从含糊的一句话开始建起一座 Minecraft 城镇的 AI 智能体。它先画出概念图，定下地块划分与各栋建筑的设计，再采取两段式做法：先把图像用语言描述成结构，然后换算为坐标，从而生成前后一致的建筑。骨架一次性铺好，装饰则由机器人在现场逐处收尾。
评审肯定了以 Minecraft 建筑为切入点的眼光，以及在三维数据生成上的独到巧思，并指出作品经过反复试错已达到可用水准，同时认可了把孩子的创造力接续到 AI 时代技能上的视角。
关键或许在于那段“绕路”：不是直接依据图像放置方块，而是先把结构写成语言，再转换为坐标。生成图像本身既没有尺寸也谈不上前后一致，中间加入这层语言表述，才让建筑不至于崩坏。这样的判断也容易讲清理由，在评审席上想必更好传达。把骨架的一次性生成与机器人的现场收尾分开处理，同样是贴合各自性质的合理划分。