从工业数字孪生到真实生产故障自动检测 · Aholo全球3D AI黑客松作品
CyberForge是面向3D内容生产管线的智能质检助手，卡在Aholo Lux3D生成GLB之后、导入场景之前的关键生产环节——解决工业数字孪生项目中，AI生成3D资产经常出现的沉底、法线反转、贴图丢失、面数过高等"本地编辑器正常、上线就报错"的隐蔽故障。
我们在调用Aholo AI生成3D资产做工业数字孪生项目时，原生遇到了AI生成模型自带的各种缺陷：机械臂导出来沉到地平线下面、模型转个视角整个发黑、上线后贴图404发白——这些不是人工设计的故障，是AI生成3D资产在真实生产管线里天然存在的原生问题。我们把这些真实踩坑的经验沉淀成自动检测规则，反过来做成上传即检、一键修复的质检工具，同时把这些真实场景提炼成大模型评测题，考通用大模型能不能在这种真实生产噪音里做正确判断。
基于Aholo Lux3D批量生成10+工业GLB资产（机械臂/控制面板/管道/雷达塔），搭建五工位交互式数字孪生场景：焊装/涂装/总装/电池PACK/检测线，带61 FPS实时渲染、故障报警、设备状态面板，部署到魔搭Studio作为初版Demo。
意识到纯数字孪生Viewer比赛辨识度低，结合真实生产踩坑经验（机械臂沉底穿地、法线反转、外部贴图加载失败、面数过高卡顿、原点偏移），把6类常见生产故障转化为自动检测功能，重新定位为3D资产智能质检助手——卡在Aholo生成GLB之后、导入场景之前的生产环节。
经历三轮部署失败：①只替换index.html没改app.py，Gradio跑旧代码；②用gr.HTML嵌入完整HTML，script标签被过滤导致JS不执行；③改了README为Static模式但残留app.py，平台仍走Gradio。最终彻底删除app.py，Static静态托管生效，端到端浏览器验收通过。
确立出题铁律：不清洗真实生产噪音、不给候选分类、约束条件隐藏，考模型判断决策能力而非代码计算。v1干净版强模型得78-80分，v2加真实噪音后强模型仅22-28分，验证题目难度达标。接入3个大模型（GLM-4-Flash / Spark-X2.6 / minimax-m3）批量跑分。
切换Aholo新API key，调用Lux3D批量生成20个工业零件GLB（螺栓/夹具/传送带/货架/工作站/机械臂），当前18个完成共372MB，作为质检测试样本库，一键点选即可演示检测流程。
所有历史版本资产均保留，不删除，作为项目演进轨迹展示。弃用页面不做跳转，仅在时间线中标注说明。