的，可能是项目里早已有模板、依赖和素材，也可能是生成过程经历了多轮报错，只是最后被剪成了“一句话直出”。

在判断这类演示前，我们至少要回答三个问题：

• 项目开始时真的是空目录吗？
• 视频中间有没有剪辑和人工修复？
• 同一条 Prompt，其他人能不能复现？

本文不急着给某条视频贴上“真”或“假”的标签，而是提供一套可以重复使用的核验方法。

真正值得关注的不是 AI 有没有变魔术，而是魔术台下面藏了多少工程条件。

一、先确认：视频里的“Codex”究竟是什么

很多二次传播内容的第一个问题，不是效果真假，而是产品身份都没有说清楚。

“Codex”可能指 OpenAI 的相关编程产品或能力，也可能被用来泛指某类代码 Agent、命令行工具，甚至只是搬运者为了吸引点击而添加的标签。

如果没有原始链接、模型版本和完整操作环境，仅凭一段带字幕的录屏，我们无法确认：

• 使用的是哪一个产品或模型；
• 是否开启了文件读写、终端和浏览器工具；
• 是否存在项目级规则文件；
• 是否调用了第三方资源；
• 视频发布者是否就是项目制作者。

当前事件的证据状态

由于本文收到的素材中没有提供原始演示链接、首发账号和完整视频，因此不能把任何二次搬运片段直接当作事实依据。

截至成稿，证据链应标记为：

这不是吹毛求疵。

如果源头都找不到，所谓“一句 Prompt 秒杀专业团队”，很可能只是二次传播者对“生成了一个 3D 页面”的再包装。标题越来越夸张，不代表模型能力也同步升级了。

二、“一句 Prompt”背后，可能藏着六层条件

“屏幕上只输入一句话”，不等于模型只接收到一句话。

一个代码 Agent 真正获得的信息，可能包括：

1. 已有项目模板：React、Vite、Next.js 等工程已经创建完毕；

2. 预装依赖：Three.js、React Three Fiber、GSAP 等库已经安装；

3. 系统提示词：平台预先规定了编码规范、执行流程和验收方式；

4. 规则与历史上下文：项目目录中可能存在规则文件、旧对话或任务说明；

5. 工具权限：Agent 可以读取文件、执行终端、打开浏览器并检查报错；

6. 外部素材：3D 模型、贴图、字体、HDR 环境图和音频已经准备好。

这就像让一名厨师“用一句话做出一桌菜”。

如果厨房、食材、半成品和菜谱都已准备完毕，厨师确实可能迅速完成；但这和让他从空房间开始种菜、造锅、接水电，显然不是一回事。

AI 在 3D 页面里通常做了什么

这类效果通常不需要模型“从零发明一套 3D 引擎”，更常见的路径是组合成熟工具：

• Three.js：在浏览器中组织场景、相机、几何体和渲染；
• React Three Fiber：用 React 的方式编写 Three.js 场景；
• GSAP：控制镜头推进、页面过渡和时间轴动画；
• Shader：在 GPU 上处理粒子、材质和光效；
• HDR：为场景提供环境光照和反射信息；
• 3D 模型：来自外部文件或素材库，并不一定由 AI 生成。

调用这些技术生成一个视觉原型，是 AI 编程的真实价值；但它不能被描述成“模型凭空创造了整套 3D 技术”。

能力链路更接近：

模型理解需求 → Agent 操作文件和终端 → 开发环境运行项目 → 第三方库完成渲染 → 外部素材提供视觉细节

少说其中任何一层，演示看起来都会更像“魔法”。

三、先别急着二选一：AI 演示有四种真实性

与其简单争论“真还是假”，不如把演示分成四级。

1. 真实直出

从空目录开始，发布者公开完整 Prompt 和连续录屏，主要代码由一次指令生成，过程中没有关键人工修改。

这种情况最能支持“一句完成”，但仍要说明模型版本、工具权限和运行环境。

2. 真实但有条件

页面和代码是真的，AI 也完成了主要工作，但项目提前安装了依赖，或者使用了模板、素材、参考图和多轮调试。

这并不丢人。真实的软件开发本来就会复用工具。

问题只在于：发布者有没有把条件说清楚。

3. 营销性省略

最终结果真实，但视频剪掉了依赖安装、终端报错、人工修复和多轮对话，只留下第一次输入与最终页面。

这是短视频中最常见、也最容易误导人的形式。

它不一定是彻底造假，却把“最终做到了”包装成了“一次就做到”。

4. 伪造演示

例如提前录好结果、切换到另一个项目、替换浏览器画面，或者将人工开发的项目冒充为 AI 生成。

判断这一等级需要强证据，不能因为效果过于惊艳就直接下结论。

画面炫酷只能证明结果存在，不能证明生成过程成立。

四、五条核验清单：快速识别夸大与造假

1. 查源头

先找首发账号、原始长视频、完整 Prompt、产品版本和发布时间。

• 低风险：首发作者公开长视频、代码仓库和环境说明；
• 可疑：只有剪辑视频，Prompt 被字幕挡住，产品版本含糊；
• 高风险：只剩搬运截图，作者、时间和原链接全部缺失。

如果源头未核实，正确表述应该是“网传演示”，而不是“Codex 已经实现”。

2. 查上下文

重点查看生成前的文件目录、Git 状态、规则文件和历史对话。

例如，目录里已经存在 package.json、src、public 和多个组件文件，就不能再称为“从零生成”。

• 低风险：展示空目录与干净的 Git 状态；
• 可疑：录屏从输入 Prompt 时才开始；
• 高风险：关键目录被遮挡，或窗口始终不显示项目结构。

尤其要注意：一句可见 Prompt，不等于一句完整指令。

3. 查依赖与素材

检查 package.json、静态资源目录和网络请求。

页面是否使用了：

• Three.js、R3F、GSAP 等依赖；
• .glb、.gltf 等模型文件；
• HDR 环境图和纹理贴图；
• 在线字体、音频或远程素材；
• 已有 Shader 代码。

• 低风险：依赖与素材来源全部披露；
• 可疑：声称“零素材”，项目里却存在模型和贴图；
• 高风险：把外部下载资源描述成模型现场生成。

引用现成资源不等于作弊，隐瞒资源来源才是误导。

4. 查连续过程

完整过程应该能看到文件创建、安装依赖、终端输出、浏览器刷新和报错修复。

• 低风险：连续录屏，可核对终端时间和文件变化；
• 可疑：频繁倍速、窗口遮挡或突然跳到最终效果；
• 高风险：输入 Prompt 后直接切换到已运行页面，缺少中间证据。

跳剪本身不等于造假，但有跳剪的视频，不能用来证明“零调试直出”。

5. 查复现结果

最有价值的证据不是发布者成功了一次，而是公开条件后，其他人能否重复完成。

至少应记录：

• 首次运行耗时；
• 对话轮次；
• 报错次数；
• 人工修改量；
• 外部素材使用情况；
• 最终帧率、内存和加载表现；
• 相同条件下是否再次成功。

• 低风险：Prompt、代码、环境和日志全部公开；
• 可疑：只展示最好的一次，不公开失败记录；
• 高风险：拒绝提供代码，其他人也无法得到相近结果。

五、怎样做一场可审计的“一句 Prompt”实测

想自己验证类似案例，不必只看剪辑视频。可以复制下面两条测试 Prompt，在 api.884819.xyz 查看可用接口和接入方式，用于搭建同类任务的对照测试。

需要注意：网站与网传视频中的具体产品不存在默认官方关联。测试时必须固定模型版本、参数、工具权限和运行环境，否则结果没有可比性。

第一组：真正从空目录开始

创建一个可在浏览器运行的全屏 3D 交互页面：
深色背景，中心包含由粒子组成的动态球体
粒子随鼠标移动发生轻微偏移
页面加载时有镜头推进动画
提供颜色与粒子数量调节控件
保证桌面端流畅运行
请自行选择技术方案，创建完整项目并启动预览。

这组测试考验的不只是视觉代码，还包括项目初始化、依赖选择、目录创建、启动命令和错误处理。

第二组：公开工程条件

当前项目已经安装 React、Three.js、@react-three/fiber、
@react-three/drei 和 GSAP。

请基于现有项目实现一个全屏粒子球场景，使用程序化粒子，
不要下载外部 3D 模型。完成后运行项目、检查控制台错误，
并修复到可以正常交互。

第二条同样只有“一条 Prompt”，但它已经替模型做出了技术选型，也准备好了工程环境。

两组结果即使看起来接近，所证明的能力也完全不同。

必须记录的实测表

在没有完成真实测试前，不能填写看似精确的耗时、帧率或成功率。以下表格应在连续录屏和保存日志后据实填写：

资源允许时，每种条件应重复多次，而不是把一次偶然成功包装成稳定能力。

五组截图缺一不可

为了让测试真正可审计，建议统一保留：

1. 完整 Prompt；

2. 生成前的目录与 Git 状态；

3. 系统提示词、规则文件、历史上下文和工具权限；

4. 安装依赖、终端报错、重新运行与修复过程；

5. 最终页面及浏览器性能面板。

截图注释要直接说明事实，例如：

• “这里已存在项目模板”
• “此处发生跳剪”
• “该模型文件来自外部素材”
• “本轮由人工修改代码”
• “性能数据来自当前测试设备”

不要用后期制作的“示意截图”冒充现场证据。

六、下一次看到“AI 神迹”，先问这三个问题

普通用户不需要读懂每一行代码，只要记住三个判断原则：

先看证据链

原始视频在哪里？谁发布的？完整 Prompt、代码和环境是否公开？

再看能力边界

AI 是完成了整个项目，还是主要生成了页面组件、Shader 和交互逻辑？项目初始化、素材准备和错误修复由谁完成？

最后看复现成本

其他人需要多少准备工作？是否要购买素材、配置复杂环境、反复对话和人工修改？

AI 编程的进步并不需要靠夸张包装来证明。即使演示使用了成熟模板，模型在搭建原型、组合图形库、生成交互逻辑和排查错误方面，依然具有实际价值。

但“可以生成”不等于“一次成功”，“一句 Prompt”也不等于“零准备”。

不要只问是不是 AI 做的，还要问 AI 做了哪一部分、人做了哪一部分，以及复现这件事需要多少条件。

我们已将本文的两条 Prompt、环境披露表和复现记录方法整理为一套核验思路。你可以前往 api.884819.xyz 查看接口接入方式，用同一测试题验证不同模型。

8848AI支持用户名和密码直接注册，无需邮箱验证；平台内置AI对话功能，注册后即可使用。国产模型如 Deepseek、千问等可免费使用，平台没有月租和订阅，其他服务按量付费。

记得保存完整日志。下一次再遇到“一句话做出网页、App 或 3D 大作”的视频，你就能用证据，而不是用情绪判断。

这次我们拆的是“生成过程”有没有被包装；下一篇将追踪一个更隐蔽的问题：当 AI 生成的项目确实能够运行时，代码究竟是原创组合、调用模板，还是复刻了现成的 GitHub 项目？

我们会从代码相似度、提交记录、资源指纹和依赖链入手，做一场完整的“AI 作品溯源实验”。如果它与现有事件同源，也不会拆成另一篇换皮新闻，而会直接更新进这份核查记录。

#AI编程 #Prompt技巧 #Codex #ThreeJS #人工智能 #AI核验 #8848AI