用 Astra 手写几百条提示词，我搞出了一台能转的 3D 恩尼格玛密码机

为什么要死磕恩尼格玛的内部机械结构

看 Veritasium 那期关于恩尼格玛密码机的视频，确实挺精彩。Jared Owen 的全流程动画演示也很直观，但看完之后，脑子里关于那些转子（Rotors）、反射器（Reflector）和接线板（Plugboard）之间精密咬合的逻辑，还是有一层雾蒙蒙的感觉。视频展示的是宏观运作，但我想要的是微观的、零件级别的机械直觉。

与其继续翻资料，不如自己动手建一个。于是我用 Astra 开始搭建这台机器的 3D 模型。这不是那种随便找个现成模型贴个图的活儿，我是从头开始定义每一个齿轮、每一个触点。

整个过程的核心不在于建模软件的操作，而在于如何向 AI 描述那些极其细微的机械公差和历史规格。

用 Astra 构建高保真模型的 workflow

我没有直接让 AI “生成一个恩尼格玛机器”，那得到的肯定是个大概其的几何体。我的策略是分拆、细化、校验。

1. 拆解参考与提示词工程

我收集了大量历史照片和剖面图作为参考。然后，针对每一个内部组件，我写了数百条极度详细的提示词（Prompts）。

比如，对于转子环上的接触片，普通的描述是“金属片”，但在 Astra 里，我会这样写：

A close-up view of the Enigma rotor contact ring, made of brass with a slightly oxidized patina, featuring 26 precisely spaced electrical contacts, each contact having a specific depth and angle consistent with M3 rotor specifications, rendered in 8k resolution, macro photography style, showing the wear patterns from thousands of turns.

这种写法强制 AI 关注材质、公差、磨损痕迹以及历史准确性。每一根导线、每一个弹簧的位置，都是通过这种“显微镜式”的提示词一点点抠出来的。

2. 自建检测工具确保尺寸精准

光靠 AI 生成还不够，因为它可能会在比例上“幻觉”。为了保证历史准确性，我编写了一套自己的检查脚本（Inspection Tools）。

这些脚本主要做两件事：

• 尺寸校验：测量生成模型中关键部件的距离。例如，相邻触点之间的角度偏差不能超过特定阈值。
• 位置对齐：确保转子轴心、接线板插座与外壳安装孔的相对位置符合二战时期德国陆军标准型（Wehrmacht Enigma）的规格。

如果检测脚本报错，我就调整提示词中的参数，重新生成，直到误差在允许范围内。这是一个迭代的过程，但结果非常精确。

3. 当前进度与体验

现在这个模型还处于进行中的状态（Work in Progress）。虽然外观已经高度还原，但内部的电气逻辑联动还在调试中。

目前的体验是：

• 视觉反馈强：你可以清楚地看到当你转动钥匙时，转子是如何带动滑环旋转的，这种机械美感比静态图片直观得多。
• 可交互性：模型支持基本的交互，你可以尝试模拟按键过程，观察电流路径的变化（虽然目前主要是视觉模拟，而非真正的加密算法实现）。

几个实际踩过的坑

提示词的颗粒度决定上限
一开始我以为用自然语言描述即可，后来发现对于机械结构，必须引入半结构化甚至伪代码式的描述。比如指定“齿距为 360/26 度”，AI 才能生成正确的齿轮形状。模糊的描述如“紧密排列”会导致随机性误差过大，无法通过后续的脚本检测。

参考图的权重平衡
使用参考图像时，容易陷入“过度拟合”。AI 有时会把背景里的杂物也当成机器的一部分建模。我学会了在提示词中明确排除项（Negative Prompts），比如 no background clutter, no extra wires, clean workspace，这能大幅减少清理模型的时间。

历史变体的混淆
恩尼格玛有好几种型号（海军版、空军版、陆军版），它们的转子数量和接线板布局不同。我在初期没区分清楚，导致生成的接线板针脚数不对。后来在提示词中严格锁定了型号为 Enigma I (Army)，才解决了这个问题。这点提醒我们，在使用 AI 辅助创作历史内容时，明确的元数据约束至关重要。

结论与建议

如果你想深入理解某种复杂机械或历史设备，单纯看视频是不够的。利用像 Astra 这样的工具，配合精细的提示词工程和自动化检测脚本，你可以构建出属于自己的交互式知识库。

这个项目证明了两点：

1. 细节决定真实感：几百条针对性极强的提示词，远比一条笼统的大指令有效。
2. 人机协作的新范式：人类提供历史知识和精度标准，AI 负责具象化和细节填充，脚本负责质检。

如果你对历史机械感兴趣，或者正在尝试用 AI 进行高精度 3D 建模，不妨试试这种“提示词+脚本校验”的组合拳。模型开源部分还在整理中，后续如果有更完整的电气逻辑实现，我会再更新。

目前最直观的感受是，当你亲手“组装”并看到那些齿轮严丝合缝地转动时，对恩尼格玛这台机器的敬畏感会完全不一样。它不再只是一个密码学符号，而是一个精密的工程奇迹。