内部技术引介 · Process Sheet · Rev 1

CADmind

一句自然语言描述,经两条互为兜底的生成路径,落地成可制造的机械零件——STEP 装配文件、STL 预览网格、以及一份完整可追溯的校验报告。

几何内核build123d + bd_warehouse(OpenCASCADE / OCCT)
语言模型gpt-5.6-luna,Responses API 工具调用
能力模块45 个 — 每个由 1 份 yaml 契约 + 1 份实现文件构成
领域知识7 份关键词门控经验文件(按需注入,不全量塞入 prompt)
几何校验7 类 claims — 探针求交实测,非模型自述
兜底层级3 级 — 正常重试 → 降级简化 → 占位保底,绝不空手而归
失败 / 超40步 01 自然语言描述 + 可选参考图 02 generate_from_description_best() 路径 A · 优先 多轮 Agent 循环 边建模 · 边渲染自检 · 边修正 路径 B · 兜底 一次性生成 + 三级降级 重试 → 简化 → 占位保底 03 · 统一校验层 executor.run_ir — 参数校验 + 7 类 claims 几何探针校验 04 · 输出 model.step · model.stl · report.json

两条路径共用同一套能力库与同一套校验层——走哪条路,标准不打折。

01

输入层:一个函数,所有入口共用

网页端(web/app.py)、命令行(cadmind.py)、批量回归脚本(scripts/run_canary_tests.py)——不管从哪进来,最终都调用同一个函数:generate_from_description_best(user_text, image_base64=None)。

这条统一规则本身就是一次真实踩坑之后补上的:曾经只改了网页端的生成逻辑,命令行还在跑旧管线,用户直接执行 ./start.sh 生成的结果完全没有体现新改动。现在只有一个入口函数,改一次,所有渠道同时生效。

02

能力契约:45 块互相独立的乐高积木

每一种建模动作——画草图、拉伸、打孔、倒角、装一颗标准轴承、折一段钣金——都是一个独立的"能力",由两个文件组成:一份 capabilities/*.yaml 契约(参数类型/取值范围/前置条件/失败码),加一份 capabilities/impl/*.py 的 build123d 实现。新增一种加工特征,只需要新增这一对文件,不需要改其它能力,也不需要碰 prompt 主逻辑。

capabilities/gusset_rib.yaml
name: gusset_rib
description: "三角形加强筋——从底面平滑过渡升高到与圆柱外壳相接的一侧"
parameters:
  - x_offset, y_offset, length, thickness, height
preconditions:
  - "target 必须是一个实体"
# 触发布尔合并时,圆柱体自身的圆弧面会自动"裁剪"出
# 三角筋与外壳之间自然贴合的边界,不需要手工计算圆弧交线
capabilities/impl/gusset_rib.py
def run(context, target, params):
    bbox = target.bounding_box()
    tri = Polygon((0, 0), (length, 0), (length, height))
    prism = extrude(Plane.XZ * tri, amount=-thickness)
    rib_solid = Pos(x_offset, y_offset, bbox.max.Z) * prism
    return target + rib_solid

目前库里有 45 个这样的能力,覆盖草图、拉伸/旋转/放样、孔系(简单孔/沉头孔/螺纹孔/贯穿轴向孔)、倒角/倒圆/抽壳/拔模、阵列(线性/圆周/镜像)、标准件(5 大类轴承、齿轮、链轮、卡簧、O 型圈)、钣金折弯等。

03

领域知识:按关键词门控注入,不是一份大 prompt 通吃

老师傅的经验教训("支撑转轴的孔方向必须跟轴一致""折弯件两端半径要分别独立"……)如果一股脑塞进同一份系统提示词,会出两种问题:描述里出现"轴承支座"会被"标准轴承座"的规则误伤;经验越积累,prompt 越臃肿,模型越容易顾此失彼。

现在的做法:拆成 7 份独立文件,每份文件第一行只写触发关键词,只有用户描述里真的命中关键词,这份经验才会被拼进当次的系统提示词。下面是真实的 7 份文件:

* _universal_real_overlap.md永远注入
base_two_tier.md底座 · 支架 · 托盘
bearing_pillow_block.md轴承座 · 立式轴承座 · pillow block · 枕式轴承座
bent_plate_sheet_metal.md折弯 · 角码 · 钣金 · 帽型截面 · Z/L/U 型
gap_capture.md陀螺仪 · 万向节 · 嵌套 · 卡扣 · 转动但拿不出来
rib_to_bored_cylinder.md轴承座 · 套筒 · 法兰筒 · 加强筋 · 筋板
shaft_support_orientation.md支撑转轴 · 传动轴 · 支撑水平轴 · 支撑主轴

实测验证过:描述"加强筋轴承支座"时,"轴承支座"四个字不会命中 bearing_pillow_block.md(它要求"轴承座"完整子串),结构性避免了两类零件互相污染——而不是靠模型自己判断"这次该不该套用那条规则"。

04

路径 A:多轮 Agent 循环(优先走这条)

不再是一次性吐出整份 JSON,而是像真的坐在电脑前建模的人一样,一步一步来:

① 45 个能力自动转成工具→ ② 逐步调用 op_xxx 建模→ ③ 随时 render_snapshot 自己看一眼→ ④ finish 提交 + claims 校验

能力契约会被 build_capability_tools 自动转成 OpenAI 工具 schema(op_sketch_rect、op_gusset_rib……),再加 4 个控制工具:inspect_state(看当前建到哪)、describe_shape、render_snapshot(四视角渲染一张 PNG 给模型自己看)、finish(提交,必须一并声明 claims)。AgentSession 维护一份持续的建模上下文,模型发现不对可以当场改,不用整个会话重来。最多 40 步没调用 finish 就转入路径 B。

05

路径 B:一次性生成 + 三级兜底(安全网)

路径 A 失败、异常或超步数时接管,保证系统永远不会空手而归:

层级触发条件行为
Tier 1 正常默认路径完整能力清单一次性生成 IR,看着上一次的校验错误重试,最多 3 次
Tier 2 降级Tier 1 反复失败只准用最基础的几个能力(草图/拉伸/布尔),放弃精细机关,先做出外观近似的结构
Tier 3 占位Tier 2 也失败生成场景:落一个占位方块,report 如实写明失败原因;修改场景:保留原零件不变,绝不用占位覆盖一个本来能用的零件
06

统一校验层:claims 几何探针校验

不管走哪条路径,最终都要经过同一个 executor.run_ir:先校验每一步操作的参数类型/范围/前置条件,再对模型声明的 claims 做真实的探针几何校验——不是让模型自己说"我觉得做对了",是真的在对应位置做布尔求交、量尺寸、找圆弧边。

类型校验什么底层做法
hole声明位置应该有一个孔探针实体求交,判断该处是否真的镂空
axis_direction某条孔轴线的方向直接读执行记录里的操作参数,不做几何反推
real_overlap两个实体应当有真实体积重叠布尔求交后比较体积
no_overlap两个实体不应当重叠同上,反向判定
dimension某方向尺寸应为多少读取 bounding box 对应轴向尺寸
arc某处应有指定半径(±公差)的圆弧定位圆弧边,弧长/半径反推角度
opening开孔的精确 bbox / 中心探针与实体求交锁定局部真实材料范围,再反推空腔边界——避免把镂空区域误判成"无穷延伸"
07

产物:三份文件,一份可追溯

落地到 output/<零件名>/:model.step(下游 CAM/装配用)、model.stl(网页预览 / 3D 打印用)、report.json(完整操作序列、模型自行假设的参数、是否降级/占位、claims 校验结果、耗费步数)。

report.json 同时是"修改已有零件"功能的输入——用户要求修改时,直接把已保存的 IR 还原出来喂回模型作为起点,不需要从头重新描述一遍整个零件。

08

部署

Flask 后端 + three.js(WebGL)网页预览——浅色背景、鼠标可拖动旋转/缩放,不是只能看着自动转。托管在腾讯云轻量服务器,systemd 常驻服务;因服务器在境内、需要访问 OpenAI 接口,额外挂了一层 mihomo 代理承担出口流量。