Community图像github.com

fractalwright

渲染、动画、测量和识别分形,生成可复现的配方(PNG 或 mp4 文件与配方 JSON)。支持 Mandelbrot、Julia、Burning Ship 等分形,以及深缩放、音频反应视频、IFS、L-system、分形火焰等功能。

fractalwright 是什么?

fractalwright 是一个专门用于生成、分析和识别分形的 AI 技能。它可以将用户的需求转化为精确的 PNG 图像或 MP4 视频,同时生成一个完整的 JSON 配方文件,确保每个像素都可以被精确复现。支持广泛的分形类型,包括经典的 Mandelbrot 和 Julia 集,以及 Burning Ship、Multibrot、IFS、L-system、奇怪吸引子、fBm 地形等。此外,还提供箱计数维数测量、分形识别(基于形状特征而非维数)、音频反应音乐视频渲染等功能。该技能基于 Python 脚本 fw.py 运行,并集成了 WebGL2 交互式探索器,支持 GPU 深度缩放和实时预览。主要用于创作分形艺术作品、生成壁纸、创建音乐可视化动画、分析图像的分形特征,以及通过配方 JSON 精确复现任何已生成的分形。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/m4bwav/fractalwright/tree/HEAD/skills/fractalwright

Installed? Explore more 图像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

fractalwright 是做什么的?

结果:每张图片都会附带一个配方 JSON 文件,可以逐像素地重新绘制该图片。数字(维数、面积、对称性)都是测量得出的,而非猜测。

FW 表示从仓库根目录运行 python scripts/fw.py(直接运行,不要读取)。

第 0 步:工具

直接运行任务。只有在命令因缺少工具而失败时,才运行 FW doctor(NumPy 是核心;moderngl、Playwright 和 ffmpeg 是可选的,仅在需要时探测)。evergreen.json 的刷新状态仅在 'refresh fractalwright' 时读取,而非每次使用时。按原样渲染预设;仅在被要求时才调整外观(迭代次数、密度、超采样)。

第 1 步:选择分形族

FW explain <家族> 给出公式、生成方法及预设。家族包括:mandelbrot、julia、burning-ship、tricorn、multibrot、kronecker(精确网格分形:FW render kronecker-carpet,或 --mask 111,101,111 --power 6)。混沌新手:FW explain logistic 给出教学顺序,--plot cobweb|bifurcation -o out.png 绘制图像;FW explain coastline 通过 Richardson 法解释 D(豪斯多夫维数)。仅当用户询问深度或平滑以外的着色方法时,才阅读 references/02-escape-time.md。

第 2 步:渲染

FW render <预设或 recipe.json> -o out.png [--size WxH] [--iter N] [--palette 名称] [--supersample 2]。它会生成 out.png 和 out.json 文件。在报告前,请确认这两个文件都已存在。要更改视图,请编辑配方中的 view.centre 和 view.width(十进制字符串,保留所有数字),然后重新渲染该配方。FW palette 列出调色板;FW palette 名称 -o swatch.png 显示单个调色板。当宽度超过约 1e-13 时,float64 会失效;请直接说明,而不是渲染出噪点(references/03-deep-zoom.md)。

第 2a 步:探索

FW serve [--port 8765] [--out-dir 目录] [--open] 在仅限 127.0.0.1 的地址上运行 WebGL2 探索器(拒绝任何其他主机)。拖拽平移,滚轮缩放,按住 Shift 点击选择 Julia 集参数 c;公式、迭代次数、旋转([ 和 ] 每次旋转 15 度)和调色板位于侧面板中;包含调色板停止点(最多 8 个停止点)的配方在哈希中传递,格式为 ps=pos:rrggbb,...。URL 哈希就是完整的视图,因此该地址是一个共享链接。当 float32 接近其极限时,会显示精度警告框;超过此极限,Mandelbrot 和 Julia 集(幂次 2,宽度 >= 1e-60)会切换到 GPU 深度模式:页面将视图提交到 /orbit,服务器计算十进制参考轨道,页面使用双精度浮点扰动着色器绘制(放大时中心字符串保留所有数字;当新轨道正在计算时,页面显示来自上一个轨道的粗略预览,并取消过时的请求);“Render exact”要求服务器生成一个 NumPy(或扰动)PNG 格式的相同视图,“Export”将配方 JSON 写入输出目录。FW export "<共享 URL 或 #hash>" -o recipe.json 从命令行执行相同操作。--route browser 使用无头 Edge 浏览器和页面着色器渲染;--deep --route browser(或任何宽度小于 1e-12 的情况)在 GPU 上运行双浮点扰动,直到宽度 1e-60(计数差异约 0.1-1%),因此当精确计数至关重要时,请使用 CPU 路径。详细信息(回退、--gpu-precision float32、burning ship):请参阅 references/13-route-details.md。

第 2b 步:图册和视频

FW audio <song.wav> [--preset julia-pulse|mandel-dive] [--recipe R] [--size 640x360] [--fps 30] [--duration S] [--intensity 0.6] [--route auto|browser|numpy] 制作音乐视频:歌曲包络驱动分形(低音、节拍、中音、色度、高音、响度;静音时无运动),帧通过闪光限制器,flashcheck 检查结果(失败时退出码为 4),然后将歌曲混入。除非使用 --allow-mp3,否则拒绝 MP3 格式。FW serve 也提供 /audio 作为实时页面。映射详细信息:references/13-route-details.md。

FW sheet <recipe> --palettes A,B,C 或 --vary params.max_iter --values 100,300,1000(复数值格式为 re:im)会生成带有标签的拼贴画 PNG 以及包含每个图块配方的 JSON 文件。视频:FW zoom <recipe> --to-width W [--from-width W0] [--to-centre re,im](指数宽度、缓和中心),FW morph <recipe> --path "re,im;re,im"(默认针对 julia 集参数 c,--vary 用于其他参数),FW loop <recipe> --circle re,im,r [--phase](闭合路径,最后一帧回绕到第一帧)。所有这些都接受 --size WxH --fps N --duration S 参数,生成 <out>_frames/ 目录下的精确帧文件,一个 H.264 mp4 文件(yuv420p,CRF 18),以及包含 animation(关键帧、fps、duration_s)的 <out>.json 文件。AI 风格默认关闭;--ai 会添加一个 ComfyUI Z-Image img2img 副本(<out>_ai.*,标记为 interpreted),并始终保留精确视频(references/13-route-details.md)。每个视频都会进行闪光检查;FW flashcheck <video or frame dir> 单独运行此检查,当每秒超过 25% 的 10 度视野内出现超过 3 次亮度(或饱和红色)超过 10% 的闪光时,退出码为 4;结论行会点名违规规则及其面积(全帧摆动/秒仅供参考,因此“1 swings/s”不表示通过或失败)。如果检查失败,请报告,切勿发布(references/09)。

第 2c 步:IFS、吸引子、地形、插值

FW ifs sierpinski|fern|unequal-tiles -o out.png(混沌游戏,p = |det|,丢弃前 20 个点,由能容纳吸引子的球体界定)。FW attractor-search --hits 5 -o best.png(Sprott 二次映射,按 D2 在 1.1-1.5 之间且 L 较小排名,这是一个经验法则;李雅普诺夫指数单位为比特)。FW terrain -o t.png [--method midpoint] [--H 0.8](默认为频谱法;中点法会测量褶皱)生成 PNG 和 .npy 文件。FW fif --points "0,0;1,1;2,0" --d 0.5,-0.5 -o f.png [--numbers y.txt] 绘制通过给定点的分形插值曲线。

第 2d 步:火焰、L-system、吸引子

FW flame [sierpinski|swirl-sierpinski|recipe.json] -o f.png [--seed N --tries 24](在 xforms 上进行混沌游戏,12 种 Draves-Reckase 变换,最终 xform,颜色混合,对数密度与伽马和鲜艳度,超采样 2,密度估计;无预设 = 基于覆盖度评分的种子随机火焰,保留最佳结果)。FW lsystem koch|koch-snowflake|dragon|hilbert|sierpinski-arrowhead|plant-a|plant-b|plant-d|plant-e|plant-f|plant-stochastic -o p.png [--n N --seed N] 生成 PNG、SVG 和配方文件。FW attractor clifford|dejong|icon|icon-3|icon-halloween|icon-clam|icon-streamers|icon-flower|lorenz|chen|lu|multiscroll -o a.png [--params a,b,c,d] [--search](icons 来自《混沌中的对称性》表 A.1;multiscroll 参数为 Yalcin 的 a、Mx、Nx)(密度着色;搜索基于 Sprott 规则对随机 Clifford 或 de Jong 集进行排名)。每个命令都会生成一个配方 JSON 文件,可用于重新绘制。

第 2f 步:邻近类(并非全是分形)

FW rd coral|mitosis|default [--f F --k K --steps N --seed N](Gray-Scott 反应扩散模型)。FW ca 90|30|B3/S23 [--steps N](基本规则或生命游戏类)。FW tiling square|triangle|hex|penrose [--n N]。FW kleinian apollonian|grandma [--ta T --tb T](阿波罗垫圈,或由 Grandma 配方生成的二生成子极限集,通过书中的深度优先单词搜索绘制;--method random 用于逆迭代)。每个都会生成 PNG 和配方文件。请直接说明反应扩散和铺砌并非分形;FW measure box 对铺砌进行测量时会输出“not fractal”(references/12-neighbours.md)。

第 2e 步:3D

FW 3d render mandelbulb|mandelbox|quatjulia|menger|hybrid [--view whole|close] [--remedy ao|shadow|fog|trap|dof|aa|camera|all|none] -o x.png(在无头 Edge 中进行球体追踪距离估计(DE);生成包含显式摄像机的配方)。自 0.8.0 起的默认外观:使用 256 个样本进行路径追踪(天空 + 太阳,约 0.5-2 秒),配合组合相机(40 毫米焦距,低角度,主体位于左侧三分之一处);--pt 0 提供快速的阴影 + 环境光遮蔽外观,更适合盒状的门格海绵类形状;配方文件保留其自身设置。--remedy 在阴影/环境光遮蔽外观基础上添加效果,--remedy none 首先清除所有效果。除非被要求,否则保持雾效和景深关闭:雾效会在外观测试中冲淡主体,而景深会使近景模糊。FW 3d recipe ... 打印配方;FW 3d gate -o 目录 渲染修复矩阵和拼贴画。仅支持浏览器路径,无 NumPy 回退。自 3D 外观测试(2026-11-14)起成为正常路径。--pt N [--bounces 2] [--seed 1] 设置样本数(相同种子产生相同像素;256 个样本、512 像素大小需 0.5-1.8 秒);参见 references/07-3d.md。可打印网格:FW 3d mesh <formula|recipe> [--size-mm 60] [--res 200] [--engine auto|skimage|numpy] [--wall-mm 0.9] -o x.stl 在 NumPy 中对相同 DE 进行采样,并将一个水密实体以毫米为单位写入二进制 STL 文件(附带 JSON 文件:三角形数、壳体数、体积、用时;如果不水密则退出码为 3)。门格海绵默认使用第 3 级进行打印。--wall-mm X 将偏移曲面 DE = t 的网格化(在打印比例下 t = X/2),使薄壁部分向 X 毫米加厚;0.9 毫米的清除了 Mandelbulb FDM 薄壁警告(低于 0.9 毫米时,从 2.7% 降至 0.1%)。多色:-o x.3mf(或 --colors N,默认 4,最多 8;--palette "#hex,...")同时写入一个 3MF 文件,该文件根据轨道陷阱着色(等表面积分箱,每种颜色一根灯丝;Bambu Studio 和 PrusaSlicer 可以读取每个三角形的灯丝标签)。然后运行 pw.py check x.stl --target print-fdm(polywright-print;它也会读取 3MF 文件)。

第 3 步:测量

  • FW measure box image.png [--invert] [--threshold T]:在 15 个以上盒子大小和种子随机偏移量下,对深色(或浅色)像素进行箱计数维数测量,包含拟合范围(以十年为单位)、局部斜率曲线和结论。按原样输出结论:如果范围小于两个数量级,则为“descriptor only”;如果局部斜率漂移,则为“not fractal”。从 references/08-measuring.md 中给出带误差线的 D 值,永远不要精确给出,也不要根据 D 来命名形状。
  • FW measure lacunarity image.png:每个盒子大小的空隙度,即 D 旁边的第二个数字(具有相同 D 的形状可能看起来不同)。
  • FW measure ifs --ratios 0.5,0.5,0.5:相似维数;仅当片段不重叠时才精确,否则为上界。
  • 高程剖面和高程图是自仿射的:FW measure profile numbers.txt(频谱斜率、半变异函数、Katz)和 FW measure heightmap map.png|.npy(径向频谱,表面 D = 3 - H)。measure box 拒绝数字文件。
  • FW measure katz curve.txt(x,y 或单列):粗糙度近似值,非 D。
  • FW measure area --size 1024:通过像素计数得到的 Mandelbrot 面积(在 1024 像素分辨率下,已被证明在 1.50659 的 0.0002 以内)。

第 4 步:识别

FW identify <预设 | recipe.json | image.png> [--c re,im]:基于手工构建的特征(像素的镜像对称性、从 0 点轨道判断 Julia 集是连通集还是尘埃集、c 的主心形线或周期-2 灯泡、分形族的已知对称性)。图像的箱维数 D 仅作为描述符报告。切勿通过维数来识别分形。

维护

单元文件位于仓库根目录:evergreen.json、RESEARCH.md、CHANGELOG.md、LEARNINGS.md、TESTS.md。fractal-art 消息源会触发刷新;harvest.json 列出收获目标。

相关技能