如今，AI智能体也能自动生成CAD建模代码了。
在产品概念设计阶段，产品需求往往不完整且较为抽象，设计师需要将模糊的构思逐步转化为精确的参数化模型。传统CAD软件，例如SolidWorks和CATIA，虽然功能非常强大，但对设计者的经验水平要求较高，这在客观上限制了设计效率的提升。
近年来，利用大语言模型生成CAD建模代码的技术路线取得了显著进展。经过微调的大型模型能够理解多模态输入，并生成相应的CAD脚本。然而，挑战依然存在：开源大模型的微调通常需要大量的GPU计算资源，而高质量的CAD建模序列数据又极为稀缺，这最终限制了所生成代码的多样性与整体质量。
为应对这一挑战，浙江大学计算机辅助设计与图形系统全国重点实验室的杜鹏团队提出了一种支持多模态输入的CAD建模智能体：CADDesigner。
该智能体的核心思路是构建一个中间层，将大模型、智能体与传统几何引擎进行深度整合，从而帮助CAD设计师提升模型设计能力与生产效率。
在交互层面，CADDesigner支持同时输入文本描述与草图；在API设计层面，它强调一致性，能够实现举一反三，并生成精准符合用户设计意图的CAD建模代码。其约束系统仅负责定义规则，不直接参与几何计算，从而有效规避了复杂运算带来的出错风险。此外，CADDesigner还能让语言大模型学会为关键几何零件附上带有功能含义的“标识符”，以解决业内编程中长期存在的“对象定位难”问题。
目前，该研究成果已发表于计算机辅助设计与图形学领域的顶级期刊《Computer Aided Design》。
API设计：强调一致性，善于举一反三
CADDesigner团队提出了一种对大模型友好的CAD建模脚本新范式——显式上下文命令式范式（Explicit Context Imperative Paradigm，简称ECIP）。它就像一本为语言大模型准备的“CAD建模操作指南”，让模型在生成代码时减少猜测、绕行与错误，从而将用户描述的设计意图稳定地转化为可靠的几何建模结果。
其核心优势在于一致性。
在API设计上，ECIP采用显式的命令式调用结构，同时强调语法、参数与行为三者之间的统一。所有API接口结构相似、用法一致。当用户使用相似的指令搭配相似的参数时，便能获得预期的结果。这对语言大模型而言极为友好。
模型只需学会一种操作模式，即可自动举一反三地处理其他类似操作，无需再死记硬背每个接口的细节，也无须反复试错修改代码。这大大降低了API的学习与使用门槛。
约束系统：只指挥，不动手
在约束系统方面，ECIP更强调“只描述需求，不指定实现方法”。CADDesigner团队希望模型只需阐述“想要什么结果”，而非被迫计算“具体该如何实现”。与其让模型充当工程师，思考两个零件如何移动、旋转才能对齐，不如让它只扮演指挥官的角色，只需说明“这两个零件需要贴合”或“这两个孔必须对齐”。这样一来，模型无需自行计算坐标、判断方向或考虑空间位置，自然也就避免了这些复杂计算可能引发的错误。
让模型学会贴“标识符”，解决编程对象选择难题
为解决“用代码建模”过程中长期存在的“对象定位难”问题，ECIP引入了一套“贴标签+自动传递”机制。在传统建模脚本中，定位对象通常依赖索引、坐标或创建顺序，这些方式对语言大模型而言非常脆弱，参数稍有变动就可能导致定位错误。
ECIP允许模型为关键零件贴上带有功能含义的“标识符”（例如“基座”、“安装孔”），并且这些“标识符”会随着建模过程自动传递。后续模型若需查找某个零件，只需依据“标识符”上的功能名称进行搜索即可。如此一来，原本令模型头疼的“对象定位难”问题，便简化为“能描述、可查找、能核对”的轻松操作。
反馈机制：不仅能知错，还能懂原因、会纠正
在反馈机制上，ECIP同样针对语言大模型进行了优化。当出现错误信息时，ECIP不仅告知模型“哪里失败”，还会尽可能提供错误的位置、错误类型、常见原因以及修复建议（类似Rust编译器的体验）。这样，模型不仅能知道“出了错”，还能理解“为什么可能出错”以及“下一步该如何修正”。
同时，CADDesigner团队还提供了一系列自动化工具脚本，可对建模结果进行机械干涉检查，并生成同时适合人类阅读与机器解析的检查报告。这些报告能帮助语言大模型进行下一轮自我修正与迭代优化。
结语：重构人机协作范式，让人专注设计
CADDesigner的诞生，为大模型提供了一种更友好的SDK接口：模型只需负责理解需求、组织结构和表达设计意图；几何计算、约束执行、对象选择、错误诊断与结果检查则全部由SDK完成。这意味着，未来的设计师或许只需专注于“想要什么”，而“如何实现”、“如何执行”以及“怎么验证”则可以交给SDK处理。这真正实现了意图驱动的人机协同设计。
对LLM与CAD行业而言，CADDesigner打破了自然语言与精准几何之间的壁垒。一方面，它推动大模型从聊天助手真正升级为可靠的设计生产力工具；另一方面，它也为未来人机协同以及意图驱动的参数化设计开辟了全新的技术路径。