把一座城市搬进大屏，过去要靠一支懂三维的团队手工搭场景、逐行写代码。现在这件事可以由一个 AI 智能体在对话里推进：、

说清需求，场景与应用就被"做"出来。

本文，实际用到的是场景智能匹配与局部修改、图层批量生成、图层参数调优、双向联动等几项能力。

一、实测验证：杭州城市信息可视化 智能开发

在本次 杭州城市信息可视化应用 智能开发实测中，我们搭建了包含区县边界、地标、地铁线网的城市级场景应用。

（图观智能开发案例——杭州城市信息可视化 技术测试成果视频）

先说清楚这篇写的是什么。 这不是一个客户项目，而是图观内部的一次技术实测：拿一套城市级场景，从零开始把一套 基于真实地理信息和数据的演示应用做出来，看智能开发在真实场景里到底能做到什么程度。

之所以选这个题材，是因为它足够有代表性：城市级 是数字孪生里最常规、也最频繁被要求的一类演示——真实三维地图 搭载大量的、种类多样的地理信息数据，如区县边界、区县地标、地铁线网站点，再加上可分层管控图层面板或者数据分析看板。

这类需求看着不复杂，但几乎每个项目都会在细节上反复调整，非常适合检验智能开发的落地能力。

实测里的约束，和真实项目里遇到的是同一类：

• 需求会反复——区县要不要描边、边界填不填充、站点图标多大、标签在什么距离出现，做一版就有一版新想法；

• 时间有限——实测本身有周期，不能无限往下调；

• 要能拿得出手——做出来是要放在屏幕上讲的，画面撑不住，前面讨论得再好也没用。

客观来看，三维渲染、模型场景的效果能力已经发展成熟。当下差距更多体现在智能化水平：开发门槛能否降低、产出周期能否压缩、需求变更能不能高效响应。

本次实测，正是围绕这三点开展验证。

二、场景：这一次是复用，不是重建选

城市级场景有两条来路：

一条是从零生成，适合目标区域或尺度没有现成场景覆盖的情形，由引擎按自然语言描述批量构建大范围场景；另一条是复用已有资产，完成匹配之后再做局部修改。

本案例采用后者：已有适配的城市级资产，无需从零重建。

开发人员从图观场景库里中匹配贴合需求的杭州城市级场景，作为后续所有业务图层的承载底座。直接复用已有资产，可以省去城市建筑、道路、地形关系的大规模构建工作，大幅压缩演示项目整体周期。

匹配之后做的是局部修改：调整行政边界的显示样式，把演示要用的视角预设并保存下来，改完发布即可作为自己的场景使用。

这里有个必须写下来的经验：新项目的第一个动作，是确认场景的级别与类型。 场景级别匹配，是上层所有业务开发的基础前提。

三、应用：几层业务能力是如何构建的

场景就位后进入应用开发。开发人员用的是自己熟悉的 AI 编码工具——进入工具、装上图观技能包、拿到授权令牌，然后在这个环境里用自然语言描述业务需求。工具不是最后才装的一步，它在这一阶段已经在用，并一直用到打包收尾。

讲具体图层之前，先把这一层的机制说清楚，因为它决定了后面所有细节的成色。

第一，它是"按口径生成"，不是"凭记忆瞎写"。 图观 API 技能包已实现和主流智能开发工具打通整合。智能体生成代码前，优先查阅技能包的接口定义、参数约束、工程配方，再开展生成调试。接口即插即用，不绑定特定开发工具，不同智能环境下技能口径保持统一。

第二，输入为需求文档 + 原始业务数据，而非逐条细碎指令。 把需求文档与原始数据导入智能开发工具，用语言说清想做成什么样，智能体自动完成场景接入、图标与卡片配置、业务数据集成等全流程开发——人负责讲清"要什么"，智能体负责"怎么实现"。

智能体规划demo需求文档

智能开发工具接收需求并开始智能开发

第三，它支持对话式迭代。 应用内的图表、数据图层、场景对象与界面控件之间均可双向交互联动；改的时候不必改代码，用语言说明意见，智能体在同一套应用上持续迭代直至达到预期效果。

这三点合起来，图观智能开发把工程口径、场景能力、业务数据打通为一套可迭代完整链路，而不只是简单的代码加速工具。

3.1 边界图层：自定义区县描边的实现思路

需求写得很简单：十几个区县的边界，平面描边、不要填充。

不同几何数据源，对应不同适配实现路径：引擎内置资产适配边界图层；自定义外部几何，更适合走线覆盖物方案。依托技能包内置工程知识，智能开发可以直接匹配对应实现方案，省去大量盲测试错。

最终实现方案：把每一个区县多边形环转化为闭合折线进行绘制。以此获得可控的线宽、颜色、透明度，真正做到只描边不填充；开启贴地参数，线条自动贴合真实地形。

配套完成区县地标、地铁线路、站点，叠加图层面板与图层置顶策略，整套应用合计数十个图层。

业务数据完成导入之后，建立区县归属、站点线路、线路站序的索引关系，后续点击、筛选、统计交互全部依托这套索引。图标同样依据技能包口径逐项校验，规避默认图标在真机环境展示异常问题，通过多轮截图比对，最终确定适配图标样式。

3.2参数调优：先对齐量纲，再收敛效果

图层创建完成不等于效果可用，最终呈现质量高度取决于参数配置。

线宽、透明度、字号、图标缩放、抬升高度，每个参数拥有独立量纲与取值区间。经常会出现接口返回成功，但画面看不到内容的情况，问题往往是数值量级不匹配，需要放大多个数量级才可以在当前场景尺度下正常展示。

图观技能包提供各类参数单位与推荐取值区间。调优时优先对齐量级，再在同一个镜头下输出多组候选效果做对照，快速收敛参数。这套方式，比反复凭感觉调试效率更高。

3.3 交互体验：控制面板与三维场景双向联动

图层可以正常渲染之后，进一步完善业务交互能力。

右侧图层面板不只是简单开关集合：勾选或者取消图层，三维场景内容同步显隐；反过来，点击三维场景内区县对象，面板内对应条目同步高亮。实现三维场景和 UI 面板双向响应。 区县导航切换同样如此：导航选中区县，镜头自动飞行定位；点击场景区县范围，导航组件同步更新状态。

这套双向联动的价值不在于技术复杂度，而是适配现场演示的业务场景：顺着听众关注点完成操作，不需要演示人员在多层菜单之间来回跳转。

四、节奏：先跑通，再说话即改

这次最值得说的，其实不是某个技术点，而是节奏。

第一版不等完美。 场景就位、边界与线网起来、能演示，就先交付一版。它的价值不是“完成”，而是把抽象讨论变成能点、能看的东西——画面出来之后，才知道真正要的是什么。

然后进入变更，而变更不需要改代码。 边界要不要加粗、站点图标要不要再小一点、标签要不要只在近景出现、面板要不要按区分组——每一条都只需要一句话：把意见说清楚，智能体在同一个应用上直接改，改完再看。人只负责说"哪里不对、想要什么样"，不负责动代码。

改完要回到场景里看一眼。 图层是运行时对象，代码改了不等于画面改了；只有真的在场景里看过，才算改对。不对就再描述一次，继续迭代，直到画面与需求一致。

这条链路走顺之后，需求变更不再是灾难——它变成了流水线上最正常的一环。

五、图观智能开发 的落地价值

对集成商决策者来说：同类城市级演示 POC，不再重度依赖资深三维开发人力，项目节奏可以匹配投标、方案演示节点，做到演示流畅，讲标稳妥。

对售前与方案经理：修改诉求不用排队等待开发排期，调整想法可以当天看到实际效果。

对技术负责人：智能生成产物代码可读可迭代，不是黑盒，资产可控。

对一线开发者：从重复的接口调试、参数试错、性能排查工作释放出来，更多精力聚焦业务逻辑与业务数据。

适用场景：智慧城市 POC、客户方案演示、原型验证、城市图层类 Demo 快速产出。

六、小结

这个案例验证的重点，不在于渲染出一套城市画面，而在于完整跑通从需求描述到可用孪生演示应用的全链路。

从公有云资产库匹配已有城市底座，再做局部样式与视角调整；依靠技能包内置的工程知识，直接匹配正确的图层实现方案，减少大量盲测试错；通过参数对齐与对照收敛视觉效果；搭建起三维场景与 UI 面板双向联动的交互能力；面对多轮业务调整，以自然语言对话完成迭代，不需要人工修改底层代码。

整套流程印证了图观智能开发带来的变化：不再要求开发者精通每一项三维接口细节，智能体依托标准化技能承接大量工程实现工作，人聚焦业务诉求本身。

这也正是数字孪生走向 AI 智能开发范式的价值体现：把原型演示、POC 应用的生产效率提上来，让想法可以更快变成可交互、可演示的数字孪生成果。

注：本文所述为 POC 演示级成果；文中描述取自项目开发记录与运行观察，具体表现随场景、机器与网络环境变化，以实际项目评估为准。文中不涉及涉密内容，所涉数据为公开数据或示意性描述。