1.1 节点网络初体验：搭出第一个程序化资产

1.1 节点网络初体验：搭出第一个程序化资产

本节摘要：用三个节点（Grid、Mountain、Scatter）搭出本教程贯穿全程的山体雏形。实验的关键不是连出网络，而是观察"改参数 → 整体重算"的现象，建立 Houdini 与传统建模软件截然不同的手感。无需任何基础。

实验一：三节点山体

打开 Houdini，在 obj 层里按 Tab 键输入 geo，建一个 Geometry 容器并进入（也可以直接删掉默认的，按需要来）。在网络里依次放三个节点：

1. Grid：rows 设 100，columns 设 100，size 保持默认 10×10；
2. Mountain：接在 Grid 后，height 调到 1.5 左右；
3. Scatter：接在 Mountain 后，点数保持 5000。

按下 W 键显示点——你会看到 5000 个点贴着山面分布。现在回到 Mountain，把 height 从 1.5 拖到 3：山变高了，5000 个点自动贴到新表面。这一瞬间就是程序化的核心体验：你改的是规则，不是结果。

图 1.1-1 实验网络与数据形态

实验二：让它"程序化"起来

光连节点还不算程序化——Blender 的修改器堆栈也能做到。真正的分水岭是规则带变量。继续做两步：

1. 在 Mountain 上游插一个 Transform，rotate Y 拖一圈——山的纹理走向变了。因为 Mountain 的噪声是在局部空间计算的，先转再抬，与先抬再转，结果不同。节点顺序就是规则顺序。
2. 把 Scatter 的种子（Seed / 每按一次 R 键重掷）换几次，点分布立即换一批。同一个网络，不同种子，产出一族变体——批量生成的种子。

观察：两个直接可感的现象

⚠️ 常见坑：把 Grid 的 rows 拉到 500 觉得"更精细"。此时 Mountain 的噪声频率没变，山只是多了没被利用的点，白耗内存。分辨率要和噪声频率一起加。

动手清单

• 建好 Grid(100×100) → Mountain(height≈1.5) → Scatter(5000) 网络并保存，这是主线资产 v1；
• 分别调整：节点顺序、Transform 插入位置、Scatter 种子，各观察一次；
• 打开 Spreadsheet（场景视图右上角图标），看 Scatter 后的点表里多了什么列——答案在 1.4 节揭晓。

下一节我们追问：刚才那套"改一处、全局重算"的行为，在机制上是怎么发生的。

延伸：第一个可复现的节点实验

照下面步骤在空场景里搭出第一条"数据流管道"，每一步都能观察到明确的中间结果，这是理解节点网络最快的方式。放入一个 Grid（20×20，行 30 列 30），接 Point 节点查看坐标分布，再用 Attribute Wrangle 输出验证：

// Attribute Wrangle (Run Over: Points) —— 查看数据真的在流动
printf("point %d pos=%v\n", @ptnum, @P);          // 小技巧: 先只看前几个点
// 把高度设为到原点距离的函数, 一条命令出现锥形
@P.y = sqrt(@P.x*@P.x + @P.z*@P.z) * ch("scale");
​

加一个参数 scale（在 Wrangle 里按齿轮图标 Create Spare Parameters from This Snippet 自动生成），拖动滑杆看锥形实时伸缩——此刻你已经拥有了程序化最核心的体验：参数驱动、非破坏、随时回溯。

延伸：网络布局与信息标记的工程习惯

节点网络的可读性在真实项目里比算法本身更早决定成败。三条立刻可用的纪律：

[网络整理三律]
1. 主干走直线: display/render 主链保持水平直线, 分支向下挂
   (Houdini 的 Q/L 快捷对齐, shift+点击框选子树)
2. 网络框+颜色语义: Net Box 分阶段命名(GEN/SCATTER/SIM/OUT),
   颜色全局统一——例如生成蓝、修饰绿、输出黄
3. Sticky Note 记录决策: 在关键分叉贴便签写"为何选 scatter
   而非 copy+instance", 三个月后的自己会感谢现在的自己
​

养成这三条习惯后，把刚才的锥形实验打包成 Net Box 命名为 FIRST_PIPELINE——它虽然简单，却已经是后续所有章节要反复扩展的同一种结构：输入几何、中间变换、输出展示。节点网络的本质是"把思考过程外化成可检查的物理结构"，每个节点都是一步可以单独审计的推理。

补充一个立刻值得做的对照观察：在锥形实验的 Wrangle 上右键打开 Node Info，看 Points 计数与 cook 时间，然后把 Grid 的行列数从 30 提到 300，重新观察。你会发现点数放大一百倍、cook 时间只增加一个温和的倍数——这是 Houdini 对批量几何计算做过深度优化的直接证据，也是"几何思维"优于"对象思维"的性能根源。传统建模软件里改一个物体要重新计算一个物体，节点网络里改一个参数是在向十万多个点同时广播同一条数学指令。建立这个直觉后，后续章节里所有看似大胆的批量操作（给百万点逐点计算生态权重、给千座建筑逐栋装配立面）都不再令人紧张，因为你知道自己付的是一次向量运算的价格，而不是一百万次手工的价格。

关于下一步练习也给出明确指向：完成锥形实验后，把它的两步拆成三个节点（Grid、锥形 Wrangle、上色 Wrangle），再在每个节点上贴 Sticky Note 写一句"我负责什么"。这个微小的仪式看似多余，实为团队协作的预演——三个月后接手你网络的人（包括未来的你），靠的就是这些一句话声明。程序化工程的沟通成本与节点数成正比，从第一个实验就开始管理它，是成本最低的时机。

至此第一个实验网络的使命完成，但请保留这个 hip 文件：第二章将用 VEX 重写它的锥形段，第三章会把它升级为噪声驱动的山地。一个被反复改造的起步文件，胜过十个从零开始的新文件——程序化的学习路径本身就该是非破坏、可回溯的，你现在留下的每一层"历史"，都是后续章节的现成教具。