SketchUp Agent Harness 是一个开源早期项目，目标是让设计师通过 Claude Code、Codex CLI 等 agent 工具，用自然语言控制 SketchUp，并把设计意图转成可验证、可执行、可修复的项目状态。

项目仓库：

github.com/marlinBian/sketchup-agent-harness

它不是一个只面向某个单一 AI 工具的插件。Claude 和 Codex 都只是入口；真正稳定的核心是 MCP server、SketchUp Ruby bridge、结构化设计模型、组件元数据、运行时技能和协议文档。

这个项目想解决什么问题

很多 AI 设计工具容易停留在“根据提示词生成一张图”或“帮你操作几步软件”。这对灵感探索有价值，但对真实设计工作还不够。

设计师真正需要的是一个可以持续迭代的工作流：

  • 设计意图能被记录
  • 平面图、图片或扫描件等来源能被保留
  • 模型状态能被检查和修复
  • 软件里的执行结果能追溯回结构化事实
  • 视觉反馈能变成明确修改，而不是散落在聊天记录里

SketchUp Agent Harness 的核心判断是：AI 设计工具需要一个结构化的 source of truth。对这个项目来说，关键文件是 design_model.json。SketchUp 场景、截图和渲染图都很重要，但它们更像执行结果或审阅产物，不应该成为唯一的长期真相源。

当前能做什么

根据当前项目文档，1.0 版本仍处于早期阶段，但已经具备一些基础能力：

  • 初始化独立设计项目目录
  • 安装 SketchUp Ruby bridge
  • 在项目中安装 Claude / Codex runtime skills
  • 通过自然语言生成简单空间和卫生间布局
  • 导入 DWG、DXF、PDF、图片、扫描件或照片作为第一版可编辑模型
  • 在 design_model.json 中保存结构化设计 truth
  • 保存 source evidence、截图、版本和项目规则

一个典型目标不是“让设计师 clone 源码仓库来工作”，而是：

  1. 安装 harness plugin。
  2. 安装或更新 SketchUp Ruby bridge。
  3. 创建一个干净的设计项目目录。
  4. 在该设计项目目录中运行 Claude 或 Codex。
  5. 用自然语言描述要做的设计。

为什么强调唯一真相源

如果 AI 只是生成一张图，设计师很难继续编辑、检查、回放或修复它。

如果 AI 只是直接操作 SketchUp 场景，很多设计判断会被埋在软件状态里，后续 agent 很难知道哪些是设计意图，哪些是临时操作，哪些来自原始图纸，哪些只是推测。

结构化模型的价值在于把这些东西显式保存下来：

  • 空间
  • 尺寸
  • 组件
  • 规则
  • 假设
  • 来源证据
  • 执行计划
  • 审阅和修复线索

这样 agent 才能做 diff、validation、repair 和 replay。设计师也可以把注意力放在意图、判断、约束和取舍上，而不是反复成为“AI 时代的画图执行者”。

架构主线

可以把 SketchUp Agent Harness 理解成一条从自然语言到 SketchUp 执行的链路：

designer intent
-> agent CLI
-> runtime skills
-> MCP server
-> structured design model
-> SketchUp Ruby bridge
-> SketchUp scene
-> visual review
-> structured repair

这里的关键不是某一个 agent 模型，而是中间的可验证协议层和结构化项目状态。

这也是为什么项目会同时包含：

  • MCP server
  • SketchUp Ruby bridge
  • runtime skills
  • protocol specs
  • spatial behavior specs
  • project workspace docs
  • import pipeline docs
  • visual review loop docs

当前限制

这个项目还不应该被理解成成熟的商业设计平台。

当前更准确的定位是：一个 open-source early-development harness，用来探索自然语言 agent 如何可靠地控制 SketchUp，并把设计过程组织成可检查的结构化工作流。

尤其是平面图导入部分，第一版模型应该被视为可编辑 working model，而不是测绘级结果。真实组件库、复杂碰撞检查、更稳定的图纸识别和更完整的设计规则仍需要继续迭代。

后续我会写什么

这个项目也是我接下来一组文章和演示的起点。

第一条主线是 source of truth：

为什么 AI 设计工具不能只追求“看起来画出来了”，而要保留可编辑、可修复、可回放的结构化真相。

第二条主线是设计师工作方式：

设计师应该把精力放在想法、判断、约束和取舍上，而不是被迫把每一个低层建模步骤都手动执行一遍。

第三条主线是技术实现：

Codex 或 Claude 如何通过 runtime skills、MCP server、SketchUp bridge 和 design_model.json，把自然语言变成可验证的 SketchUp 项目状态。

后续我也会基于这个项目制作演示视频，用一个公开安全的示例展示从自然语言目标到 SketchUp 模型、审阅和修复的完整过程。