ALIGN — Agentic Loop Image GeneratioN

🎨 让 coding agent 直接作画。 在 diffusion 和自回归图像模型之外，ALIGN 探索一条用代码生成图像的路线：依靠强大的编程能力，让 agent 研究参考、用 p5.js 落笔，再通过独立视觉审阅逐轮改进。每一笔、每一层、每一道工序都在源码里，可以读、可以改，也可以从空白开始回放。

English · 中文 · 交互展示

Out of Line · ALIGN-video 首个案例 · 60 秒 · Agent 编写 Blender 动画与声音合成程序 · 零扩散模型。▶ 有声观看完整短片 · 下载 1080p MP4

小车原本只会沿着网格前进，直到一朵纸花让它停下来，画出第一道弯。那些曲线最终重新画出了它曾经抹掉的笑脸。故事承载着 ALIGN 的探索：图像与视频的创作，也可以走出扩散模型这条熟悉的路线，由 agent 自主构思、编程、渲染，再观察和改进作品。

《清明上河图·武汉》· Claude 执行 + Codex MCP 审阅 · 11 个版本。展开长卷，回放十道工序 →

**放大看细节：**左为黄鹤楼，右为户部巷街市。点击局部图，可以直接展开长卷的对应位置。

《千里江山图》意临 · Claude 执行 + Codex MCP 审阅 · 十道绘画工序。展开长卷，回放绘画过程 →

Figure 1 也是一段 p5.js 程序，支持六阶段构建回放和 SVG 导出。

ALIGN 把这个过程接成循环：研究参考，写下规格，编程并渲染，交给新开的评审看图，再把反馈改进程序。一个小型 wiki 留下每轮的决定和理由；意见可以采纳，也可以拿参考图来反驳，改坏了就回退。技能遵循 HERO：做有用的事，检查具体问题，避免过度防御。

为什么 Agentic Loop 能做得更好

规划让画面起步，视觉反馈推动下一轮修改。 即使有详细规划和强大的 coding agent，首稿仍有人物悬空、建筑重复和空间关系不清的问题。

ALIGN 把我们在 ARIS（Auto-Research-In-Sleep） 中的两个核心思路用于程序绘图。第一个是把批评落实为行动的 agentic loop。在这里，它是 渲染 → 审阅 → 修改：每次成图提供新的视觉证据，评审把问题说具体，执行者据此重新推敲画法，程序和 wiki 把决定带到下一轮。思考随前一轮选择产生的实际结果继续展开。

有些进步来自换一种构造对象的方法。B3 指出，多加几种姿势仍会沿用同一套人物模板。到了 v4，人物改成共享接触点和负重关系的动作组，重复排列的立面改成有店面进退、侧墙和屋顶遮挡的连续街屋。改一条共享的绘图规则，就能同时影响画中的许多地方。这次决定 · 全部 11 版回放。

B2–B11 使用同一评审模型 gpt-6-astra，得分从 4.5 升至 7.0，中途两次持平，也有改坏后回退的过程：v5 重写的树被判退步，下一版恢复了原来的构造，再做较小的修正。B1 用的是 gpt-5.6-sol，单列显示。纵轴从 3.5 开始，满分仍是 10 分。原始评审记录。

为什么需要跨模型家族的对抗式审阅

第二个核心同样来自 ARIS：执行者负责创作，另一模型家族的评审负责主动质疑。 新线程隔开了上下文，但同一模型家族仍可能沿用相似的习惯和盲点。跨家族审阅就是为了挑战这些反复出现的判断。在 ALIGN 的主线里，Claude 画，Codex 检查实际像素里哪些地方仍然不成立。

这两次运行里，Claude + Codex 的街市更连贯，人物群组和舟桥层次也更丰富；Codex + Codex 版还留着较多整齐重复的建筑体块。两边都有评审循环，分别跑了 11 轮和 13 轮。打开大图对比 →

对抗式审阅的作用，是给执行者提出具体的挑战。 评审只看成图和参考，看不到源码，判断以画面里实际成立的关系为准。它要指出最显眼的问题，并检查上一轮的问题还在不在。B1 就发现，实际抢眼的是左侧街市，而规划要求大桥成为重心。执行者随后压低了街市人群密度，重新组织桥面的事件。批评由此改变了构图。决策 D-07。

这里两种配置都有独立审阅，对比展示的是不同执行者与评审组合如何完成同一题材。从这两次运行看，我们更关注反馈是否有用、执行者能否把它落实成有效的画法；单看轮数多少，解释不了成图的差距。

快速开始

Claude Code · Codex · 更新

三种任务，各有完整的 Claude Code 和 Codex 版本：

ALIGN-video 把循环扩展到运动、声音和剪辑。以散文展开参考研究、完整 animatic、关键试片、制作、独立审阅、返工和交付；具体实现由 agent 自主选择并编写，技能包不附带视频框架或 Python 工具集，不调用图像、视频或音乐生成模型。Out of Line 只是经验案例，不固定故事、渲染器或模板。几秒的二维循环可以合并阶段直接做首稿，复杂影片再展开完整制作。

先克隆一次，再选下面的运行方式。把 ~/your-project 换成你准备作画的项目目录。

git clone https://github.com/wanshuiyin/ALIGN-Agentic-Loop-Image-GeneratioN.git ~/ALIGN-Agentic-Loop-Image-GeneratioN

Claude Code

Claude 负责画，Codex 通过 MCP 审图。已有 Claude Code 后，运行：

# 1. 把三个技能链接到 <project>/.claude/skills/
bash ~/ALIGN-Agentic-Loop-Image-GeneratioN/tools/install.sh claude ~/your-project

# 2. 配置 Codex 审阅（已安装、登录可跳过这两步）
npm install -g @openai/codex
codex login
claude mcp add codex --scope user -- codex mcp-server

# 3. 进入项目，启动 Claude Code
cd ~/your-project
claude

在 Claude Code 中给出任务与参考素材，调用对应技能：

/reference-art-loop 清明上河图 → 武汉 → p5.js 手卷，rounds: 8
/method-figure-loop 给定 Figure 1 → 我的方法 → p5.js，rounds: 5
/align-video 做一部台灯学会分享光的无对白短片，保存到 ./lamp-film，rounds: 4

Codex

Codex 负责画，每轮新开 Codex 子代理审图。这个版本使用原生子代理，无需配置 MCP。

# 1. 把三个技能链接到 <project>/.agents/skills/
bash ~/ALIGN-Agentic-Loop-Image-GeneratioN/tools/install.sh codex ~/your-project

# 2. 安装并登录（已有可跳过）
npm install -g @openai/codex
codex login

# 3. 进入项目，启动 Codex
cd ~/your-project
codex

在 Codex 中给出任务与参考素材，调用对应技能：

$reference-art-loop-codex 清明上河图 → 武汉 → p5.js 手卷，rounds: 8
$method-figure-loop-codex 给定 Figure 1 → 我的方法 → p5.js，rounds: 5
$align-video-codex 做一个清晰讲解归并排序的动画，保存到 ./sort-film，rounds: 4

如果直接在 ALIGN 仓库里打开 Codex，三个技能已经可用。更多 Codex 用法 · Codex CLI 安装说明。

两种方式都需要任务内容、输出目录及已有参考素材。绘画和方法图需要看图与本地渲染；视频按作品选择渲染器与音频工具。ALIGN-video 默认使用新上下文独立审阅：Claude 版由 Codex MCP 审阅，Codex 版每轮新开不继承创作对话的 Codex 子代理，后者属于同模型家族审阅。用户明确选择自审或宿主没有独立 reviewer 时，视频技能继续迭代并如实标注 self-review。记录会区分抽帧观察与实际连续播放、有声观看。技能入口分别是 Claude Code 的 .claude/skills/ 和 Codex 的 .agents/skills/。

更新

安装脚本链接的是完整技能目录。保留克隆的仓库，以后拉取更新，两边已安装的技能就会一起更新：

git -C ~/ALIGN-Agentic-Loop-Image-GeneratioN pull --ff-only

安装命令可以重复运行，已经指向这份仓库的链接会保留。如果会话还在使用旧版技能，重新启动即可。

# Claude Code：~/.claude/skills/
bash ~/ALIGN-Agentic-Loop-Image-GeneratioN/tools/install.sh claude ~

# Codex：~/.agents/skills/
bash ~/ALIGN-Agentic-Loop-Image-GeneratioN/tools/install.sh codex ~

四个案例

绘画与方法图由 Claude Code 执行、Codex MCP 审阅。Out of Line 前期由 Claude 制作、Codex 审阅，v3 由 Codex 接手续作并自审；播放页附有制作与评审背景。

记录也保留了没有做好的地方。两卷主线作品都没有通过视觉门，Codex 武汉版也没有通过。Figure 1 最后一次独立评审是 v5 的 7/10，v6、v7 是自看。两次武汉运行的初稿、轮数和人工介入不同，对比说的是这两幅作品；“规格与直接写代码”“外部评审与自审”这两个对照实验尚未运行。

💬 交流群

加入微信群（与 ARIS 社区共享），一起交流 agent 作画与程序视频：

（群二维码每周轮换——过期了就开个 issue，我们会贴新的。）

仓库原创内容采用 MIT 许可。第三方素材来源与许可。