Tripo 上線 Astra 3D 提示詞庫，標明逐字與整理兩種來源

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

GPT-6 Astra 發表後第七天，3D 模型生成平台 Tripo 給它蓋了一座提示詞庫：收錄 211 條 3D 實戰案例，每條都標明是「作者逐字公開的 Prompt」還是「官方根據公開說明整理的版本」，附作品預覽、作者與日期，另有一個每天同步兩次的 GitHub 開源版本。繁體中文版整站完整，台灣讀者不需要簡體轉換就能直接用。

Pin

我在 9 月 10 日下午逐一翻過官方專區、案例詳情頁與 GitHub 儲存庫。這個庫真正少見的地方，是它把「這條提示詞從哪來」寫在臉上，連「無法確認這是作者實際輸入」這種話都照寫。在提示詞網站多半靠倒推編故事的環境裡，這個做法本身就是資訊。

發表後兩天動工，七天長出 211 條

先把時間軸對齊。OpenAI 在 9 月 3 日發表 GPT-6 Astra，主打跨軟體的長時間電腦操作能力，3D 社群隨即出現一批用 Astra 接管 Blender、Unreal Engine 5 與 Three.js 的展示。Tripo 的動作很快：GitHub 上專責這個專案的 TripoGrowthLab 組織在 9 月 5 日建立，同日建立 awesome-astra-prompts 儲存庫；官方專區裡最早兩條案例（Matt Shumer 的曼哈頓街區復刻、Flavio Adamo 的 Minecraft 風世界）日期都標在 9 月 3 日，也就是模型發表當天。

之後就是高速累積。第一頁目錄的案例日期從 9 月 7 日一路排到 9 月 10 日，我在同一天內兩次造訪專區，計數從 210 條變成 211 條，新增的是當天上架的行動版拍翅遊戲 Mosswing。這個數字會持續漂移，引用時附日期比較負責。

Tripo 本體是文字與圖片轉 3D 模型的生成平台，有 Tripo Studio、API 與 Blender、Godot、Unity 等外掛。提示詞庫掛在官網的 3D 提示詞專區之下，Astra 是其中最大的模型分頁，案例涵蓋 Blender 自動化建模、Three.js 與 WebGPU 網頁 3D、Godot 輕量引擎與 Unreal 大型場景。

庫裡實際收的東西比「3D 案例」四個字熱鬧。翻第一頁目錄就能看到各種任務類型：MSB 的直式跑酷遊戲 THE LAST GATE 內建算術門與帶隨機種子的輸入回放；探路 AI 用中文提示詞讓 Blender 搭出機械手臂追貓的十秒喜劇場景，定義了橘白貓、貓尾造型玩具與動作反轉；YouWare 做沉浸式稻田網站；還有北京天壇祈年殿的 Three.js WebGL 專案、Godot 機甲綁骨架、WebGPU 互動果凍檸檬樹與 VRChat 景觀世界。任務跨度從十秒短片到可探索的開放世界都有，共同點是每條都指向一個做完可以檢查的產物，不是純氛圍展示。

值得記一筆的還有繁中介面的完成度。整站選單、FAQ 與案例描述都是繁中，只有少數作者名保留簡體原文，例如嵐叔在繁中頁仍顯示簡體字。以一個上線一週的多語站來說，在地化做到這個程度少見，頁面也可以直接當工作資料讀，不需要自己腦內轉換。

真正少見的是它把來源等級寫在臉上

提示詞分享網站的老問題是「倒推假 Prompt」：看到別人的酷炫 Demo，自己編一段指令冒充原作者的咒語。Tripo 在常見問題裡對這件事的回答寫得很直白，值得逐字引述：

「不是。每條內容都有證據標記：『逐字 Prompt』保留作者公開的表述；『基於來源整理』則根據公開 Demo 描述重建可重複使用提示詞。我們不會聲稱拿到了作者從未公開的 Prompt。」

實際頁面也兌現了這個承諾。我抽了一條案例做交叉驗證：日本創作者 Nano（@Dstudio_ai）在 9 月 6 日發布的 Blender 角色表情切換作品。X 原文只說他用 Tripo 生成角色模型後，把不同表情的差分模型放到相同位置，再用驅動器切換，並沒有貼出任何完整提示詞。Tripo 詳情頁則在提示詞區塊上方標了一行「根據作者公開的專案說明整理。」，底下給出的提示詞全文是：

「在綁定骨架前，先於 Blender 中準備 Tripo 角色的不同表情版本。對齊網格，將未啟用的版本縮小並藏入頭部，以逐個切換的方式改變表情。不要宣稱能平滑混合表情或相容 VRM。」

Pin

兩相對照可以看清「整理版」的性質：它是把作者的公開說明擴寫成可複用的任務簡報，連「不要宣稱能平滑混合表情」這種約束句都寫進去，而不是假裝拿到了作者的原始輸入。要用這條提示詞的讀者該知道，自己拿到的是規格書，不是原作者的咒語。

逐字級的案例長什麼樣也有實例。Tripo 官方自己上架的復古瀏覽器遊樂場 Playroom，卡片就寫明「這是一段作者原文發布的提示詞」，內容包含獨立的 GLB 硬體資產、互動式 3D 轉場、三款以卡匣為核心的遊戲與無障礙備援行為。同一個庫裡兩種標記並排出現，讀者很快就能感覺到差別：逐字級可以拿去對原作者的公開紀錄，整理級的可靠性取決於 Tripo 編輯的重建品質。

標記誠實的例子不只這條。重現《英雄聯盟》的迷你 3D 遊戲那條案例的卡片直接寫著「貼文推薦了一段……這段提示詞屬於推薦內容，無法確認就是展示作品實際使用的輸入」。連對自己收錄的內容打上問號，在資源整理網站裡並不常見。

官方頁對「一條好的 3D 提示詞長什麼樣」也有自述：「需要說清做什麼、使用哪款軟體、哪些部分要可編輯，以及如何檢查結果。」這四個要素恰好對應 3D 工作與平面生圖的差別：模型會不會動、能不能改、改完怎麼驗收，都比畫面好不好看優先。

GitHub 開源版有三個數字要先對齊

專區右上角的外部連結指向 GitHub 儲存庫 TripoGrowthLab/awesome-astra-prompts，README 由 CMS 自動生成，每天同步兩次。下載之前有三個數字值得對清楚。最先會撞到的是計數落差：README 標的是「201 examples · 14 languages · 6 examples with source code」，官網即時計數則是 211 條，兩者差了十條，這是同步節奏的落差，不是哪一邊造假，引用時以官網為準即可。接著，「6 examples with source code」值得停下來看：專區的 GitHub 篩選器給人的印象是開源案例很多，實際附完整原始碼的案例是個位數，想抄程式碼回去改的人，能直接下載的標的比想像中少。最後是星數：儲存庫在 9 月 10 日有 118 顆星，對一個上線五天的倉庫來說不算差，但與「3D 界的開源 GitHub」這類宣傳詞之間有段距離，而且星數會持續變動。

README 提供 14 種語言目錄，包含繁體中文版。倉庫本身用 GitHub Actions 從 CMS 同步，最新的提交停在 9 月 9 日，主要是修正 README 的呈現。

MIT 只送你工具，提示詞本身仍是別人的

授權是這個庫最容易被誤讀的地方。倉庫的 LICENSE 檔主體是 MIT，README 徽章掛的也是 MIT，但檔案結尾多了一段範圍條款，這也是 GitHub API 把授權判定為「Other」的原因。那段條款的中譯大意是：這份授權只涵蓋 TripoGrowthLab 貢獻的倉庫工具與編輯文件，不及於第三方的提示詞、引文、預覽圖片、影片、商標與被連結的專案，那些內容的權利仍歸原作者，姓名標示與下架請求另見 RIGHTS.md。

對讀者的實際影響是：fork 這個倉庫、改它的同步工具、沿用它的編輯框架，吃 MIT 授權沒問題；但把 211 條提示詞連同預覽圖打包當成自己的素材庫轉發或商業使用，就踩到第三方權利。工具開源不等於內容開源，這條界線在標著 MIT 徽章的頁面上並不顯眼。

不是 Astra 專屬，五個模型都能套

雖然宣傳圍繞 Astra，專區的「按模型瀏覽」其實列了五個模型：GPT-6 Astra 之外，還有 Claude Fable 5、Claude Fable 5.1、Claude Opus 5 與 Kimi K3。常見問題對跨模型使用的建議同樣值得引述：

「應把它們當作參考，而不是某個模型專屬的『魔法詞』。保留結果與驗收標準，再針對 Astra、Claude、Kimi 或其它模型調整工具、資產預算、鏡頭、控制與輸出格式。」

換句話說，這套案例的價值在任務結構而不在特定咒語。專區自己歸納的三個寫法原則也印證這點：明確哪些物件必須分離、命名並可編輯；要求模型實際執行場景、檢查可見失敗，迭代到明確的幀率與互動驗收通過；大型世界拆成街區或里程碑，每一部分驗收後再擴大範圍。這三條講的都是工程驗收，換到哪個模型都適用。

想看完整工作流的讀者，專區還收錄了 Peter Yang 長度 23 分 49 秒的實戰影片，用 Astra 搭配 Blender 與 Godot 做出四個遊戲專案。我核對過影片標題與頻道，內容與專區描述一致。

免費的界線，與 Tripo 的算盤

使用門檻本身很低。提示詞庫不需登入就能瀏覽全部案例與複製提示詞，我在未登入狀態下翻完九頁目錄。要付費界線的話，生成 3D 資產才需要 Tripo 帳號，提示詞的閱讀與複製完全免費。

商業動機也不神秘。每個案例頁都插著 Tripo 的生成服務 CTA，詳情頁的文案把分工講得很白：「提示詞負責搭建遊戲或場景。再用 Tripo 製作更細緻的角色和道具，替換簡單的暫代模型。」前述 Nano 案例的原文也是先用 Tripo 生成角色再做表情切換。這個庫對 Tripo 來說是導流工具，對讀者來說是免費參考庫，兩者不衝突，但理解這層關係有助於判斷內容傾向：案例挑選自然會偏向能與 Tripo 工作流銜接的類型。

官方自己在頁面上也留了兩句期待管理的話：「這些內容是創作參考，並不保證一條提示詞就能重現整段演示」，以及「演示影片好看，不代表專案已經可以釋出」。把這兩句當使用前提，比當免責聲明更準確。

現在進場怎麼用

實際使用的順序建議是：先照工具篩選（Blender、Three.js、Godot 或 Unreal），挑一條目標接近的案例；看清楚它的證據標記，逐字 Prompt 可以直接對照原作者的公開內容，整理版要當任務簡報自己調；最後把案例裡的世界觀抽換成自己的主題，保留相機、幾何約束與驗收標準再重跑。這個流程對 Astra、Claude 或 Kimi 使用者都成立。

至於要不要現在就花時間逛完它，我的看法是分兩種人。已經在用 Astra 做 3D 的人值得直接進場，案例的任務結構與驗收寫法現階段網路上少有同密度的整理，從別人的規格書學骨架是這座庫最實際的用法。還在觀望 Astra 本身的人可以晚點再來：帶完整原始碼的案例目前只有個位數，庫的深度還在累積，等它長出更多逐字級與附原始碼的案例，一次逛的投資報酬率會更高。

如果你本來就在收集提示詞資源，Nano Banana 提示詞圖庫走的是 2D 繪圖方向，與這座 3D 庫剛好互補；對 GPT-6 Astra 本身的能力爭議有興趣的讀者，可以看我先前整理的 OpenAI 88 小時數學難題宣稱一文；3D 角色素材需求者也可以參考之前介紹過的 Humans by Wannathis 素材庫，與 Astra 生成的工作流搭配使用。

兩件事我沒有驗證：提示詞實際跑起來的效果，以及其餘兩百多條案例的個別內容。前者需要 Astra 環境與實作時間，後者我抽查的比例是一條。計數與星數都是 9 月 10 日的快照，GitHub 版每天同步兩次、官網計數隨時在動，打算引用數字的人自己再查一次會更準。