1. 先画平面图，每栋建筑的位置用“米”标好。
2. 拆分成几个区块，每个区派一个 Agent（智能体）去建。
3. 每建完一个区就截图，跟参考图对比并微调。
4. 最后安排 10 个镜头，每个镜头从小细节的特写开始拉远。

第 1 步最关键，要是没有平面图，每个 Agent 各建各的，塔可能会直接建进池塘里。

4…