不会代码也能做手势交互网站?AI复刻花朵绽放全流程

用AI拆解复刻网页作品的两阶段方法论:先探方案,再执行代码。
文章以B站百万播放的花朵手势交互网站为例,提炼出一套用AI拆解并复刻任意Web作品的vibe coding方法论。作者强调代码执行已是AI最容易完成的一步,真正的难点在于方案探索与需求描述:第一步要提供截图、录屏、原作品链接等完整参考资料,并要求AI复述需求以确认理解;第二步与AI反复讨论花朵真实感、3D渲染与视频生成的取舍、手势识别实现方式,再把讨论收敛为可执行方案;第三步分三小步执行——生成高质量花朵图片、以其为参考生成绽放视频、将视频嵌入网页并用摄像头识别拇指与食指距离控制播放进度。最后指出测试迭代才是分水岭,需用大白话持续反馈问题。
刷到惊艳的网页交互作品,第一反应往往是“这得写多少代码”。B站UP主分享的一个花朵手势交互网站,播放量超过百万,评论区问得最多的两个问题是:花为什么这么逼真?手为什么能控制网页里的花?
这个案例的价值不在于教会你某个API,而在于展示了一套用AI拆解并复刻任意Web作品的方法论。UP主把整个vibe coding过程拆成两个阶段:方案探索和代码执行,并且明确表示——代码执行现在是最容易的一步,因为它更多考验AI而不是人。
先别急着让AI写代码
很多人一上来就丢给AI一句话:“帮我做一个手势可以控制花朵开合的网站。”结果通常不尽人意。UP主的建议是,第一步要尽可能提供完整信息:喜欢的作品截图、录屏、原作品网址,甚至原作者的评论区和其他用户的反馈,都可以作为参考资料喂给Agent。

参考资料越完整,Agent越容易理解你想做的东西。然后用自然语言描述需求,比如:“我想做一个这样的网站,花是非常真实好看的,网页上的花可以跟着我的手逐渐张开和合并,但我是技术小白,请你告诉我怎么实现。”
这里有个小技巧:加上一句“请完善并复述我的需求”。目的是先确认Agent有没有真正理解你想要的效果,而不是直接进入开发。脑子里有画面但描述不准确,是vibe coding中最常见的翻车原因。
Vibe coding 是 2025 年由 Andrej Karpathy 提出的说法,指开发者用自然语言描述意图、由大模型生成代码的协作方式。它区别于传统的"先学语法再动手",把人的工作重心从写实现转移到了说清需求和判断结果上。也正因为如此,输入的质量直接决定输出的质量:需求含糊,Agent 只能猜;参考资料越具体,Agent 越容易对齐你脑子里的画面。
和AI一起探索方案,而不是等一个完美答案
第二步是和Agent一起探索方案。UP主提醒,必须有的心态是:不要期待一两轮对话就能得到完美方案。在这个案例中,至少需要讨论清楚三个问题:
- 花朵如何才能呈现得真实、精美、高级?
- 3D渲染、代码生成、AI生成视频这几种方式区别在哪?
- 手势识别怎么实现,需要准备什么,是否复杂?
你不需要懂这些技术,但至少要知道自己想要的效果并做出判断。和AI反复沟通本身就是vibe coding中非常耗时间的一环。等讨论清楚后,让AI把前面的讨论整理成一份最终执行方案——比如“帮我选择最简单合理同时能够实现最终效果的方式,我是技术小白,请尽可能把步骤讲清楚”。这样就把发散的讨论收敛成了一份可执行的计划。

三步执行:从花朵图片到手势联动
到了执行阶段,UP主把AI给出的方案拆成三个步骤。
第一步:生成高质量花朵图片
先确定花的样子和整体拍摄风格。UP主推荐在小红书上搜索喜欢的花朵作为参考素材,然后把图片交给AI生成提示词,例如“以这张花朵为参考,生成一张精致高级澎湃质感的花朵图片”。拿到提示词再去生成图片。不同的花朵、不同的参考图,最终效果差异很大,需要根据自己的审美不断筛选。

第二步:以图片为参考生成绽放视频
同样让AI帮忙写视频提示词,例如“以这张图片为参考,生成一段真实的延时摄影视频”。生成后需要筛选:花的角度是否符合需求、细节有没有跳变、镜头有没有漂移。因为后面要让用户通过手势控制视频播放进度,视频质量差会直接影响交互体验。效果不好就继续调整提示词、多生成几次。
UP主特别说明,这个案例里的花朵并不是实时渲染的3D模型,而是一段提前用AI生成的花朵绽放视频。这也是它看起来精美的关键原因之一。
延时摄影是把长时间缓慢发生的过程(如花朵绽放)按固定间隔抽帧、再以正常帧率播放的拍摄手法,因此画面看起来是加速的。用 AI 视频模型生成这类素材,本质是让模型学习真实延时摄影的视觉特征。需要注意,生成式视频在相邻帧之间容易出现细节不连贯(俗称"跳变")和镜头缓慢漂移,这也是文中要反复筛选、多生成几次的原因。
第三步:把视频放进网页,加入手势识别
把准备好的视频交给Agent,并给出明确指令:“我不会写代码,请帮我把这个开花视频做成一个干净好看的网页,花是画面的主角,电脑摄像头需要识别我的手,让拇指和食指的距离控制视频进度,动作稳定,稍微有一点缓冲但要跟得上手,请帮我完成并进行检查。”

背后的原理并不复杂:手掌完全合拢对应视频开头,手掌逐渐打开视频向后播放,手掌完全张开对应花朵完全盛开。手势识别技术可以直接通过代码调用电脑摄像头实现,UP主第一次接触时也觉得神奇——对着摄像头做几个简单动作,就能操纵屏幕上的内容。
浏览器端手势识别的主流方案是 MediaPipe Hands(现整合进 MediaPipe Tasks 的 Hand Landmarker),它通过 WebAssembly 或 WebGL 在本地运行,经由 getUserMedia 获取摄像头画面,实时输出 21 个手部关键点坐标,无需上传视频到服务器。拇指与食指的距离只需取这两个关键点的欧氏距离,再映射为视频的 currentTime 或播放进度即可。由于关键点会逐帧抖动,通常会做平滑或阻尼处理,这正是文中"动作稳定、稍有缓冲但要跟得上手"的技术来源。
测试迭代才是真正的分水岭
UP主强调,web coding还有一个非常重要的环节:不断测试和迭代。比如测试时发现“手已经停住了,但花朵还在继续绽放”,可以直接截图、录屏或用大白话告诉Agent:“我的手已经停住了,但是花朵还在继续绽放,这是为什么?请检查问题出在哪里并帮我修复。”AI会根据这些信息排查问题。修复后还有其他问题,就继续反馈、继续测试。
这套思路可以迁移到很多有趣的手势交互项目上。UP主最后给出的启发是:以后看到喜欢的作品,不妨先用AI拆解它,再用AI把自己的创意变成现实。对于不懂代码但有好点子的人来说,门槛正在被AI一点点削平。
文中的问题——手停住而花还在绽放——通常源于两种原因:一是进度映射没有做死区或迟滞,关键点微小抖动被持续放大为进度变化;二是平滑滤波的惯性过大。有效的反馈方式是给出可复现的现象、触发条件与预期结果,必要时附上录屏,让 Agent 能定位到具体是映射逻辑还是滤波参数的问题,而不是靠反复猜测。
相关推荐

Gemini 4 Neon评测:跑分比肩Carbon,API定价与额度解析
Google Gemini 4 Neon正式上线,跑分紧咬Carbon,API定价3/15为Hydrogen两倍。本文汇总B站UP主实测:Neon可平替90% Carbon场景,AntiGravity中额度消耗仅为Carbon三分之一,并解析订阅渠道限制与2API封号风险。

Gemini 4 Helium或将至?Google订阅限制松绑信号
Google团队成员预告发布将继续,社区推测Gemini 4 Helium(Flash Lite)或成下一款模型;订阅封禁争议获回应,产品负责人以「Soon」暗示可能开放限制。本文梳理Gemini动向、OpenAI Coding Agent与风险管理、豆包实时音视频API及算力商业动态。

AI辅助React开发实战:视频应用优化与错误处理
14年经验开发者演示如何用AI辅助优化React视频应用:通过ImageKit将视频从80MB压缩至5MB(约94%),并实现可靠的错误处理与重试机制。包含与AI协作的规划、代码理解和验证方法。