这个开源项目把 3DGS 科研全链路塞进 AI AgentGitHub: github.com/jaccen/Awesome-Gaussian-Skills | Apache-2.0 | 在线 Demo 即开即用你还在手动做这些事摘要Awesome Gaussian Skills是一个将 3D Gaussian Splatting (3DGS) 科研全链路能力封装进 AI Agent 的开源项目。它包含最全的 3DGS 方法知识库覆盖 553 篇论文、25 个技术方向每条记录包含 arXiv ID、会议、创新点和代码链接。10 个可安装的 AI Agent 技能包涵盖论文阅读、方法对比、代码审查、实验设计、NeRF 迁移、工程化落地、论文写作、可视化生成等全流程自动化工具。零门槛使用提供 GitHub Pages 在线 Demo无需安装即可搜索、过滤、排序知识库支持 CSV 下载技能包可集成到主流 AI Agent。该项目旨在解决 3DGS 研究领域信息过载、工具匮乏的痛点。下面是项目的核心架构图展示了各模块之间的关系和数据流向 用户层 接入层⚙️ AI Agent 技能层 数据层每日更新结构化数据底层知识源底层知识源底层知识源底层知识源底层知识源底层知识源底层知识源底层知识源底层知识源Skill 调用Skill 调用Skill 调用Skill 调用Skill 调用Skill 调用Skill 调用Skill 调用Skill 调用零摩擦访问自然语言交互自然语言交互自然语言交互自然语言交互浏览器直接使用浏览器直接使用浏览器直接使用浏览器直接使用553 方法知识库25 个类别Markdown / CSVarXiv 多源追踪3DGS 论文阅读器方法对比器代码审查器实验设计器NeRF-to-3DGS 迁移器工程化落地指南CG 论文写作可视化生成器CAD-Mesh-3DGS 桥接方法库知识底座AI AgentOpenClaw / Claude Code / CursorGitHub Pages 在线 Demo搜索 · 过滤 · 排序3DGS 研究者3DGS 工程师3DGS 入门者工业界从业者通过结构化知识库和自动化技能帮助研究者从重复劳动中解放专注于创新性工作。做 3DGS 研究的同学大概都有这种体验——arXiv 每天刷不完刚读完 20 篇变体论文想做个横向对比发现对比表要从零手动拼。写完代码跑训练loss 震荡半天才发现密度控制逻辑踩了个已知坑。想从 NeRF 体系迁移到 Gaussian Splatting光搞清楚哪些模块能复用、哪些要重写就得折腾大半天。2023 年至今3D Gaussian Splatting 相关论文已突破 553 篇涵盖 25 个细分方向——从基础表示、压缩加速到自动驾驶仿真、医学影像重建方法数量仍在指数级增长。但大多数研究者仍然靠浏览器书签 Excel 表管理文献靠肉眼扫代码做 Review靠经验猜实验设计。问题不在于信息不够而在于结构化程度检索效率太差、AI Agent 几乎零覆盖。在 ClawHub 13,000 的技能库中能库中3D 重建和计算机图形学方向的 Skill 几乎是空白。Awesome Gaussian Skills 是什么简单说它是目前最全的 3DGS 方法知识库 一套可安装的 AI Agent 研究技能包。知识库覆盖 553 方法、25 个类别每条记录含 arXiv ID、发表会议、核心创新点和代码链接。技能包包含 10 个面向 3DGS 全链路的 AI Agent Skill从论文阅读到代码审查到实验设计全打通。最关键的是——它零门槛。打开浏览器就能用 GitHub Pages 在线 Demo 搜索、过滤、排序不需要装任何东西。知识库本身是纯 Markdown 文件也可以直接下载 CSV 做自己的分析。痛点对照你做的事没有这套工具有了这套工具读一篇新论文30-60 分钟手动泛读AI 结构化摘要几秒提取核心横向对比 GS 变体手动拼对比表10 维度自动对比含指标审查 3DGS 代码漏掉已知 Bug 模式67 种已知 Bug 模式检测设计实验方案凭经验猜基线和消融按会议级别推荐实验方案NeRF 迁移到 3DGS试错式移植逐步迁移指引标注兼容性10 个 AI Agent 技能拆技能包是给进阶用户准备的。你装一个 Skill 到 AI AgentOpenClaw / Claude Code / Cursoror就能用自然语言调起对应能力。下面逐个拆解。1. 3DGS 论文阅读器 (3dgs-paper-reader)丢一个 arXiv ID 或本地 PDF自动提取方法架构、创实验输出结构化表格。不用再花 30 分钟通读全文才搞清才搞清一篇论文的核心贡献。版本号 v1.5.x内置 553 方法的快速索引。2. 方法对比器 (3dgs-method-compare)选两个或多个 3DGS 变体输出 10 维度的对比表表示方式、密度控制策略、渲染公式、训练开销、适用场景等。知识库预置 523 方法的结构化信息对比不再靠手动查表。3. 代码审查器 (3dgs-code-reviewer)提交 3DGS 实现代码自动扫描 67 种已知 Bug 模式——CUDA 核函数越界、密度控制逻辑缺陷、splatting 管线渲染训练循环数据竞争等。每个 Bug 附带修复建议。比人眼 Review 更系统化更系统。4. 实验设计器 (3dgs-experiment-planner)告诉它你的研究方向和目标会议CVPR / ICCV / SIGGRAPH 等自动推荐数据集、基线方法、评估消融实验矩阵。不用再困扰「该跟谁比、比什么指标」指标」。5. NeRF-to-3DGS 迁移器 (nerf-to-3dgs-migrator)逐步拆解 NeRF 方法的编码器、变形场、外观模型标注每个模块迁移到 3DGS 时的兼容性和需要重写的部分并提供代码模板。从试错式移植变成有据可查的系统迁移。6. 工程化落地指南 (3dgs-engineering-guide)面向从论文到产品的最后一公里10 个行业赛道自动驾驶仿真、数字孪生、文化遗产等、5 个核心工程瓶颈、GIS 工具链方案、跨平台部署路径。想了解 3DGS 能不能落地、怎么落地看这个。7. CG 论文写作 (cg-paper-writing)专攻 3D 视觉和计算机图形学论文写作多智能体对抗评审、引用完整性检查、风格校准。支持 CVPR / ICCV / ECCV / SIGGRAPH 等顶级会议格式。8. 可视化生成器 (3dgs-visualizer)一键生成出版级雷达图、对比表、方法时间线。支持静态输出PDF/PNG和交互式输出HTML写论文作图不用再折腾 matplotlib。9. CAD-Mesh-3DGS 桥接 (cad-mesh-3dgs)打通 CAD、Mesh、3DGS 三种表示的互操作Mesh 转 3DGS、3DGS 表面提取、CAD 逆向工程、B-rep 重建。分析 35 种方法。如果你的研究涉及几种表示的混合使用这个技能帮你理清路径。10. 方法库 (3dgs-method-compare 知识底座)上面所有技能的底层知识源。553 方法、25 个类别、每条记录含 arXiv / 会议 / 创新点 / 代码链接CSV 机器可读格式每日 arXiv 多源追踪更新。它是「燃料」其他技能是「引擎」。三个设计决策做这个项目的过程中有一些取舍值得单独讲。决策一知识库是 99% 用户 star 的理由技能包是给 1% 进阶用户的但知识库才是绝大多数人需要的核心价值。所以我们在 GitHub Pages 上做了零摩擦的在线 Demo——打开浏览器就能搜索、过滤、排序一秒钟都不用等。零摩擦体验是 star 转化率的第一杀手锏。决策二筛选标准比全收更有价值市面上已有 Awesome3DGS 这类项目按会议全收包含大量纯应用论文。我们执行的是「只收对 3DGS 方法本身有技术创新的论文」——纯应用不收。精准的方法库比杂集更有用这是我们的判断。决策三每天追踪但不靠单源知识库的更新不是只刷 arXiv 的 cs.CV而是多源并行——arXiv、Google Scholar、知乎、CSDN、GitHub 上的 MrNeRF/awesome-3D-gaussian-splatting 仓库交叉验证后才入库。多源验证比抢速度重要。30 秒上手最快的使用方式——直接打开浏览器打开 https://jaccen.github.io/Awesome-Gaussian-Skills/在搜索框输入方法名如 Mip-Splatting或关键词如 compression左侧按 Category 过滤右侧看到方法卡片详情下载 CSV 文件做自己的分析想用 AI Agent Skill克隆仓库到本地将 skills/ 下的子文件夹复制到你的 Agent Skill 目录在 Agent 中用自然语言调起如「帮我对比 Scaffold-GS 和 3DGS-as-MCMC」适合谁用人群核心场景3DGS 研究者文献检索、方法对比、实验设计、论文写作NeRF 研究者想迁移逐步迁移指引标注模块兼容性3DGS 工程师代码 Bug 检测、工程化落地路径、跨平台部署3DGS 入门者知识库 25 类全景导航快速找到方向工业界从业者10 赛道落地指南、GIS/BIM/UE5 集成方案知识库 25 类全景553 方法按 25 个类别组织每个类别带一行描述降低认知门槛。覆盖从基础表示到行业应用的完整链路。大类类别数代表性方向核心表示5Foundation / Antialiasing / Optimization / Surface / Image效率与规模4Compression / Acceleration / Large-Scale / Feed-Forward理解与语义4Language-Semantic / Generation / Autonomous Driving / Editing动态与空间4Dynamic / HDR / SLAM / Sparse-View应用与跨域4Human-Avatar / Medical / Cross-Domain / Simulation安全与质量4Security / Robustness / Degradation-Aware / Embodied AI写在后面3D Gaussian Splatting 从 2023 年诞生到现在三年时间方法数突破 553覆盖了从三维重建基础到自动驾驶仿真、医学影像重建、具身智能的广泛场景。但研究者手上的工具——浏览器书签、手动对比表、经验猜基线——并没有跟上方法增速。这个项目试图做一个小实验把结构化的领域知识知识库和自动化的研究能力AI Agent Skill打包在一起让 3DGS 研究者从重复劳动中解放出来把时间花在真正需要创造力的地方。如果你觉得有用欢迎 star。如果你有想加的方法或想改进的技能PR 和 Issue 都欢迎。github.com/jaccen/Awesome-Gaussian-SkillsApache-2.0 License | Daily arXiv Tracking | 553 Methods
