Planche à trous imprimable en 3D générée par IA à partir d'un croquis dessiné à la main

✍️ OpenClawRadar📅 Publié: March 31, 2026🔗 Source
Planche à trous imprimable en 3D générée par IA à partir d'un croquis dessiné à la main
Ad

Du croquis à l'impression 3D en quelques minutes

Un développeur a créé un jouet de planche à chevilles imprimable en 3D en fournissant un croquis dessiné à la main à Codex avec seulement deux contraintes dimensionnelles. Au lieu de passer des heures sur Fusion 360, il a obtenu des modèles imprimables en environ une minute, puis a itéré sur l'ajustement et la sensation grâce à des impressions tests.

Structure et contenu du dépôt

Le dépôt GitHub contient des générateurs Python paramétriques au lieu de maillages modifiés manuellement, ce qui rend les modifications simples. Les composants clés incluent :

  • Sept pièces de jeu plates avec des trous de 8,45 mm dans models/pieces/
  • Quatre engrenages lisses dans models/gears/ qui s'engrènent sur la grille de chevilles de 40 mm
  • Deux planches imprimables plus une cheville ajustée dans models/boards/ et models/pieces/
  • Des scripts Python dans scripts/ pour générer les formes, engrenages, planches et ressources du dépôt
  • AGENTS.md avec des instructions pour que les agents de codage étendent l'ensemble
Ad

Dimensions et spécifications ajustées

Le système utilise ces mesures spécifiques après itération :

  • Pas de la grille : 40,0 mm
  • Diamètre des trous des pièces : 8,45 mm
  • Diamètre des trous des engrenages : 8,45 mm
  • Cheville : diamètre de 7,72 mm, longueur de 40,0 mm, arrondi d'extrémité de 1,2 mm
  • Diamètre des trous de la planche imprimée : 8,30 mm (encore en cours de validation)

Comment régénérer et modifier

La configuration utilise des outils Python standard :

python3 -m venv .venv
. .venv/bin/activate
pip install -r requirements.txt
python scripts/generate_pegboard_shapes.py
python scripts/generate_pegboard_gears.py
python scripts/generate_pegboard_board.py
python scripts/generate_repository_assets.py

Le fichier AGENTS.md fournit des instructions pour que les agents de codage étendent l'ensemble, y compris la construction de planches à chevilles plus grandes (comme 6x6), la modification des longueurs de chevilles, l'ajout de nouvelles pièces pour différentes combinaisons de chevilles, la mise à l'échelle du système, ou la génération de variantes de test d'ajustement plus serrées/lâches.

📖 Lire la source complète : HN AI Agents

Ad

👀 See Also

Traduire en français : Claude Sonnet 4.6 Évalue les Rapports de Bugs de Quatre Modèles Locaux Qwen3.5
Use Cases

Traduire en français : Claude Sonnet 4.6 Évalue les Rapports de Bugs de Quatre Modèles Locaux Qwen3.5

Un développeur a testé quatre variantes de Qwen3.5 en leur faisant générer des rapports de bug pour un problème de jeu iOS, puis a demandé à Claude Sonnet 4.6 d'évaluer ces rapports. Les modèles ont correctement identifié un bug Swift où les couleurs des bordures d'équipement ne se réinitialisent pas, mais le code de test présentait des problèmes de compilation.

OpenClawRadar
Développeur utilise Claude Code pour créer l'application web SetForge pour la gestion de groupes
Use Cases

Développeur utilise Claude Code pour créer l'application web SetForge pour la gestion de groupes

Un développeur sans expérience professionnelle en programmation a utilisé Claude Code pour créer SetForge, une application React déployée sur Vercel qui aide les groupes à gérer leurs bibliothèques de chansons et leurs setlists. L'application inclut des fonctionnalités comme Jam Set pour trouver les chansons communes, l'importation Excel/CSV, le scoring de flux, les modes d'arrangement automatique et la collaboration en temps réel.

OpenClawRadar
OpenClaw sur AWS Lightsail : Analyse des coûts et leçons de configuration
Use Cases

OpenClaw sur AWS Lightsail : Analyse des coûts et leçons de configuration

Un développeur a dépensé 100 $ en une semaine pour exécuter OpenClaw sur AWS Lightsail avec Claude Sonnet 4.6 via Bedrock, découvrant que les paramètres du bac à sable, la gestion des jetons et la taille des invites impactent significativement les fonctionnalités et les coûts.

OpenClawRadar
Développeur Homelab Évalue 19 LLM Locaux avec 45 Tests Pratiques sur AMD Strix Halo
Use Cases

Développeur Homelab Évalue 19 LLM Locaux avec 45 Tests Pratiques sur AMD Strix Halo

Un développeur a créé une suite de 45 tests de référence pour les LLM locaux basée sur des cas d'utilisation réels de laboratoire domestique, comme la classification d'e-mails, l'automatisation Home Assistant et la planification de repas. En testant 19 modèles sur un AMD Strix Halo avec 128 Go de RAM et 96 Go de VRAM, Gemma 4 26B-A4B a obtenu les meilleurs résultats après correction de bugs.

OpenClawRadar