LDraw Nova: ИИ генерирует LEGO-модели из текста
LDraw Nova — open-source проект, где ИИ-агент по текстовому описанию генерирует настоящие LEGO CAD-модели в формате LDraw. Разбираем архитектуру и запуск.
Когда ИИ начинает играть в LEGO
Представьте: вы пишете в чат «постройте мне кран с поворотной стрелой», и через несколько минут получаете полноценную трёхмерную LEGO-модель — со списком деталей, пошаговой сборкой и файлом, который открывается в любом LEGO CAD-редакторе. Именно это делает LDraw Nova — open-source проект, который в октябре 2026 года взорвал ленту Hacker News.
Проект представляет собой открытый генератор LEGO-моделей, способный преобразовывать естественно-языковые описания в файлы LEGO-моделей. Звучит как магия — но за ней скрывается элегантная инженерная идея, которую стоит разобрать по деталям.
Что такое LDraw и почему это важно
Прежде чем говорить о генераторе, нужно понять фундамент, на котором он стоит.
LDraw™ — это открытый стандарт для LEGO CAD-программ, позволяющий пользователям создавать виртуальные LEGO-модели и сцены. Стандарт существует десятилетиями: как open-source проект он выжил благодаря команде волонтёров, которые тщательно измеряют и моделируют новые LEGO-элементы по мере их выпуска.
По состоянию на 2024 год библиотека LDraw содержит более 10 000 деталей и продолжает пополняться новыми элементами.
Файлы в формате .ldr можно импортировать практически в любой другой LEGO CAD-инструмент, включая Studio и различные пакеты 3D-моделирования — Blender или LDCad.
.ldr и .mpd открываются в LDView, LeoCAD, BrickLink Studio и многих других инструментах.LDraw — это буквально «язык ассемблера» LEGO: низкоуровневый язык программирования, который описывает, как собирать детали LEGO в модели, одну инструкцию размещения за раз.
Именно эта низкоуровневая природа и подтолкнула автора проекта к эксперименту: а что, если заставить LLM писать на этом «языке ассемблера»?
Как родилась идея LDraw Nova
Около декабря прошлого года автор начал экспериментировать с тем, чтобы ChatGPT и Claude генерировали исходный код на языке LDraw.
Логика проста и изящна: если удастся заставить ChatGPT или Claude генерировать высококачественные LDraw-файлы — они фактически будут генерировать высококачественные LEGO CAD-модели.
При выполнении специализированными инструментами — LDView, LeoCAD, Studio — эти инструкции превращаются в LEGO CAD-модели, с которыми можно взаимодействовать, изменять и дорабатывать.
Результатом стал Python-инструментарий, документация и инструкции для агентов. Используя GPT-6 Astra и Opus 5.5, автору удалось создать набор Python-инструментов, инструкций и документации для агентов, которые теперь могут самостоятельно генерировать LDraw-модели.
«Дай ИИ-агенту идею модели. Направь его, позволь построить — и получи LDraw LEGO-модель.» — описание проекта на GitHub
Архитектура: как агент «думает» при сборке
LDraw Nova — это не просто «промпт → файл». Агент проходит многоступенчатый процесс планирования, прежде чем написать хотя бы одну строку LDraw-кода.
graph TD
A[Текстовый запрос пользователя] --> B[Сбор информации]
B --> C[Поиск подходящих деталей]
C --> D[Построение плана модели]
D --> E[Генерация LDraw-кода]
E --> F[Валидация и сборка]
F --> G{Результат}
G --> H[LDraw .ldr/.mpd файл]
G --> I[3D-просмотр / VR]
G --> J[Blender .glb файл]
G --> K[История чата агента]
Процесс создания модели выглядит так: агент собирает необходимую информацию из результатов экспериментов, документации и планирования, после чего строит один или несколько планов, полностью описывающих модель и подмодели, включая их геометрию — например, atlas-crane.plan.json.
Что агент использует для поиска деталей
Ключевая особенность — умный поиск деталей. Инструменты, используемые агентами для поиска подходящих деталей и примеров моделей, задействуют jev-rerank — семантический поисковый инструмент с реранжированием на базе AI-модели Jev System One от TypeSafe.
Если у вас есть TypeSafe API-ключ (TYPESAFE_API_KEY), его нужно указать в разделе настроек веб-приложения. Без него семантический поиск с реранжированием работать не будет, и агенты переключатся на стратегию полнотекстового поиска (FTS), что может ухудшить качество генерируемых моделей.
Что вы получаете на выходе
По завершении процесса генерации пользователь получает: исходный код модели в формате LDraw; различные варианты просмотра — 3D-viewer, 3D-player, VR-интерактив для Meta Quest 3 и статичные изображения; редактируемый в Blender файл glTF в формате .glb с метаданными в виде Custom Properties; а также полную историю чата и журнал мышления агента.
.glb с метаинформацией как Blender Custom Properties — это мощный задел для пост-обработки. Вы можете дорабатывать модель в Blender, добавлять освещение, анимацию или экспортировать в игровые движки.LDraw Nova vs другие AI-подходы к LEGO
LDraw Nova — не единственный проект на пересечении ИИ и LEGO. Давайте посмотрим, чем он отличается от конкурентов.
| Параметр | LDraw Nova | LegoGPT (CMU) | 3D AI Studio | LEGO-AI-Rebuild |
|---|---|---|---|---|
| Подход | LLM-агент + LDraw | Нейросеть (физика) | Генерация 3D-меша | Инвентарь + планировщик |
| Формат вывода | .ldr, .mpd, .glb | .ldr, .png, .txt | 3D-меш (не LDraw) | В разработке |
| Реальные детали LEGO | ✅ Да | ✅ Да | ❌ Нет | ✅ Да |
| Open-source | ✅ MIT/открытый | ✅ Да | ❌ Нет | ✅ MIT |
| VR-просмотр | ✅ Meta Quest 3 | ❌ Нет | ❌ Нет | ❌ Нет |
| LLM-провайдеры | OpenAI, Claude, OpenRouter | — | Проприетарный | OpenAI |
| Статус | Активная разработка | Исследовательский | Коммерческий | Ранняя стадия |
LegoGPT — бесплатный open-source инструмент от исследователей Университета Карнеги — Меллон, который принимает текстовые запросы и генерирует инструкции для физически стабильных LEGO-моделей. Система обучена на датасете StableText2Lego, содержащем более 47 000 структур LEGO. Это принципиально другой подход: нейросеть, обученная на данных, против LLM-агента с инструментами.
Инструменты вроде 3D AI Studio генерируют модели, которые выглядят как LEGO, но представляют собой непрерывные 3D-меши, а не отдельные интерлокирующие кирпичики — их нельзя собрать с реальными деталями LEGO. LDraw Nova работает с настоящей геометрией деталей.
Установка и запуск: практический гайд
Проект распространяется как докеризованное веб-приложение. Вот минимальный путь к первому запуску.
Что нужно заранее:
- Git
- Docker
- API-ключ одного из провайдеров: OpenAI, Anthropic (Claude) или OpenRouter
- Опционально: TypeSafe API-ключ для семантического поиска деталей
Проект упакован как докеризованное веб-приложение, поддерживающее несколько провайдеров (и агентов) на выбор: OpenAI, Claude и OpenRouter.
Для сборки Docker-образа требуются два репозитория: ldraw-nova (основной) и ldraw-nova-docker, который предоставляет конфигурацию Docker и само веб-приложение.
# Шаг 1: Клонируем оба репозитория на одном уровне
git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova.git
git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova-docker.git
# Шаг 2: Переходим в папку docker-конфигурации
cd ldraw-nova-docker
# Шаг 3: Билдим Docker-образ (первый раз долго!)
docker compose build
# Шаг 4: Запускаем
docker compose up
После запуска открываете браузер, вводите API-ключ в Settings, описываете модель в чате — и ждёте, пока агент «думает».
Что написать агенту:
«Построй миниатюрный маяк высотой около 20 деталей, красно-белый, с прозрачным жёлтым фонарём на вершине»
Агент соберёт план, подберёт детали из библиотеки LDraw и сгенерирует .ldr-файл готовой модели.
Почему это важно для мира ИИ и творчества
LDraw Nova — это не просто «прикольная игрушка». Этот проект демонстрирует несколько важных принципов, актуальных для всей индустрии ИИ.
1. LLM как универсальные кодогенераторы Автор нашёл неочевидный инсайт: LDraw — это язык программирования. А LLM умеют генерировать код. Значит, их можно «перенаправить» на любой структурированный язык описания — и они будут работать. Сегодня LDraw, завтра — любой другой DSL.
2. Агентный подход vs. «один промпт» Простая генерация «промпт → файл» даёт посредственные результаты. Агент сначала собирает информацию, строит планы с полным описанием геометрии модели — и только потом пишет код. Это паттерн «think before you code», который работает для сложных структурированных задач.
3. Семантический поиск как инструмент агента Вместо того чтобы «угадывать» название детали, агент использует семантический поиск по библиотеке из 10 000+ деталей. Это делает результат реалистичным и собираемым.
4. Открытость и расширяемость Проект полностью открыт. Любой может добавить нового провайдера, улучшить стратегию поиска деталей или интегрировать свой рендерер. Комбинация физического и цифрового творчества — именно такие нишевые open-source проекты, объединяющие ИИ и мейкерскую культуру, вызывают наибольший интерес сообщества.
Заключение
LDraw Nova — редкий пример проекта, который одновременно технически изящен и понятен широкой аудитории. Автор взял старый стандарт (LDraw), новые LLM (GPT-6 Astra, Opus 5.5), завернул всё в агентную архитектуру с семантическим поиском — и получил инструмент, который реально работает.
Для разработчиков это учебник по агентному подходу. Для LEGO-энтузиастов — генератор MOC-моделей из текста. Для исследователей ИИ — демонстрация того, что LLM можно применять к любому структурированному языку, не только к Python или JavaScript.
Если LLM умеет писать код — он умеет строить LEGO. Нужно лишь правильно поставить задачу.
Проект доступен на GitHub: github.com/anteloc/ldraw-nova. Звезда и форк приветствуются.