一不小心，AI CAD！跨界打劫！

AI资讯 1天前 charles

295 0 50

hi~

现在！

大量的设施设备、建筑设计、制备生产流程！

都围绕一份CAD图纸，设计-->生产，掺杂大量人工，重复+耗时！

大到：铁路高铁装配零件的设计图，然后由专业部门人工审核，再发到工厂形成生产图，到流水线生产！

小到：家里淋浴房，终端渠道商需要先与客户画一个3D设计图，然后发到工厂，工厂根据要求，画出各个配件型材生产图！

如下，是一个淋浴房渠道商，传到工厂的CAD图纸：

你可以在我司飞书云盘下载：

https://gxlbvdk4ilp.feishu.cn/file/Ipomb6U0posuqKxWo0qctyIMnUf

这张图，无法直接用于工厂生产，不是“施工图”，工厂都需要进行二次绘图，将以上每1个独立部件，都独立做成【三视图】，流水线才能生产！

这样的需求，贯穿所有行业！

无一例外！

如果大模型把这些活干完，整个CAD行业和格局，完全颠覆！

这是一个：

【AI CAD-多智能体驱动的自然语言作图系统】

快速试错阶段

基于一意对AI CAD认识，是远远不足以支撑动手开干的

我们需要完整了解整个行业

跑出去+深入观察

花了几周时间，我们做了一个100+页的需求大表

ps：也可以提供，当然，这是我们拉齐与行业专家的知识高度，便于开展工作，对业内专家可能没什么价值；

去重、合并、评估、筛选后

一意看到了3个需求定式：

定式1：CAD1-->直出一组CAD2图

定式2：CAD2-->可视化可定位CAD中的组件1

定式3：组件1-->自然语言提出计算并调整的组件2

大白话：

全程无需专业的设计师、工程师知识，一个啥都不懂的用户，一个CAD上传，系统预设处理逻辑，把需要做的图纸，多智能体全部做完，并且在系统实时化+可视化渲染

渲染完，用户可以选中一个部分，然后这个部分，直接用自然语言，让多智能体再次微调，实时渲染出来！

最后，一键保存结果CAD到本地！

项目如此，在你手中，你，会用什么技术路线解决？

如果是为了好玩，可用方案可太多了！

有说用SD的，也有说转图用VLM的！

但这是生产，一个毫米级的交付误差，可能直接让一家公司倒闭！

跟一意过去做医疗、财务、投融决策项目情况一样！

准确度优先！

准确度必须99.99%以上才能交付！

我们只能走，CAD-->参数化

一条路子！

什么是CAD参数化

如果你是业内专家，你肯定很清楚这是什么

那你可以跳过这部分

下一部分，我们会讲一步步，是如何做的

遇到了哪些问题，如何解决的

CAD参数化（Parametric CAD）是一种计算机辅助设计（CAD）方法，通过定义几何模型的形状、尺寸和关系的方式，使模型具有高度的灵活性和可编辑性。

参数化的核心思想是将设计中的几何元素（如点、线、面等）与数学参数（如尺寸、角度、约束条件等）关联起来，从而实现对设计的动态调整。

在传统的CAD设计中，几何模型通常是静态的，一旦创建完成，修改起来可能需要重新绘制或重新定义多个部分。

而参数化设计允许用户通过更改某些关键参数（如尺寸值或约束条件），自动生成新的几何形状，而无需手动调整每个细节。

还是上面这个【淋浴房3D图】，他的其中一个【固定型材】，就是一个左框，参数化表示后(部分)，是这样的：

[    ["POLYLINE", False, (0.0, 0.0, 0.0), [(-1.427279462775232, -11.44465735770649, 0.0), (-0.2247471124567255, -11.44465735770649, 0.0), (-0.2247471124567255, -51.44465735770649, 0.0), (-1.427279462775232, -51.44465735770649, 0.0)]],    ["POLYLINE", False, (0.0, -198.94465735772105, 0.0), [(-1.427279462775232, -198.94465735772105, 1980.0), (-0.2247471124567255, -198.94465735772105, 1980.0), (-0.2247471124567255, -198.94465735772105, 1980.0), (-1.427279462775232, -198.94465735772105, 1980.0)]],    ["POLYLINE", False, (100.0, 0.0, 0.0), [(100.0, -11.44465735770649, 1980.0), (100.0, -11.44465735770649, 1980.0), (100.0, -51.44465735770649, 1980.0), (100.0, -51.44465735770649, 1980.0)]],    ["POLYLINE", False, (0.0, 0.0, 0.0), [(-1.427279462775232, -11.44465735770649, 0.0), (-0.2247471124567255, -11.44465735770649, 0.0), (-0.2247471124567255, -11.44465735770649, 0.0), (-1.427279462775232, -11.44465735770649, 0.0)]],    ["POLYLINE", False, (0.0, -198.94465735772105, 0.0), [(-1.427279462775232, -198.94465735772105, 2000.0), (-0.2247471124567255, -198.94465735772105, 2000.0), (-0.2247471124567255, -198.94465735772105, 1980.0), (-1.427279462775232, -198.94465735772105, 1980.0)]],    ["POLYLINE", False, (100.0, 0.0, 0.0), [(100.0, -11.44465735770649, 2000.0), (100.0, -11.44465735770649, 2000.0), (100.0, -11.44465735770649, 1980.0), (100.0, -11.44465735770649, 1980.0)]],    ["POLYLINE", False, (0.0, 0.0, 0.0), [(-1.427279462775232, -51.44465735770649, 0.0), (-0.2247471124567255, -51.44465735770649, 0.0), (-0.2247471124567255, -51.44465735770649, 0.0), (-1.427279462775232, -51.44465735770649, 0.0)]],    ["POLYLINE", False, (0.0, -198.94465735772105, 0.0), [(-1.427279462775232, -198.94465735772105, 1980.0), (-0.2247471124567255, -198.94465735772105, 1980.0), (-0.2247471124567255, -198.94465735772105, 2000.0), (-1.427279462775232, -198.94465735772105, 2000.0)]],    ["POLYLINE", False, (100.0, 0.0, 0.0), [(100.0, -51.44465735770649, 1980.0), (100.0, -51.44465735770649, 1980.0), (100.0, -51.44465735770649, 2000.0), (100.0, -51.44465735770649, 2000.0)]],    ["POLYLINE", False, (0.0, 0.0, 0.0), [(-1.427279462775232, -51.44465735770649, 0.0), (-1.427279462775232, -52.74465735770212, 0.0), (-1.427279462775232, -52.74465735770212, 0.0), (-1.427279462775232, -51.44465735769921, 0.0), (-1.427279462775232, -51.44465735769921, 0.0), (-1.427279462775232, -47.44465735769921, 0.0), (-1.427279462775232, -47.44465735769921, 0.0), (-1.427279462775232, -11.44465735769921, 0.0), (-1.427279462775232, -11.44465735769921, 0.0), (-1.427279462775232, -10.14465735770358, 0.0), (-1.427279462775232, -10.14465735770358, 0.0), (-1.427279462775232, -11.44465735770649, 0.0), (-1.427279462775232, -11.44465735770649, 0.0), (-1.427279462775232, -51.44465735770649, 0.0)]],    ["POLYLINE", False, (0.0, -198.94465735772105, 0.0), [(-1.427279462775232, -198.94465735772105, 1980.0), (-1.427279462775232, -198.94465735772105, 2000.0), (-1.427279462775232, -198.94465735772105, 0.0), (-1.427279462775232, -198.94465735772105, 0.0), (-1.427279462775232, -198.94465735772105, 26.00000000000365), (-1.427279462775232, -198.94465735772105, 26.00000000000365), (-1.427279462775232, -198.94465735772105, 15.0), (-1.427279462775232, -198.94465735772105, 14.99999999999999), (-1.427279462775232, -198.94465735772105, 0.0), (-1.427279462775232, -198.94465735772105, 0.0), (-1.427279462775232, -198.94465735772105, 2000.0), (-1.427279462775232, -198.94465735772105, 2000.0), (-1.427279462775232, -198.94465735772105, 1980.0), (-1.427279462775232, -198.94465735772105, 1980.0)]],    ["POLYLINE", False, (100.0, 0.0, 0.0), [(100.0, -51.44465735770649, 1980.0), (100.0, -52.74465735770212, 2000.0), (100.0, -52.74465735770212, -7.1e-15), (100.0, -51.44465735769921, 0.0), (100.0, -51.44465735769921, 26.00000000000365), (100.0, -47.44465735769921, 26.00000000000365), (100.0, -47.44465735769921, 15.0), (100.0, -11.44465735769921, 14.99999999999999), (100.0, -11.44465735769921, -7.1e-15), (100.0, -10.14465735770358, -7.1e-15), (100.0, -10.14465735770358, 2000.0), (100.0, -11.44465735770649, 2000.0), (100.0, -11.44465735770649, 1980.0), (100.0, -51.44465735770649, 1980.0)]],    ["POLYLINE", False, (0.0, 0.0, 0.0), [(-1.427279462775232, -11.44465735769921, 0.0), (-0.2272794627635903, -11.44465735769921, 0.0), (-0.2272794627635903, -11.44465735769921, 0.0), (-1.427279462775232, -11.44465735769921, 0.0)]],    ["POLYLINE", False, (0.0, -198.94465735772105, 0.0), [(-1.427279462775232, -198.94465735772105, 14.99999999999999), (-0.2272794627635903, -198.94465735772105, 14.99999999999999), (-0.2272794627635903, -198.94465735772105, -8.9e-15), (-1.427279462775232, -198.94465735772105, -8.9e-15)]],    ["POLYLINE", False, (100.0, 0.0, 0.0), [(100.0, -11.44465735769921, 14.99999999999999), (100.0, -11.44465735769921, 14.99999999999999), (100.0, -11.44465735769921, -8.9e-15), (100.0, -11.44465735769921, -8.9e-15)]],    ["POLYLINE", False, (0.0, 0.0, 0.0), [(-1.427279462775232, -47.44465735769921, 0.0), (-0.2272794627635903, -47.44465735769921, 0.0), (-0.2272794627635903, -11.44465735769921, 0.0), (-1.427279462775232, -11.44465735769921, 0.0)]],    ["POLYLINE", False, (0.0, -198.94465735772105, 0.0), [(-1.427279462775232, -198.94465735772105, 15.0), (-0.2272794627635903, -198.94465735772105, 15.0), (-0.2272794627635903, -198.94465735772105, 14.99999999999999), (-1.427279462775232, -198.94465735772105, 14.99999999999999)]],    ["POLYLINE", False, (100.0, 0.0, 0.0), [(100.0, -47.44465735769921, 15.0), (100.0, -47.44465735769921, 15.0), (100.0, -11.44465735769921, 14.99999999999999), (100.0, -11.44465735769921, 14.99999999999999)]],    ......]

在参数化过程中，我们又拿了50个不同复杂度、大小的CAD文件！

以此测试参数化后，还原成CAD图的成功率，达到100%！

成功率计算方法，如下：

成功还原率=成功还原次数÷总还原次数x100%

我们把参数化后文件，传上了飞书，你可以在这里下载：

https://gxlbvdk4ilp.feishu.cn/file/C5FLb0nSRojfWuxV3VuckBVInrd

参数化表示成功后，参数量瞬间爆炸，一个图，可能有千万、亿级数据组合！我们马上，又面临一个直接决定成败的挑战：

参数定位

当用户点击选中图形，我们需要精准定位到对应的一组或几组参数，以支持自然语言提出计算任务，智能体才能以此计算

否则，只是参数化，无法定位计算，一切，毫无价值！

参数化后的问题

一个CAD，越复杂，参数化的数据量，越庞大！

十万组还算比较小型的

大部分是千万、亿级的数据量！

我们还要在这些数据上，部署一个多智能体系统

如何定位+存储，是个大挑战

我们深入到这些数据，把参数拆开，发现一些规律(部分)：

一意马上把其他CAD文件参数化，复核，一致！

经过算法转化，得到这样的数据（部分）：

【"实体类型",<是否闭合>,(<基准点X>,<基准点Y>,<基准点Z>),】

【(<顶点1的X坐标>,<顶点1的Y坐标>,<顶点1的Z坐标>),】

【(<顶点2的X坐标>,<顶点2的Y坐标>,<顶点2的Z坐标>),】

...

【(<顶点n的X坐标>,<顶点n的Y坐标>,<顶点n的Z坐标>)】

大到一个淋浴房，小到一个型材，皆可被定位！

包含具有计算价值的几何信息、层级关系及附属属性

最终形成统一规范、可扩展、可管理、可定位的结构化数据！

有了这些数据，只需要把计算规则，做成一个算法库！

多智能体系统就可以拿到这些数据，并以此计算！

参数化计算

这是最后一步！

也是最重要一步！

你需要懂业务，或者有行业专家辅助你，理清计算方案！

举个例子：

这是一个3D图，是固定淋浴房玻璃的一个型材！

一个门框！

现在你要根据他，画一个三视图！

正视图、侧视图、俯视图

用于工厂生产！

我们必须要根据任务，建立一个高精准的算法方案库，支撑多智能体系统计算！

一意画了一个技术方案图，如下：

这是一个多智能体驱动的系统，系统有了，那用什么模型驱动？

首先排除开源方案，开源模型没有能完成这种程度任务的能手！

团队有伙伴不信，拿了DeepSeek、qwen等系列去跑，均无果！

闭源方案，我们只测试国外3家

最终只有Claude完成(亦有瑕疵)！

我们做了所有模型的性能测试报告！当然是参数化计算的，如果你需要，也可以找技术助手-小胖要！

接下来，欣赏一下结果：

正视图：蓝色

侧视图：绿色

俯视图：红色

该文件的下载链接：https://gxlbvdk4ilp.feishu.cn/file/KWQYboc5mork9ExclTlc6PlXnbc?from=from_copylink

当然啦！这是一份CAD文件，可以被放大、定位、选中，订阅号图片上，看起来就是三条线！

后面，他也可以一键标尺寸，一键审核、一键分析诊断.....

更多的功能，都是在参数化计算之后的，简单很多！

如果你正在做类似项目，或者有其他项目，你可以在飞书上找我：

也可以微信上联系会员技术助手-小胖：

最近，特别忙！原定交付1年的内容计划，done！

于是，带着课题组的小伙伴，重新规划了未来的内容！

加上给自己放了一点点假（真的没怎么休息，都去玩了）

一晃眼，到现在了！

未来，一意会深入到行业+聚焦具体的技术问题，继续为兄弟们提供服务！

会有几个新开的+价值非常的专题！

希望能与你有更多合作，朋友

版权声明：charles 发表于 2025年7月24日 am7:40。
转载请注明：一不小心，AI CAD！跨界打劫！ | AI工具大全&导航

🧠 解码大语言模型的记忆力：上下文长度的前世今生

charles

2.5K 35

面向六个月后的 AI Code，也许影响的不只是前端

charles

5.4K 25

LLM是点，MCP是线， A2A是面！

charles

5.1K 45

关于基于大模型构建产品的思考

charles

6.3K 35

New🧠 大模型到底厉害在哪？看完这篇你就懂了！

charles

1.2K 50

AI大模型：你不得不知道的两个致命缺陷

charles

5.5K 25

一不小心，AI CAD！跨界打劫！

🧠 解码大语言模型的记忆力：上下文长度的前世今生

🧠 解码大语言模型的记忆力：上下文长度的前世今生

相关文章

相关文章