01 / Symbolic appearance
通用生成模型可能用屋顶、门楼等视觉符号替代完整的地方建筑逻辑。
A natural-language-driven parametric workflow for traditional northern Guangxi dwellings.
自然语言驱动的桂北传统民居 AI 参数化设计工作流模型覆盖台基、墙体洞口、木构架与屋面四层,依据现场记录与文献整理。榫卯做法、砖砌砌筑方式与排水构造尚未建模;网页展示的是研究原型,不是可交付的施工图。
查看四层构造
以桂林灵川江头村砖木院落式传统民居为主要参照,将空间布局、构件关系、尺度参数与风貌特征整理为结构化规则,并用结构化 JSON 连接语言理解与 Grasshopper 模型。研究关注自然语言如何在地方建筑知识约束下驱动参数化模型,而不止于建筑图像生成。当前系统已能从一句场地描述推导出 660 个构件,并在一套空间语法下生成九种可比较的院落方案。
通用生成模型可能用屋顶、门楼等视觉符号替代完整的地方建筑逻辑。
院落、天井、房间与交通关系需要明确的空间规则。
开间、进深与屋顶尺度需要范围约束与一致的单位体系。
构件间的依赖关系需要在进入建模前检查,而非依赖图像表面的合理性。
面宽、排数与进深不是自由输入,而是三组有区间约束的参数。约束保证每一种组合都能生成结构完整的院落,而不是生成一个看起来像民居的形状。
台基与院落、墙体与洞口、木构架、屋面分别记录构件数量与生成条件。任何一层都能单独拆开检查来源,而不是只能接受整栋模型。
界面把变体放在右侧,用同一套指标比较卧室数量、进深、柱网、院落数、建筑面积与屋顶面积。没有比较,生成就只是抽签。

模型不是一整块实体,而是四层可以分别寻址的构件:台基与院落、墙体与洞口、 木构架、屋面。每一层都有自己的构件数量与抬升高度。 右侧滚动可以逐层取出——这正是「可拆开检查」这句话的具体做法。
79 source parts · +0 m
292 source parts · +8.5 m
265 source parts · +17 m
24 source parts · +25.5 m


Generation / 六步链路
System Output / 可检查的产出
语义层 → 规则层 → 参数层 → 模型层。每个环节保留可检查的输入与输出。



Loading workflow…

现在能证明的是「规则可以被执行」:同样的语法在不同参数下稳定地产出可比较、可拆解的构件集。还需要补的是「规则是否正确」——参数有效率、空间一致性与构件完整性要在一手测绘样本上做量化验证,模型对场地差异的敏感度也尚未系统测试。在此之前,这套系统是研究原型,不是可交付的生产工具。
READY FOR YOUR INPUT / 等待输入
这是用于理解参数关系的抽象体块,不是江头村真实测绘模型。生成后仍可调整参数,JSON 与体块会同步更新;真实 Grasshopper / Rhino 接口尚未连接。