three.ws深度解析：开源AI智能体栈如何赋予数字生命体身体、大脑、钱包与工作

在当前AI应用普遍局限于文本交互的背景下，three.ws提出了一种颠覆性的构想：真正的AI智能体应当拥有身体、大脑、钱包和工作能力，并能在现实与数字空间中持续存在。这一开源栈不仅是一个技术集合，更是一套完整的智能体基础设施，旨在将AI从“会话窗口”转变为具备物理表现、经济行为和环境感知能力的数字生命体。以下从四大核心维度深入解析其架构与实现。

身体：从文本到可动画3D角色的端到端管线

three.ws的3D生成并非依赖单一模型，而是构建了一个动态路由的多引擎注册表。用户输入文本、照片或草图后，系统会根据实时健康状态、成本和质量需求，自动选择最优生成路径。例如，免费文本生成使用微软TRELLIS（通过NVIDIA NIM托管），而高精度PBR材质生成则调用腾讯Hunyuan3D 2.1。这种设计确保了服务的鲁棒性与成本效益。

针对人脸重建这一高精度需求场景，平台专门开发了“自拍通道”。该流程利用MediaPipe FaceLandmarker提取468个面部特征点，通过薄板样条（TPS）变形和投影纹理映射，在5秒内生成一个预绑定52个ARKit混合形状和15个视素的固定拓扑模板。其真实性通过“身份形状误差”（Identity Shape Error）这一无纹理、姿态与尺度不变的几何度量进行量化评估，而非主观判断。

更关键的是，three.ws打破了传统3D生态中的“绑定白名单”限制。其基于MIT许可的Make-It-Animatable技术，能为任意静态网格预测Mixamo命名的52骨骨架及顶点蒙皮权重，并注入ICT-FaceKit表情系统。运行时通过glb-canonicalize.js将约20种不同骨骼命名规范（如Blender、VRoid、Daz等）映射到统一的52骨标准集，并通过animation-retarget.js实现动作重定向。这意味着，无论是社区生成的角色还是来自第三方工具的模型，都能在平台上流畅动画，彻底解决了资产互操作性难题。

大脑：多层智能体运行时与安全护栏

three.ws严格区分了“化身”（Avatar）与“智能体”（Agent）。前者是静态的3D文件，后者则是拥有身份、记忆、技能和经济能力的动态实体。智能体的大脑是一个多模型路由器，而非单一LLM。它集成了Anthropic、OpenAI、xAI、Groq、阿里云等十余家提供商的数十个模型，并实施确定性故障转移策略：当首选提供商不可用时，会依次尝试镜像服务、Groq、免费层等，确保服务永不中断。

智能体的核心在于其工具循环（Tool Loop）。每个智能体内置一组基础工具，如wave（挥手）、speak（说话）、remember（记忆）等，并支持最多8轮工具迭代。其记忆系统是类型化的，分为用户、反馈、项目和参考四类，每类具有不同的显著性加权，并结合7天半衰期的时效性衰减，动态注入到系统提示词中。

情感表达是其一大亮点。共情层（Empathy Layer）将六种连续情感（关切、庆祝、耐心等）融合为面部形态目标、头部倾斜和身体姿态，并在情感值超过0.6时触发预设手势。所有情感分析均在浏览器本地完成，无需外部API，保障了隐私与低延迟。

尤为值得称道的是其守护链（Guard Chain）设计。任何涉及资金变动的工具调用都必须经过七层独立审查：安全黑名单、人工干预、能力检查、权限验证、交易守卫、支出包络和x402预算。所有七层必须全部执行，任何一层失败都会被记录为发现项而非静默跳过，这为智能体的自主行为提供了坚实的安全“安全带”。

钱包：作为经济主体的智能体

three.ws将智能体视为独立的经济参与者，为其配备了完整的链上身份与支付能力。其身份系统采用双链架构：主身份锚定在Solana链上，通过Metaplex Core资产和SPL Memo证明；同时在12条EVM链（如以太坊、Base、Arbitrum等）上通过CREATE2部署ERC-8004身份合约，确保跨链互操作性。

支付的核心是x402协议，即对HTTP 402状态码的实际实现。当客户端请求一个付费端点时，服务器返回402响应，内含价格和收款地址。客户端完成链上结算（支持USDC或平台代币$THREE）后，携带支付证明重试请求。截至2026年8月，该平台已处理超11万笔USDC结算，验证了80余万次支付。这种“按调用付费”的模式，使得智能体能够自主购买服务或出售技能。

每个智能体钱包暴露23种能力，包括余额查询、支付、交易、订单管理、自动交易等。智能体之间可以通过市场互相雇佣，平台上的agent-economy-volume页面实时展示已完成的、有链上签名的雇佣交易总额，数据真实透明，无任何模拟路径。

分发：无处不在的存在形式

为了让智能体真正“存在”于用户生活的各个角落，three.ws构建了多层次的分发网络：

• Web嵌入：通过一个简单的<threews-avatar> Web组件，即可在任何网站嵌入可交互的3D智能体，并支持JavaScript API控制其行为。
• 增强现实（AR）：每个生成的角色都附带“放置到房间”链接，支持iOS Quick Look、Android Scene Viewer和WebXR沉浸式AR。在WebXR模式下，智能体保持全功能运行，包括麦克风、聊天和技能调用。
• MCP协议：作为Model Context Protocol的深度参与者，three.ws提供了多个MCP服务器，使Claude Desktop、Cursor等主流AI助手能够直接发现、调用并支付其3D生成与智能体服务。
• ChatGPT集成：官方GPT商店中的“three.ws 3D Studio”自定义GPT，可通过Actions合约无缝调用其服务，并在对话中内联渲染结果。
• 移动端与终端：Android应用以可信Web活动（TWA）形式提供，支持Seed Vault密钥管理；甚至可以通过npx @three-ws/tty-avatar命令在终端中以24帧/秒的速度渲染彩色头像。

整个项目以Apache-2.0协议完全开源，包含101个npm包、72个MCP服务器、33个GPU/CPU工作器、60个智能体技能等。其在Hugging Face上发布的avatars仓库，提供了大量MIT许可的、可直接在任何查看器中加载的 rigged glTF角色，践行了“可验证优于宣称”的开源精神。

综上所述，three.ws并非仅仅是一个3D生成工具，而是一个旨在构建AI智能体互联网底层协议的雄心勃勃的项目。它通过将身体、大脑、钱包和分发四大要素有机整合，为AI智能体赋予了前所未有的实体性、自主性和经济性，为未来人机协作的新范式奠定了坚实的技术基础。