xuyongjie/cadSet

Fork 0

Files

T

Jerry 6e33bc0e11 docs: add comprehensive Chinese project guide

2026-07-27 17:52:42 +08:00

28 KiB

Raw Blame History

CadSet 项目完整指南

面向自然语言、图文和 STEP 输入的参数化 CAD 生成、重建、修改与经验蒸馏系统。

1. 项目信息

项目浏览地址：https://gitea.robotquan.com/xuyongjie/cadSet/src/branch/codex/remove-cadam/
Git 仓库地址：https://gitea.robotquan.com/xuyongjie/cadSet.git
当前开发分支：codex/remove-cadam
主要输出格式：DesignIR 2.0 JSON、STEP
建模后端：Build123d、SimpleCADAPI

本文档面向三类读者：

想直接启动前端并生成 CAD 的使用者。
想批量蒸馏 STEP、进行参数化重建实验的研究人员。
想扩展 DesignIR、CAD Router、建模后端或验收系统的开发者。

2. CadSet 解决什么问题

CadSet 的目标不是只生成一个“看起来像”的网格，也不是把上传的 STEP 直接包装后宣称完成重建。系统希望得到同时满足以下条件的 CAD 模型：

几何能够导出为标准 STEP。
模型有明确的参数、基准、约束和特征顺序。
后续可以修改孔径、厚度、孔距、数量等参数。
修改后仍能稳定重建，而不是破坏模型。
上传 STEP 的重建过程不依赖原 STEP 本体。
从大量案例中学到的是通用建模方法，而不是某个零件的尺寸答案。

当前产品主线包含三种工作流：

自然语言生成：根据文字描述生成可编辑的参数化零件。
图文生成与修改：结合参考图片和文字生成或修改零件。
上传 STEP 重建与修改：把 STEP 作为教师真值，转换成自有 DesignIR，再独立重建和参数化修改。

CadSet 当前优先面向规则机械零件，例如：

法兰、端盖、轴和轴套；
板件、支架、加强筋结构；
带孔块、孔阵列、槽和凸台；
基础壳体、连接件；
齿轮、齿条、轴承和部分减速器结构。

复杂自由曲面、多轨扫掠、高阶连续过渡面、缺陷 B-Rep 和大型装配仍属于需要继续扩展的能力边界。

3. 核心设计思想

3.1 STEP 是几何真值，不是可编辑设计历史

STEP 通常能够保存精确 B-Rep 几何、拓扑和装配信息，但并不可靠地保存原 CAD 软件中的草图、特征树、尺寸名称和设计意图。

因此，从 STEP 中无法唯一恢复原作者的真实建模历史。例如同一个法兰既可以通过“圆柱拉伸后打孔”得到，也可以通过“截面旋转后阵列切除”得到。

CadSet 不声称恢复唯一的原始历史。它做的是：

从 STEP 提取确定性的几何证据。
推断一个合理、稳定、可编辑的参数化设计方案。
使用自有 DesignIR 表达这个方案。
在没有源 STEP 的环境中重新生成 STEP。
独立比较源 STEP 与重建 STEP。
扰动参数，验证模型是否真正可修改。

3.2 DesignIR 2.0 是统一设计源

DesignIR 是 CadSet 自有的、后端无关的参数化设计描述。它保存设计逻辑，而不是嵌入原始 B-Rep 或完整网格。

一个 DesignIR 通常包含：

字段	作用
`coordinate_system`	零件坐标系和轴方向。
`datums`	中心点、主轴、安装面等设计基准。
`parameters`	尺寸、角度、数量和比例参数。
`expressions`	参数之间的派生关系。
`sketches`	草图或轮廓语义。
`constraints`	同心、对称、等间距等约束。
`features`	拉伸、孔、凸台、阵列等有序特征。
`patterns`	极坐标或线性重复关系。
`attachments`	特征与主体、基准或安装面的连接关系。
`construction_stages`	推荐的构造阶段和重建顺序。
`edit_interface`	对外开放的可编辑参数与需保持的接口。
`validation_contract`	几何不变量和参数扰动测试。

完整 Schema：

designir-pipeline/contracts/designir-2.0.schema.json

可运行示例：

designir-pipeline/examples/raised_hub_flange.designir.json

3.3 源 STEP 必须与重建环境隔离

CadSet 明确禁止以下“伪重建”方式：

在生成器中调用 import_step(source.step)。
把原始 B-Rep、STEP 文本或完整三角网格塞进 JSON。
把源 STEP 当作基础特征，再在上面做布尔修改。
保存源模型的面 ID、边 ID 或运行时拓扑引用。
重建时从隐藏路径重新读取教师 STEP。

最直接的防作弊检查是：

从重建运行环境中移走源 STEP，仅依靠 DesignIR 和编译器，仍然能够生成完整模型。

4. 系统架构

flowchart LR
    U["文字 / 图片 / STEP"] --> UI["CAD Agent Studio"]
    UI --> LLM["多模态或文本模型"]
    LLM --> IR["DesignIR 2.0"]
    IR --> R["CAD Router"]
    R --> B["Build123d"]
    R --> S["SimpleCADAPI"]
    B --> STEP["重建 STEP"]
    S --> STEP
    STEP --> V["3D Viewer"]
    STEP --> A["独立验收"]
    A --> F["验收报告与反馈"]

对于上传 STEP，链路进一步分成教师侧和重建侧：

flowchart TD
    T["源 STEP（教师真值）"] --> E["确定性几何证据提取"]
    E --> RA["Agent A：重建"]
    X["已晋升通用经验"] --> RA
    RA --> D["自有 DesignIR"]
    D --> C["隔离编译器"]
    C --> R["重建 STEP"]
    T --> AB["Agent B：独立验收"]
    D --> AB
    R --> AB
    AB --> P["确定性晋升器"]
    P --> X

关键点是：Agent A 和隔离编译器不能读取源 STEP；Agent B 可以读取源 STEP，但不能直接发布经验。

5. 仓库结构

CadSet/
├── cad-agent-studio/     Web 前端、对话、上传、任务和 3D 预览
├── designir-pipeline/    DesignIR、双 Agent、重建、验收和经验蒸馏
├── text-to-cad/          CAD Router、Build123d CAD 能力和 Viewer 运行时
├── SimpleCADAPI/         第二建模后端和可重放操作图
├── docs/                 项目级详细文档
├── llm.config.yaml       共享 LLM 配置
├── README.md             项目概览
├── .gitignore            本地数据、依赖和生成物排除规则
└── .gitattributes        文本换行和二进制格式属性

5.1 CAD Agent Studio

cad-agent-studio/

这是面向最终使用者的 Next.js 前端：

左侧：对话、图片/STEP 上传、模型供应商和模型选择。
右侧：STEP 三维预览、选择、剖切、显示和编辑辅助工具。
服务端：读取模型配置、调用 LLM、生成 DesignIR、调用 CAD Router 和编译器。
任务数据：默认保存在 cad-agent-studio/data/tasks/<taskId>/。

5.2 DesignIR Pipeline

designir-pipeline/

负责：

DesignIR Schema 和验证；
防作弊检查；
Build123d / SimpleCADAPI 编译适配；
教师隔离重建；
几何与参数可编辑性验收；
STEP 批量证据提取；
双 Agent 合同；
经验候选验证和发布。

5.3 text-to-cad

text-to-cad/

负责：

CAD Router；
通用 STEP-first 机械建模；
Build123d 运行时；
几何检查和可视化；
CAD Viewer 相关能力。

5.4 SimpleCADAPI

SimpleCADAPI/

这是基于 OCP/OpenCascade 的第二建模后端，适合：

可重放操作图；
参数表达式；
语义标签和拓扑查询；
齿轮、齿条、轴承等专用机械结构；
STEP、STL 和 FreeCAD 工作流。

6. 环境准备

6.1 推荐环境

macOS 或 Linux；
Node.js 22 或更高版本；
Python 3.12；
Git；
能够运行 OpenCascade / Build123d 的本地环境；
支持 WebGL 的现代浏览器。

6.2 克隆项目

git clone https://gitea.robotquan.com/xuyongjie/cadSet.git
cd cadSet
git switch codex/remove-cadam

如果已经存在本地仓库：

git fetch origin
git switch codex/remove-cadam
git pull --ff-only origin codex/remove-cadam

6.3 Python 环境

前端默认查找：

text-to-cad/.venv/bin/python

如果仓库中没有可用虚拟环境，可创建：

python3.12 -m venv text-to-cad/.venv
source text-to-cad/.venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -r text-to-cad/requirements-dev.txt
python -m pip install -e SimpleCADAPI

也可以显式指定其他 Python：

export CAD_PYTHON=/absolute/path/to/python
export CAD_EXPERIENCE_PYTHON=/absolute/path/to/python

6.4 前端依赖

cd cad-agent-studio
npm install

依赖目录 node_modules/ 不进入 Git。

7. LLM 配置

默认配置文件位于仓库根目录：

llm.config.yaml

前端按以下顺序寻找配置：

CAD_AGENT_STUDIO_CONFIG 指定的绝对路径；
仓库根目录 llm.config.yaml；
cad-agent-studio/config/llm.config.yaml；
cad-agent-studio/config/llm.config.yaml.example。

推荐使用环境变量保存密钥：

defaultProvider: deepseek
defaultModel: deepseek:deepseek-chat

providers:
  deepseek:
    type: openai-compatible
    apiKeyEnv: DEEPSEEK_API_KEY
    baseURL: https://api.deepseek.com
    models:
      default: deepseek-chat
      reasoner: deepseek-reasoner

uploads:
  maxImageMB: 20
  maxStepMB: 200
  maxOtherMB: 50
  allowed:
    - image/png
    - image/jpeg
    - image/webp
    - .step
    - .stp

cad:
  taskRoot: ./data/tasks
  viewer:
    mode: iframe
    allowedOrigins:
      - http://127.0.0.1
      - http://localhost

然后设置密钥：

export DEEPSEEK_API_KEY="your-key"

配置也支持直接写 apiKey，但不要把真实密钥复制到公开文档、日志或公开仓库。前端公开配置接口不会返回密钥和环境变量名称。

8. 启动项目

cd cad-agent-studio
npm run dev -- -H 127.0.0.1 -p 53821

浏览器打开：

http://127.0.0.1:53821

生产构建：

npm run build
npm run start -- -H 127.0.0.1 -p 53821

如果前端不在 CadSet 根目录的直接子目录，可以指定引擎根目录：

export CAD_ENGINE_ROOT=/absolute/path/to/CadSet

9. 如何使用

9.1 自然语言生成零件

在对话框中尽量提供：

零件类型；
关键尺寸和单位；
孔、槽、凸台、圆角等特征；
阵列数量和分布方式；
哪些尺寸需要后续编辑；
是否有必须保持的安装界面。

示例：

生成一个半径 50 mm、厚度 4 mm 的法兰盘。
中心孔直径 20 mm，中心孔外有一圈高 1 mm 的凸台。
在直径 80 mm 的分度圆上均匀分布 8 个 M3 间隙孔。
外径、厚度、孔径、孔数和分度圆直径都需要可编辑。

系统会：

让模型生成完整 DesignIR。
运行 CAD Router 选择后端。
执行 DesignIR Schema 与防作弊验证。
在隔离目录中生成 STEP。
生成 Viewer 所需预览数据。
在任务目录保存 DesignIR、STEP 和任务清单。

9.2 根据图片和文字生成

上传零件图片后，应补充图片无法可靠表达的信息：

实际尺寸；
对称关系；
被遮挡特征；
孔是否贯穿；
板厚；
圆角、倒角或拔模角；
图片是透视图、正视图还是技术图。

图像能力依赖所选模型。如果使用纯文本模型，例如不支持视觉输入的模型，它不能直接理解图片。此时应切换到支持视觉的 OpenAI-compatible 模型，或先把图纸尺寸和结构转成文字。

9.3 上传 STEP 进行参数化重建

在前端上传 .step 或 .stp 后，说明希望重建和开放的参数，例如：

重建这个 STEP。识别主体、孔、槽、凸台和阵列关系。
优先开放整体长度、板厚、孔径、孔距和孔数量。
重建结果不能依赖原 STEP，并对这些参数分别做扰动测试。

处理原则：

上传 STEP 只作为教师和验收真值。
系统先读取确定性几何证据。
模型根据证据生成 DesignIR。
重建编译器不能访问教师 STEP。
Agent B 比较教师 STEP 与重建 STEP。
参数扰动测试验证修改能力。

STEP 没有完整建模历史，因此复杂零件不保证一次得到理想的参数化分解。系统应当对无法表达的特征明确输出 unsupported_feature_vocabulary，而不是偷偷复用原几何。

9.4 修改已生成模型

选中已有任务后，可以使用自然语言修改：

把 plate_thickness 从 4 mm 改成 6 mm，其他尺寸不变。

或者：

孔数改为 10，保持分度圆直径和中心孔不变。

修改应优先作用于任务中记录的 *.designir.json。系统会为修改请求创建 revision，保存 edit-request.json，然后重新生成 STEP 和 Viewer 资源。

不要直接修改最终 STEP 作为长期设计源，否则参数语义和编辑接口会丢失。

10. CAD Router 的工作方式

CAD Router 根据任务特征选择后端：

Build123d

适合：

通用机械零件；
法兰、支架、轴、壳体和连接件；
一般机加工特征；
几何测量和验证；
自定义特征组合。

SimpleCADAPI

适合：

齿轮、齿条、内齿圈；
轴承、摆线结构和部分减速器；
需要可重放操作图的任务；
需要语义标签和拓扑查询的任务。

查看路由决策：

text-to-cad/.venv/bin/python \
  text-to-cad/skills/cad-router/scripts/route.py \
  "生成一个带 8 个安装孔的法兰" \
  --explain

强制指定后端：

text-to-cad/.venv/bin/python \
  text-to-cad/skills/cad-router/scripts/route.py \
  "生成一个参数化齿轮" \
  --backend simplecadapi \
  --explain

路由器可以读取已发布经验库：

designir-pipeline/output/library.json

它不能读取 designir-pipeline/input/ 或 designir-pipeline/runs/ 中的私有教师数据和蒸馏过程。

11. DesignIR 命令行

以下命令均在仓库根目录执行。

11.1 验证 DesignIR

text-to-cad/.venv/bin/python \
  designir-pipeline/scripts/designir_pipeline.py validate \
  designir-pipeline/examples/raised_hub_flange.designir.json

11.2 防作弊检查

text-to-cad/.venv/bin/python \
  designir-pipeline/scripts/designir_pipeline.py anti-cheat \
  designir-pipeline/examples/raised_hub_flange.designir.json

如果同时有后端生成器：

text-to-cad/.venv/bin/python \
  designir-pipeline/scripts/designir_pipeline.py anti-cheat \
  part.designir.json \
  --generator generator.py

11.3 编译 STEP

text-to-cad/.venv/bin/python \
  designir-pipeline/scripts/designir_pipeline.py compile \
  designir-pipeline/examples/raised_hub_flange.designir.json \
  --output /tmp/raised_hub_flange.step \
  --backend build123d

11.4 隔离重建

text-to-cad/.venv/bin/python \
  designir-pipeline/scripts/designir_pipeline.py isolated-rebuild \
  designir-pipeline/examples/raised_hub_flange.designir.json \
  --output /tmp/raised_hub_flange.step \
  --backend simplecadapi

SimpleCADAPI 后端还会在 STEP 旁生成可重放的 *.simplecad.model.json。

11.5 独立验收

text-to-cad/.venv/bin/python \
  designir-pipeline/scripts/designir_pipeline.py accept \
  --teacher /path/to/teacher.step \
  --designir /path/to/part.designir.json \
  --rebuilt /path/to/rebuilt.step \
  --report /path/to/acceptance-report.json

12. STEP 蒸馏系统

12.1 简化后的数据目录

designir-pipeline/
├── input/                 原始 STEP/STP
├── runs/                  全部蒸馏过程
└── output/
    └── library.json       最终发布经验库

Git 规则：

数据	是否提交
`input/.step`、`input/.stp`	否
提取的私有几何证据	否
Agent 草稿和中间 DesignIR	否
重建 STEP	否
验收报告和失败记录	否
`output/library.json`	是
Schema、脚本、Agent 合同和测试	是

runs/ 中的目录由程序按需创建：

runs/
├── evidence/      STEP 提取的私有证据
├── designir/      Agent A 输出
├── rebuilt/       隔离重建 STEP
├── acceptance/    Agent B 验收报告
├── review/        语义批次和 LLM 草稿
└── quarantine/    失败和能力缺口

12.2 放入蒸馏数据

把所有目标 STEP/STP 直接放入：

designir-pipeline/input/

无需再创建 teacher/inbox 等多层目录。

12.3 批量提取证据

designir-pipeline/scripts/cad-experience extract-folder

默认读取：

designir-pipeline/input/

默认写入：

designir-pipeline/runs/evidence/

提取器会根据内容哈希跳过已处理的重复文件。私有证据可以包含精确尺寸、坐标、曲面类型、轴线、包围盒、体积和拓扑统计，但这些内容不能直接发布。

12.4 准备语义蒸馏批次

designir-pipeline/scripts/cad-experience prepare

输出：

designir-pipeline/runs/review/semantic-batch.json

这个批次会移除不适合公开的实例信息，并保留：

零件家族；
参数角色；
基准角色；
特征角色；
关系角色；
特征数量等级；
推荐构造阶段；
无量纲比例观察；
验证目标；
失败和修复候选。

12.5 Agent 进行语义归纳

调用 cad-experience-builder，让当前大模型完整阅读 semantic-batch.json，输出：

designir-pipeline/runs/review/experience-draft.json

大模型应该归纳：

通用特征组合；
约束和设计不变量；
参数角色及依赖关系；
家族级 reconstruction grammar；
构造顺序；
验证方法；
可复用的失败修复策略。

它不应该复制：

某个零件的绝对尺寸；
源文件路径和哈希；
绝对坐标；
面、边或拓扑 ID；
完整实例参数字典；
教师几何。

12.6 确定性验证与发布

designir-pipeline/scripts/cad-experience publish \
  --draft designir-pipeline/runs/review/experience-draft.json

发布器会重新核对私有语料中的支持数量和置信度，拒绝实例泄漏，只把通过验证的内容写入：

designir-pipeline/output/library.json

审计：

designir-pipeline/scripts/cad-experience audit \
  designir-pipeline/output/library.json

查询经验：

designir-pipeline/scripts/cad-experience query \
  designir-pipeline/output/library.json \
  --family flanged_hub_adapter \
  --features base_flange,hollow_sleeve,counterbore

直接绕过 LLM 语义归纳进行纯统计 distill 会被阻止。原因是简单共现统计难以可靠地区分“设计方法”和“某批数据中的偶然尺寸模式”。

13. 双 Agent 的职责

Agent A：Reconstruction Agent

输入：

runs/evidence/ 中的单案例私有证据；
用户修改目标；
已晋升的通用经验；
DesignIR Schema 和支持的操作词汇。

输出：

runs/designir/*.designir.json；
需要隔离编译的重建请求；
不确定项和缺失能力。

禁止：

读取源 STEP；
导入 B-Rep；
使用完整网格代替参数化模型；
保存源拓扑引用；
直接发布经验。

Agent B：Acceptance Agent

输入：

input/ 中的教师 STEP；
Agent A 生成的 DesignIR；
runs/rebuilt/ 中的重建 STEP；
修改测试合同。

输出：

runs/acceptance/ 中的机器可读报告；
pass、fail 或 quarantine 建议。

Agent B 检查：

实体和拓扑数量；
包围盒；
体积和质心；
对称差体积；
关键解析特征；
参数扰动成功率；
非目标区域保持情况；
自交、零厚度、非流形和不稳定重建。

Agent B 同样不能直接把经验写入正式库。最终发布由确定性程序执行。

纯文本模型能否完成蒸馏和验收

可以完成大量工作，但存在边界：

STEP 几何证据由程序提取后，纯文本模型可以阅读 JSON、归纳特征和生成 DesignIR。
数值验收由几何程序完成，不要求模型直接看图。
纯文本模型可以根据验收 JSON 分析失败和提出修复。
对视觉外观、复杂曲面、特征语义歧义和图纸理解，多模态模型通常更强。

因此 DeepSeek 等纯文本模型可以参与批量蒸馏闭环，但不应让模型自己“凭感觉”验收。验收真值必须来自确定性几何比较；关键失败案例可再交给多模态模型或人工复核。

14. 经验为什么会随着数据增加而变好

蒸馏数据量增加后，系统可能提升：

零件家族识别；
特征分解；
主参数发现；
参数依赖推断；
基准和约束识别；
构造顺序选择；
修改接口设计；
常见失败修复；
验收目标选择。

但数据量不是唯一因素。能力增长受三个条件共同限制：

DesignIR 能否表达：没有 sweep、loft、shell 或复杂孔词汇时，再多数据也无法独立重建这类结构。
证据质量是否足够：提取器必须提供可用于推断的曲面、轴线、关系和截面证据。
验收是否严格：如果只比较截图或包围盒，错误经验也可能被晋升。

经验晋升必须同时满足：

几何接近
AND 特征语义合理
AND 参数可编辑
AND 修改后稳定
AND 多个独立案例重复支持

当前默认晋升策略至少要求 3 个独立案例状态通过；经验归纳命令默认使用更保守的 min_support=20 和 min_confidence=0.8。两者用途不同：

minimum_independent_cases=3 是完整重建和回放状态的最低发布门槛。
min_support=20 是从批量语料归纳通用经验时的默认统计支持度。

策略文件：

designir-pipeline/config/promotion-policy.json

15. 验收指标

不要把所有结果压缩成一个不透明的“相似度分数”。建议分别保存：

几何一致性

相对体积误差；
包围盒各轴误差；
质心误差；
对称差体积比例；
双向表面距离；
关键截面误差。

特征语义

特征召回率；
特征准确率；
孔、槽、筋和凸台数量；
轴线、半径、同心和阵列关系；
是否生成多余特征。

参数化能力

关键尺寸参数覆盖率；
参数扰动成功率；
修改目标准确率；
非目标区域保持率；
约束保持率；
编辑接口稳定性。

几何有效性

是否为闭合实体；
是否为空；
是否自交；
是否出现零厚度；
是否出现非流形几何；
重复执行是否确定。

当前策略中的主要默认阈值包括：

相对体积误差不超过 1%；
质心误差不超过 0.1 mm；
包围盒各轴误差不超过 0.1 mm；
对称差比例不超过 2%；
参数扰动成功率要求 100%。

这些阈值是当前工程默认值，不是所有零件和制造场景的通用标准。

16. 任务产物

前端任务默认保存在：

cad-agent-studio/data/tasks/<taskId>/

典型产物包括：

<taskId>/
├── cad-task.json
├── model.designir.json
├── model.step
├── model.simplecad.model.json    可选
├── acceptance-report.json       STEP 重建时可选
├── revisions/
│   └── <revisionId>/
│       └── edit-request.json
└── Viewer 预览资源

职责划分：

model.designir.json：可编辑设计源。
model.step：主要几何交换结果。
cad-task.json：路由、后端、产物和验证记录。
*.simplecad.model.json：SimpleCADAPI 的可重放操作图。
acceptance-report.json：教师与重建件的独立验收结果。
revisions/：后续修改请求记录。

cad-agent-studio/data/ 是本地运行数据，不提交 Git。

17. 测试与质量检查

前端测试

cd cad-agent-studio
npm test
npm run build

DesignIR、经验库和 Router 测试

在仓库根目录执行：

text-to-cad/.venv/bin/python -m unittest \
  designir-pipeline/tests/test_designir_pipeline.py \
  designir-pipeline/tests/test_experience_library.py \
  text-to-cad/tests/python/skills/cad-router/test_route.py

经验库审计

designir-pipeline/scripts/cad-experience audit \
  designir-pipeline/output/library.json

Git 数据边界检查

确认没有 STEP 输入和蒸馏过程被跟踪：

git ls-files designir-pipeline/input \
  designir-pipeline/runs \
  designir-pipeline/output

正常情况下只应看到：

designir-pipeline/input/.gitkeep
designir-pipeline/output/library.json

18. 常见问题

前端提示找不到 Python

确认以下文件存在并可执行：

text-to-cad/.venv/bin/python

或者设置：

export CAD_PYTHON=/absolute/path/to/python

前端提示找不到 LLM 配置

确认仓库根目录存在：

llm.config.yaml

或者：

export CAD_AGENT_STUDIO_CONFIG=/absolute/path/to/llm.config.yaml

模型可以对话但不能生成 STEP

检查：

Python 环境是否包含 Build123d/OCP 或 SimpleCADAPI。
CAD_ENGINE_ROOT 是否指向 CadSet 根目录。
DesignIR 是否通过 Schema 验证。
DesignIR 是否使用了当前不支持的 operation。
Router 选择的后端是否在当前 Python 环境可用。

上传图片后模型仍说看不到

当前所选模型可能不支持视觉输入。更换支持图片的模型，或把图片中的结构和尺寸转换成文字描述。

STEP 重建几何接近但不好修改

这通常表示参数化分解不合理，例如：

所有尺寸都被写成固定常量；
孔和阵列没有独立参数；
基准选择不稳定；
特征顺序导致参数变化后布尔失败；
修改合同没有覆盖关键参数。

应优先改进 DesignIR 和特征分解，而不是放宽几何验收。

为什么不直接修改上传的 STEP

直接在源 STEP 上做布尔操作可以快速得到几何结果，但无法建立稳定、通用的参数化设计能力，也不能随着蒸馏数据增加而学习更好的重建方法。CadSet 把源 STEP 限定为教师和验收真值，是为了让系统真正学会独立重建。

为什么过程数据不提交 Git

原始 STEP、证据 JSON、重建件和验收报告会快速增长，而且可能包含私有实例尺寸。仓库只提交经过净化和验证的经验库结果，以及复现管线所需的代码、 Schema、合同和测试。

19. 扩展项目

新增 DesignIR 操作

至少需要同步更新：

designir-2.0.schema.json 的 operation 词汇；
Build123d 编译适配；
SimpleCADAPI 编译适配，或明确标记仅支持某后端；
anti-cheat 检查；
参数扰动和几何验收；
示例与测试；
CAD Router 能力表。

新增后端

新后端应满足：

接收显式 DesignIR 和输出路径；
不隐式扫描整个工作区；
不读取教师 STEP；
输出标准 STEP；
保留可编辑的后端源或操作图；
返回明确的成功/失败状态；
记录后端名称和版本；
接入统一验收合同。

扩展蒸馏能力

推荐按失败聚类驱动扩展：

收集 runs/quarantine/ 中的失败。
区分证据不足、词汇不足、推断错误和编译错误。
对高频缺口新增 DesignIR 操作或几何证据。
加入针对性重建和参数扰动测试。
在 held-out STEP 上验证。
通过后再允许经验晋升。

20. 当前边界与研发建议

CadSet 当前已经形成了完整的工程骨架：

独立 Web 前端；
统一 DesignIR；
双建模后端；
STEP 隔离重建；
双 Agent 职责边界；
参数扰动验收；
批量经验蒸馏；
防实例泄漏发布器；
运行数据与 Git 结果隔离。

下一阶段最值得投入的方向：

扩展 DesignIR 的扫掠、放样、薄壁、倒角、圆角和复合孔词汇。
增强 STEP 解析中的特征关系、关键截面和对称性识别。
建立按零件家族分层的数据集和 held-out 测试集。
增加表面双向距离和局部非目标区域保持指标。
将失败案例自动聚类为“证据不足、词汇不足、编译失败、参数失稳”。
为大规模数据增加任务队列、断点续跑、并发控制和状态看板。
对高价值复杂案例加入多模态复核，但继续以确定性几何验收为最终依据。

CadSet 的核心原则可以概括为：

STEP 只做教师，DesignIR 才是设计源；模型必须独立重建，经验必须经过多案例和修改测试验证后才能进入生产。

28 KiB Raw Blame History Unescape Escape