AI 城市生成器：先路网，再地块，最后建筑

城市生成器都是在 200 米高空被评判的，而那恰好是所有城市生成器看起来都很称职的唯一高度。把相机降到 1.7 米，站到一个街角：人行道有没有绕过转角，相交的两条路对路缘高度有没有共识，街角那栋建筑知不知道自己在街角。城市能不能读成城市，取决于这个视角——而这件事在任何人开始建模房子之前，早就定下来了。

城市首先是一张路网

这个顺序是一条依赖链，不是风格偏好。路网把地面切成街区，街区细分成地块，而地块的临街面宽、进深和退线决定了那里能站什么建筑。改路网，下游全部跟着变；改一栋建筑，上游毫不在意。

把顺序颠倒的生成器——先堆一批建筑，再从缝隙里穿几条路——产出的是「截图城市」。从上往下看体块很像那么回事，到了街道高度什么都不朝向什么，因为放置的那一刻根本没有可朝向的东西。Parish 与 Müller 发表于 SIGGRAPH 2001 的论文，此后大多数程序化城市工具的祖先，就是先生成街道网络，再由街道把土地划成地块，最后才在地块上放建筑。

道路有三级，不是一级

真实路网是有等级的，而这个等级在人眼高度上就能读出来，哪怕你不知道它的名字。主干道承担穿越交通、几乎不直接连接地块；集散道路把片区内的车流汇集起来送上主干道；地方道路的存在意义就是抵达门口。在美国路网中，主干道加集散道路合计承担约 70% 至 80% 的车辆行驶里程，而地方道路占据了里程总长的大部分：少量宽阔、繁忙、连续的街道，加上大量狭窄、短促、安静的街道。

只生成一个等级道路的生成器，做出来的是棋盘：街道一样宽，路口一样重要，左转右转没有任何理由。给三个等级不同的车行道宽度、不同的人行道、不同的路灯间距和不同的沿街建筑，玩家就会开始靠手感导航，而不是靠小地图。

可以量出来的宽度

站得住的数字，单位为米，取自 NACTO 的《Urban Street Design Guide》：

• 车道：城市街道 3.0 米，公交与货运通道 3.3 米。到 3.6 米，街道就开始读成公路。
• 两侧带停车位的双向地方道路：路缘到路缘 7.3–8.5 米。典型的社区街道是 15 米道路红线里的 9 米车行道。
• 人行道通行带：住宅区 1.5–2.1 米，市中心 2.4–3.7 米——而这只是真正用来走路的部分。真实人行道还有靠路缘的设施带（路灯、行道树）和贴着建筑的临街带（门、台阶）。把它建成一条平板，两者都会丢掉，所以生成的街道看起来像被打扫得一干二净。
• 路缘石高差：0.10–0.15 米。最先消失的东西，而路缘与车行道齐平，整条街就变成了一张画上去的平面。

真正遵守这个顺序的工具并不多。基于节点的程序化系统——Houdini 的节点图、从那篇 2001 年论文一脉相承的规则式城市工具——确实从街道图开始，代价是规则要你自己写。单次生成的模型根本没有路网，它们输出里的道路是纹理而不是拓扑。「资源库加摆放」类工具通常从一张网格开始，也就是只有一个等级的路网。由智能体驱动真实编辑器是第四种情况，它从路网开始的理由很朴素：画一条主干道是一个操作，摆四百栋建筑是四百个操作。Cuberta 正是这样工作的——编辑器通过 Model Context Protocol 开放场景层级的操作，于是智能体先画主干道，再画集散与地方道路，然后切分街区，并在每一步之间把场景读回来。这是否胜过手写的规则图，取决于你愿意自己写多少，而这本身就是另一场讨论。

街区第二，地块第三

街区就是路网围合出来的东西；里面发生什么是另一个决定，也是大多数生成器整个跳过的一步。6 米面宽加零退线，得到的是联排；18 米面宽加 7 米退线，得到的是郊区。同一套建筑库两种都做得出来。

该拿走的是比例，不是可以照抄的数字。波特兰每 61 米一个路口，按 1.4 米/秒的步速，每 45 秒遇到一个；曼哈顿一个方向每 80 米、另一个方向每 274 米，所以两条轴线感觉像两座城市。对游戏而言，可用区间是每边 60–120 米：小于 60 米，地面面积大半都铺成了路；大于 120 米，玩家在两次决策之间走得太久，而经过的正是那些长长的、空白的街区立面——生成城市最露馅的地方。

退线、面宽与层高

退线是把商业街和居住街区分开的那一个数字：连续商业界面没有退线，联排住宅有 2–4 米前院，郊区独栋有 6–8 米加一条车道。站得住的面宽是：联排住宅 5–7 米（经典的布鲁克林褐石屋坐落在 6 × 30 米的地块上），城市公寓楼 15–25 米，独栋住宅地块 12–20 米。转角地块几乎总是比邻居更宽：转角更值钱，店铺归它，而 Eixample 干脆把这个差别写进了规划——20 米的切角。

竖向上，有一条约定能让屋顶线保持诚实：住宅层高 3.0–3.3 米，办公 3.6–4.2 米，商业首层 4.5 米起，所以四层住宅到檐口大约 12–13 米。生成的建筑如果在这件事上没有共识，相邻立面就会对楼板标高各执一词，街道读起来就成了拼贴。

路口是生成器崩塌的地方

路口是唯一必须把两条道路的几何合并成一个连续表面的位置，而两条道路各自的定义里都没写该怎么合。

• 面重叠。两个道路网格交叉产生共面多边形，路口正中出现闪烁色斑，第一帧就看得见。
• 人行道互相穿过。路缘线必须转过弯去；两条沿自身中心线挤出的带子只会交叉。
• 转角什么都没有。标准路缘半径为 3–4.5 米，城市住宅街道降到 1.5–3 米，有些城市甚至做到一米以内。全场用同一个半径，要么在联排里做出赛道弯角，要么在主干道上做出刀锋。
• 宽度不匹配。12 米主干道遇上 7 米地方道路需要一段过渡；没有过渡，地方道路的路缘线就悬空停在还差 2.5 米的位置。
• 标线角度不对。在夹角 70 度的路口按 90 度盖上斑马线，整个路口立刻读成贴图作业。
• 转角建筑不像转角建筑。真实城市的转角地块是商店、酒吧、更大的楼、切角。若只是把街段中间那栋楼旋转 90 度，路口就没有地标，片区也就没有导航。

检验只需要一次相机动作：视点放到 1.7 米，站在路口正中，转满 360 度。挺过去了，其余都挺得过去；挺不过去，再好的天际线也救不回来，因为玩家整关都待在这个高度。

重复是最大的破绽

生成城市暴露自己靠的是重复，而且比几何暴露得早得多。沿着 100 米长的街区立面，玩家一眼能看到十到十五个建筑正面；其中出现两个一模一样的，幻觉就结束了。市面上提供的多样性大多是假的：

• 立面套件。六到十块墙板重新组合：行业标准做法，确实有效——直到同一根窗棂连着出现在五栋楼上。
• 颜色抖动。在 albedo 上做色相偏移。在航拍截图里很有说服力，在 10 米处毫无用处，因为底下的几何一点没动。
• 旋转与镜像。镜像后的房子还是同一栋房子；眼睛读的是轮廓和比例，不是手性。
• 随机缩放。四者中最糟的一种，因为它破坏的恰恰是原本正确的东西：门不再是 2.0–2.1 米，楼板线不再与隔壁对齐。

挣来的多样性长自规划本身。地块宽度不一样，是因为细分本身就不一样。同一条街上有不同年代的建筑，层高不同，还有一栋塞进拆除空档里的窄插建。屋顶线随地面台阶而台阶，沿联排哪怕只有 1:40 的坡度也会把檐口逼成一段阶梯。再加上几栋完全不属于这一类的建筑——变电房、教堂、立体停车楼。三百栋规模的片区里放五个这种，对可信度的贡献超过再加二十种立面变体。

分开真假的规则是：你解释得出来的多样性才读得出来。如果你说不清这栋楼和隔壁差在哪里，玩家也说不清，差异只会变成噪声。规则式生成器只能变化它的规则集暴露出来的东西——写得好的暴露很多，赶工的只暴露颜色。而对编辑器里的智能体，你可以直接说：在西北角那个街区放一座小教堂，让联排顺着地势向河边逐级下降。这句话会变成五个具体的物件，而不是又一个参数。

一个片区到底需要多少栋建筑

建筑数量不是你选的。你选的是街区尺寸和临街面宽，数量是算出来的。80 × 110 米的街区周长 380 米，用面宽去除就得到临街建筑的数量：6 米联排 63 栋，12 米联排别墅 31 栋，22 米公寓 17 栋，或者围合内院的一整栋周边式建筑 1 栋。

一个可步行的片区大约 400 × 400 米，按 1.4 米/秒走完不到五分钟。街道间距 100 米，就是十六个街区：各 17 栋是 270 栋，各 31 栋是 500 栋，各 63 栋是一千栋，那已经是另一个项目了。两百到四百栋临街建筑是实用区间：足够填满每条街的每一个视野，又少到你能亲自把它们全看一遍。

独立网格是另一个数字，而且小得多。如果一个街道视野里有十二个正面，那么在重复变得不可见之前，你大约需要十五到二十种不同的建筑体量，外加两条摆放规则：相同的建筑不相邻，也不同时出现在一个视野里。二十种体量配三种屋顶变体和一套立面套件，能撑起三百次摆放；四种体量加颜色抖动什么都撑不起来，摆多少次都一样。

怎么把一座城市描述给智能体

不管由什么来生成，描述都应该读起来像一份规划任务书，而不是情绪板；顺序和内容同样重要：路网、街区、地块、建筑、街具、光照。按这个顺序写，每一句都在约束下一句——这正是几何本来就必须遵守的那条依赖链。

市中心边缘片区，400 × 400 米，地形平坦。一条主干道南北向从中间穿过：每向两条 3.3 米车道，2 米绿化中央分隔带，两侧 3.5 米人行道。两条集散道路东西向与之相交，间距 130 米，路缘到路缘 8 米。其余由地方道路填满，间距约 90 米，路缘到路缘 7 米，单侧停车。街区 80 × 110 米。主干道沿线：连续的五到七层砖石建筑，零退线，首层 4.5 米带橱窗，以上各层 3.1 米，面宽 14 至 26 米。地方道路沿线：三层砖砌联排，面宽 6 米，3 米前院配矮栏杆。转角地块用更宽的建筑，首层做切角。与主干道相交处路缘半径 4 米，其余 2 米。主干道路灯每 30 米一盏。其中一个街区是公园，一个是地面停车场，西北角街区有一座小教堂。上午晚些时候的阳光，从东南方来。

每一句都能在视口里核对，这才是关键性质：结果不对时，你可以指着被忽略的那一句说「集散道路的间距是 90 米，不是 130 米」，而不是把整段描述重写一遍再赌一次运气。用结构代替形容词，这条原则适用于任何由文本生成的场景，只是城市对含糊的惩罚更重，因为需要互相对上的部件更多。

不写什么同样重要：每一条约束都是你之后必须去核对的一条，而四十个数字核对起来比片区搭起来还慢。如果智能体驱动的是编辑器而不是网页表单，任务书还可以分批下达——先圈出允许它施工的范围，让它铺路网，你走一个路口看看，然后再放它去填街区。在 Cuberta 里每一步都可以撤销，所以在第一个路口就抓出车行道宽度不对，代价是一分钟，而不是重做一遍。

室内：到底需不需要

对城市片区来说，多数情况下不需要。按成本从低到高分三档：

• 不透明玻璃。窗面上一层深色微反射材质，后面什么都没有。掠射角下读成玻璃幕墙办公楼，这算诚实；5 米处正面看就是一块实心体。
• Interior mapping（室内映射）。Joost van Dongen 于 2008 年发表的着色器技术：像素着色器对窗后假想的地板与墙面做射线求交，在命中点采样房间纹理，于是窗户获得真正的视差，却不需要任何室内几何，也不需要额外存储。大多数开放世界城市的窗户都靠它撑着；按投入的每小时计算，这是对生成片区回报最高的一件事。
• 真正建模的室内。墙、地面、家具、灯光，以及一扇在正确高度开向人行道的门。

真正重要的不是你有多少栋楼，而是玩家能走进几栋——在多数城市关卡里是几百栋里的三到十栋。把这几栋做到家具级别，剩下三百栋交给着色器。给所有建筑都生成室内，会把物件数量放大约二十倍，换来没人会进去的房间，还让真正重要的那十栋变差，因为那十栋需要一个人来决定沙发放哪儿。Cuberta 既会搭片区，也会搭带家具的室内；这份力气该花在可进入清单上，而不是花在天际线上。

这份清单要在生成片区之前定。可进入的建筑有立面不具备的要求：门要对齐人行道，首层要落在路缘高度加一级台阶上，占地不能是 6 × 30 米的纯走廊，还得有让玩家进去的理由。把这些补进一栋当墙纸生成的楼里，比一开始就建对要贵。

第一个小时花在哪里

在生成任何一栋建筑之前，先建路网，然后站到一个路口上。道路切出街区，街区分出地块，地块摆出建筑，每一步都约束下一步。遵守这个顺序的生成器，做出的城市从空中看很无聊、走在街上很可信——这是对的那一面，因为玩家永远不会看到那张航拍图。颠倒顺序的生成器给你相反的结果，而相反的结果无法在下游修好：没有任何一种对建筑的操作，能把它放回一条它从未依附过的街道上。