042bebe9d7
- 默认模型改为 glm-5.1,API地址改为 coding 套餐端点
- 默认批次大小 20→5,增加 max_tokens=4096
- 优化 prompt 模板,明确要求返回 {"results": [...]} 格式
- 修复全批失败时 ai_inference_metadata 的 KeyError
- 输出目录从 <project>/output/ 统一到 <tool>/outputs/
- 新增 README.md(Pipeline流程、环境变量、CLI参数说明)
Asset Catalog — UE5 资产扫描与语义增强工具
扫描 UE5 项目中的 StaticMesh / Material / Blueprint 资产,提取几何与材质数据,再通过 GLM API 批量推断语义信息(朝向、功能、交互属性等),生成一份可直接用于关卡搭建的资产数据库。
Pipeline 流程
┌─────────────────────────────────────────────────────────────────────┐
│ 阶段 1:UE5 扫描(需要 UE5 编辑器) │
│ │
│ run_all.bat │
│ └─ 启动 UE5 无头模式,执行 run_all.py │
│ ├─ discover → outputs/index.json (资产清单) │
│ ├─ mesh → outputs/meshes/*.json (几何数据) │
│ ├─ material → outputs/materials/*.json (材质参数) │
│ └─ blueprint → outputs/blueprints/*.json (蓝图结构) │
└──────────────────────────┬──────────────────────────────────────────┘
│
┌──────────────────────────▼──────────────────────────────────────────┐
│ 阶段 2:离线汇总(不需要 UE5) │
│ │
│ python build_database.py │
│ └─ 合并 meshes/*.json → outputs/asset_database.json │
└──────────────────────────┬──────────────────────────────────────────┘
│
┌──────────────────────────▼──────────────────────────────────────────┐
│ 阶段 3:AI 语义增强(离线,需要 GLM_API_KEY) │
│ │
│ python ai_inference.py │
│ └─ 调用 GLM API,为每个资产推断: │
│ facing_direction / surface_height_cm / function_description │
│ placement_notes / interaction_hints / plausible_substitutes │
│ └─ 就地更新 outputs/asset_database.json │
└─────────────────────────────────────────────────────────────────────┘
前置条件
| 依赖 | 说明 |
|---|---|
| Unreal Engine 5.7 | 阶段 1 需要,阶段 2/3 纯离线 |
| Python 3.10+ | 脚本运行环境 |
| openai 包 | pip install openai(ai_inference.py 依赖) |
| GLM API Key | 智谱开放平台 API Key,获取地址 |
使用步骤
1. 扫描资产
cd tools\asset-catalog
run_all.bat
启动 UE5 无头模式,自动执行 discover → mesh → material → blueprint 四步扫描。
完成后编辑器自动关闭,结果写入 outputs/ 目录。
自定义扫描范围:
set AC_SCAN_ROOT=/Game/MyFolder set AC_STEPS=discover,mesh run_all.bat
2. 汇总数据库
python build_database.py
将所有 outputs/meshes/*.json 合并为单一的 outputs/asset_database.json。
3. AI 语义增强
set GLM_API_KEY=你的密钥
python ai_inference.py
按类别分批调用 GLM API,为每个资产推断语义字段。支持断点续跑——中断后重新执行只会处理未完成的资产。
先预览批次划分(不调用 API):
python ai_inference.py --dry-run
环境变量
UE5 扫描阶段
| 变量 | 默认值 | 说明 |
|---|---|---|
AC_SCAN_ROOT |
/Game/BlockingStarterPack |
要扫描的 UE5 Content 路径 |
AC_OUTPUT_DIR |
<工具目录>/outputs |
JSON 输出目录 |
AC_STEPS |
discover,mesh,material,blueprint |
要执行的步骤(逗号分隔) |
AC_NO_QUIT |
0 |
设为 1 扫描完成后不关闭编辑器 |
UE5_ROOT |
自动检测 | UE5 安装根目录(如 C:\Program Files\Epic Games\UE_5.7) |
AI 推理阶段
| 变量 | 默认值 | 说明 |
|---|---|---|
GLM_API_KEY |
— | (必填) 智谱 API Key |
GLM_API_BASE |
https://open.bigmodel.cn/api/coding/paas/v4 |
API 地址 |
GLM_MODEL |
glm-5.1 |
使用的模型名称 |
输出目录结构
outputs/
├── index.json # 资产清单(644 个资产的分类索引)
├── catalog_log.json # 扫描运行日志(耗时、状态)
├── asset_database.json # ⭐ 最终产物:425 个 Mesh 的完整数据库
├── meshes/ # 每个子文件夹一个 JSON
│ ├── Architecture_Walls.json
│ ├── Furniture.json
│ └── ...
├── materials/ # 每个子文件夹一个 JSON
│ ├── MI_Architecture.json
│ └── ...
└── blueprints/ # 每个子文件夹一个 JSON
├── BP_Doors.json
└── ...
CLI 参数
build_database.py
python build_database.py [--input DIR] [--output FILE]
--input 扫描输出目录,默认 tools/asset-catalog/outputs
--output 输出文件路径,默认 <input>/asset_database.json
ai_inference.py
python ai_inference.py [--input FILE] [--output FILE] [--batch-size N] [--dry-run]
--input 输入 asset_database.json 路径,默认 outputs/asset_database.json
--output 输出路径,默认就地更新
--batch-size 每批资产数量,默认 5
--dry-run 只打印批次信息,不调用 API
文件清单
| 文件 | 用途 |
|---|---|
run_all.bat |
入口:启动 UE5 无头模式 |
run_all.py |
UE5 内编排器:依次调用各分析脚本 |
_common.py |
共享模块:环境变量、JSON I/O、工具函数 |
discover_assets.py |
步骤 discover:资产发现与分类 |
analyze_meshes.py |
步骤 mesh:StaticMesh 几何分析 |
analyze_materials.py |
步骤 material:材质参数提取 |
analyze_blueprints.py |
步骤 blueprint:蓝图结构分析 |
build_database.py |
离线汇总:合并为 asset_database.json |
ai_inference.py |
离线推理:GLM API 语义增强 |