先看一组数字：一个 10 月 8 日才建仓的项目，十几天冲到 24,355 star、2,032 fork，作者 Ryan（@wheresryan22）之前只有 5 个公开仓库。项目叫 Anatomy，一句话概括是：
一个 Claude Skill，用来把「一个想法」解释成「一台真的能运转的东西」。
它的产出是等距（isometric）插画——但这不是又一个「AI 画图」工具。它解决的是很多人真正卡住的地方：怎么把一个抽象机制讲清楚。
一、它不画框图，它造机器
我们习惯的解释方式是画框图：几个方块、几条箭头、每格写上名字。问题在于，框图和箭头只能表达并列关系，表达不了因果。读者知道你列了五步，但不知道第一步为什么必须排在第二步前面。
Anatomy 换了一条路：它不画你的流程图，而是先发明一台机器，让这台机器运转的方式，本身就是那个概念。README 里举了两个例子，我觉得比任何参数都说明问题：
- 缓存键（cache key）——改成一把弹子锁：只有所有弹子都对齐，锁芯才转得动。所谓「没变化就跳过」，变成了一个物理事实。
- 一个 GPU 上下文服务多块画布——改成一台龙门绘图仪：只有一个打印头，依次走到 16 个孔位去画。
然后它把机器拆成几十个到几百个小零件，每个都有体积、有四档明暗、按前后顺序绘制，装进一张带标题、提示和实时读数的卡片里，让它随着指针和键盘平静地动起来。
二、八种完全不同的成品
仓库里带了 8 个完整示例，构建好的页面直接提交在仓库里，打开就能玩。规模从 300 行到几百个零件：
| 示例 | 展示什么 | 规模 |
|---|---|---|
| dial-indicator | 千分表架在量块上方，滑动托架时指针读数跟着变 | 最小示例，约 300 行 |
| desk-computer | 1984 年风格的桌上电脑，键盘能真的打字，关机时 CRT 收缩成一条线和一个点 | 约 85 个实体 |
| arcade-cabinet | 街机框体，投一枚硬币：硬币沿投币道滚进钱箱，脉冲沿电缆跑到主板，CRT 亮起进入演示画面 | 约 240 个实体 + 15 条线缆 |
| raptor-engine | Raptor 2 火箭发动机，悬停时可拆成 11 个组件 | 构建要几分钟 |
| ripple-tank | 学校用的水波槽，两个振子在水面激起干涉波纹，焦散投在下方纸屏上 | 两层 WebGL 叠加 |
| turning-dial | 真 3D 模式：密码转盘能转，上面搭着一只小机械手 | 约 90 个零件，每帧重投影 |
注意这些示例的共同点：它们全部是可交互的。指针会跟着动、键盘能打字、硬币会滚、火焰会烧。解释一个「随时间变化的过程」，静态图片天然吃亏，而这里的变化本身就是内容。
三、真正的门槛：它会自己验收
AI 画图最容易崩的地方不是画不出来，而是画得好看但经不起看：管子穿过了机体、线头悬在半空、遮挡顺序反了。放大一看全是破绽。
Anatomy 在这件事上做得比多数同类狠，它内置了四道检查：
- 几何审计（
kit/audit.mjs）：证明没有任何零件穿过另一个零件、每个端点都落在支座上、所有重叠都按深度顺序绘制。跑法是node build.mjs --audit。 - 线段末端检查（
scripts/lines.mjs）：任何一条画到一半就停在空中的线，直接判失败。 - 无头浏览器截图（
capture.mjs、drive.mjs）：截全图、截特写、录慢动作接触印相，两种主题各来一遍。 - 回读每一张 PNG：SKILL.md 明确要求 Claude 自己去看这些截图，像评论家一样挑毛病，而不是生成完就交差。
我认为这才是它和其他「AI 出图」工具的分水岭。前面三条是工具，第四条是纪律——把验收写进流程，而不是指望模型自觉。它的 3D 模式还额外有 turn-check.mjs 和 3D 轨道审计。
四、怎么装，怎么写提示词
它遵循开放的 Agent Skills 格式，所以不止 Claude Code 能用，Antigravity、OpenCode、Codex、MiniMax Code 都能加载。最省事的方式：
npx skills add wheresryan22/anatomy -g -a claude-code把 -a claude-code 换成 -a antigravity、-a opencode、-a codex、-a minimax-code 就是给别的 Agent 装。也可以用 git 直接克隆到对应目录，或者下 ZIP。
不需要 API Key，也不需要 npm install——整个 kit 只用 Node 自带模块（要求 Node 20.10 以上）。只有那几道自检需要本机有 Chrome / Chromium。
装好之后，Claude Code 里这样用：
/anatomy explain how a token bucket rate limiter works, interactive作者在 README 里总结出三条能显著提高成品率的写法，我抄下来并补了一句自己的理解：
- 说清楚要解释什么，别说要画什么。给出真实数字——尺寸、数量、速率、阈值。机器由它来发明，这部分它比你强；但数字必须你给，否则它只能编。
- 或者直接点名物件。如果你已经想好是一台咖啡机、一个本生灯还是一把锁，就直接说，并说清楚什么应该动。
- 说清楚用在哪。独立 HTML 页面、单个 SVG 文件、还是 React / Next.js 组件；浅色还是深色。三种产物的构建方式完全不同。
Codex 用户注意一点：它的自检要起一个无头 Chrome，而 Codex 的沙箱可能会拦住。拦住了也不影响出图，只是自检失败——可以在 Codex 询问是否越出沙箱时放行那一条命令。
五、它的边界，也别忽略
- 它不是图表库。没有坐标轴、没有数据系列。数字只以「实时读数」和零件的真实尺寸、数量出现。要画折线图和柱状图，别用它。
- 它画机器、仪器、工具、家具。不画人，也不画精确地图。一个本身没有机械结构的概念，出来的效果会明显偏弱。
- 它是「故意慢」的。一张图是一个长会话：列零件清单、建几何、跑审计、两种主题下逐个关节看特写。Raptor 那个示例光构建就要几分钟，30 个零件的完整 3D 轨道审计要 15 到 20 分钟。
- 3D 还是 beta。只在它自己的示例和一个测试图上验证过。380 个零件的压力测试手，1440px 宽下约 20 fps，手机限速配置下 13–15 fps。
- 没有 WebGL 也不影响阅读。shader 只负责火、水、焦散、灯光这些线条画不出的东西；关掉之后 SVG 照样能看懂，开启「减少动态效果」时所有图形静止。
六、我会把它用在哪
说点实在的。这类工具最容易被当成「炫技玩具」，收藏完就吃灰。我觉得它真正有回报的三个场景是：
- 技术文档里那些讲不清的机制。限流的令牌桶、连接池的借还、CDN 的缓存命中与回源——这些在纸上写三百字不如一张会动的图。
- 给非技术同事解释你自己的系统。他们看框图会点头，但没真的懂；看一台机器转起来，会开始问「那这一步卡住会怎样」——这才是真的懂了。
- 写文章的配图。比起去图库找一张「差不多意思」的插画，一张为你的论点专门造出来的机器，说服力完全不同。
它的产出是你自己拥有的源码：一个 Node 构建脚本加上它写出来的页面，或者 React 的几何模块 + 一个服务端组件 + 一个客户端组件。kit 跟着一起给你，改起来不受制于人。MIT 协议。
如果你做出了满意的图，可以让 Agent 直接提交到官方社区画廊 anatomy-community——它会先给你看清楚要提交什么，你确认后自动开 PR，不用 git 也不用手动 fork。
最后
这两年 AI 让「画一张图」变得极其便宜，结果是我们被大量精致但空洞的配图淹没了。Anatomy 让我觉得有意思的地方，不是它画得好看，而是它先逼自己想清楚「这个概念到底是怎么运作的」，然后才动笔画。
换句话说，它省下的不是画图的时间，是你被一张含糊的框图糊弄过去的那部分时间。
项目地址：github.com/wheresryan22/anatomy，官网和在线示例在 skills.wheresryan.sh/anatomy。我把它收进了菜芽导航的 AI 智能分类，也从 AI资讯 栏目持续跟进这类工具的动态。你用它在什么场景下出过好的图，欢迎在评论区聊聊。
