1. 项目概述当AI遇上CAD我们为何需要一个“中间人”最近几年AI生成式设计的风刮得挺猛从文本到图片再到3D模型大家似乎都在琢磨怎么让机器更懂“创造”。在工业设计和机械工程这个硬核领域计算机辅助设计CAD是绝对的基石。但一个现实是让AI直接去理解并生成复杂的、参数化的、可用于实际生产的CAD模型难度堪比让一个刚学会造句的AI去写一部结构严谨的长篇小说。这里面的核心矛盾在于主流的AI模型比如各种大语言模型和扩散模型擅长处理的是连续的、非结构化的数据像文本、像素而CAD模型本质上是一套由精确几何、严格约束和设计意图构成的结构化程序。这就是“CADIR”这个项目试图破局的关键。CADIR全称“A Cross-Backend Editable Intermediate Representation for Agentic CAD Generation”翻译过来就是“一种面向智能体CAD生成的、跨后端的、可编辑的中间表示”。这个名字听起来有点学术但拆开看就很有意思。它本质上想扮演一个“翻译官”或“中间人”的角色。想象一下你或者一个AI智能体用自然语言说“设计一个带圆角、有四个安装孔的法兰盘。” AI理解了这个意图但它不能直接把这句话扔给SolidWorks或者FreeCAD因为后者听不懂。AI需要先把这句话转换成一套机器能理解的、精确的“设计指令集”。CADIR就是这个指令集的标准化格式。它的核心价值在于“跨后端”和“可编辑”。所谓“跨后端”意味着用CADIR描述的设计可以相对容易地转换到不同的CAD内核比如开源的Open CASCADE Technology也就是OCCT或者商业的ACIS、Parasolid上去执行从而生成具体的几何模型。这就解决了AI模型与特定CAD软件强绑定的问题。“可编辑”则更为关键它意味着这个中间表示不是一堆“死”的几何数据而是保留了设计逻辑和参数你可以事后去修改“圆角半径是5mm”为“8mm”整个模型会智能地更新而不是推倒重来。这对于需要通过多轮交互、逐步细化的“智能体”Agentic设计流程来说是必不可少的特性。简单说CADIR的目标是成为连接AI创意与CAD实践之间那条缺失的、双向可通的高速公路。2. 核心设计思路解构CAD生成的三重挑战要理解CADIR的设计我们得先看看当前AI生成CAD面临的几座大山。我自己在尝试用脚本或程序化方法做设计时就深刻体会到这些痛点。2.1 从“像素”到“程序”几何表示的鸿沟第一重挑战是表示鸿沟。现在很多AI生成3D模型的研究输出的是网格Mesh或点云就像用陶土捏出一个形状。这对于视觉展示、3D打印或许够用但对于CAD来说远远不够。CAD模型需要的是边界表示B-Rep一个由面、边、顶点及其拓扑关系精确定义的实体。更重要的是CAD是参数化的一个圆柱体的高度“H”是一个变量改变H模型会随之变化。主流的AI生成范式很难直接输出这种带有变量和约束的结构化程序。CADIR的思路不是让AI直接输出B-Rep而是输出一个高级的、基于构造历史的操作序列。这类似于记录下设计师的操作步骤“草图绘制一个圆 - 拉伸成圆柱体 - 在顶面打一个孔”。这个序列比原始的B-Rep数据更紧凑也更容易被AI学习和生成同时又保留了完整的编辑能力。2.2 “一家之言”的困境CAD内核的碎片化第二重挑战是生态碎片化。CAD世界不是一个统一王国而是由几个强大的“内核”诸侯割据。开源领域有OCCTOpen CASCADE Technology商业软件有达索的CAA基于ACIS或CATIA内核、西门子的Parasolid被Solid Edge、NX、SolidWorks使用等。每个内核的API、数据结构、甚至某些几何算法都有差异。为一个内核写的生成代码很难直接移植到另一个。CADIR的“跨后端”特性正是为此而生。它定义了一套相对通用的、高层级的操作原语Primitives。例如Extrude(sketch, distance)、Fillet(edge, radius)。AI只需要学习生成这套原语序列。然后针对不同的后端如OCCT、Parasolid会有相应的“编译器”或“解释器”将这些原语翻译成该内核的具体API调用。这就好比Java的“一次编写到处运行”CADIR希望实现“一次描述多处生成”。2.3 与AI智能体的对话需要可编辑性与可反馈性第三重挑战来自交互流程。我们想要的不是AI单次抛出一个无法修改的模型而是能与AI进行多轮对话、逐步优化的设计伙伴。你说“法兰盘太厚了”AI应该能理解并修改“拉伸”操作中的厚度参数而不是重新生成一个全新的、可能结构都变了的模型。这就要求中间表示必须是可编辑的、结构化的。CADIR将设计表示为一个可查询和修改的数据结构。每个操作步骤都是一个节点节点之间有关联比如打孔操作依赖于某个特定的平面。AI智能体或用户可以定位到特定的参数进行修改系统能自动处理依赖更新。这种能力是面向“智能体”Agentic的核心它使得AI不仅能生成还能理解、推理和修改自己的“作品”。3. CADIR中间表示的关键技术拆解那么CADIR具体长什么样它不可能重新发明轮子必然是在现有CAD编程范式上做的抽象和标准化。根据项目标题和方向我们可以推断其核心技术组成。3.1 操作原语集定义设计的“词汇表”这是CADIR的基石。一套精心设计的、有限的操作原语覆盖从草图到特征建模的主要操作。这套词汇表需要足够表达丰富又要保持简洁以降低AI学习难度。通常包括草图原语Point(x, y),Line(start, end),Circle(center, radius),Arc(center, radius, start_angle, end_angle),Constraint(geom1, geom2, type)如同心、共线、垂直等。特征建模原语Extrude(sketch_profile, distance, direction),Revolve(sketch_profile, axis, angle),Loft(profiles),Sweep(profile, path)。修饰与操作原语Fillet(edge, radius),Chamfer(edge, distance),Shell(body, faces_to_remove, thickness),Boolean(body1, body2, operation)并集、差集、交集。参考几何原语Plane(reference, offset),Axis(point, direction),CoordinateSystem(origin, x_dir, y_dir)。每个原语都是一个结构体或对象包含了执行该操作所需的所有参数。这些参数部分可以是具体数值部分可以是引用其他原语输出结果的“句柄”。例如一个打孔Hole操作的原语需要指定打孔的平面引用一个Plane或实体表面、定位尺寸引用草图几何、孔的直径和深度。3.2 依赖关系图记录设计的“逻辑链”仅仅有操作序列是不够的。一个复杂的模型操作之间有着严格的先后依赖关系。你不能在实体被创建之前就去给它倒圆角。因此CADIR内部需要维护一个有向无环图DAG来表示这种依赖。每个操作原语作为图中的一个节点。节点的输入是它所依赖的其他节点的输出例如一个拉伸特征依赖于一个草图节点。这个依赖图至关重要参数化编辑当用户修改某个早期节点如草图尺寸时系统可以沿着依赖图自动标记所有受影响的下游节点并触发重新计算。设计意图保留依赖图本身就编码了设计师的构建逻辑。AI在生成时也必须遵循合理的依赖关系这本身也是对生成质量的一种约束。可解释性对于AI生成的模型我们可以通过审视这个依赖图来理解AI的“思考过程”增加了透明度和可信度。3.3 几何与约束的抽象表示如何表示草图几何和约束是另一个核心。在底层CAD内核中约束求解是一个复杂的数学过程。CADIR需要对其进行高层抽象。几何可能采用参数化方程或简单的定义式来表示基本图元而不是直接存储内核中的几何对象句柄。例如一个圆可以表示为(center_x, center_y, radius)。约束定义一套标准的约束类型如Distance(p1, p2, d),Angle(line1, line2, a),Tangent(curve1, curve2),Coincident(point, curve)。这些约束被添加到草图原语中形成一组方程组。CADIR本身可能不负责求解而是将约束系统传递给后端内核的求解器去处理。3.4 面向OCCT后端的适配层实现既然网络热词中提到了OCCT我们可以深入探讨一下CADIR在OCCT这个具体后端上的实现思路。OCCT是一个功能强大但API较为底层的开源几何内核。适配层后端编译器的工作流程解析CADIR指令流读取CADIR的JSON或自定义格式文件重建出操作节点和依赖图。映射到OCCT API将每个CADIR原语翻译成一系列OCCT调用。例如Extrude(sketch, distance)这个原语适配层需要调用OCCT的BRepBuilderAPI_MakeFace等工具根据CADIR中的草图几何定义在OCCT中重建出闭合的线框Wire。调用BRepPrimAPI_MakePrism以该线框为底面沿指定方向拉伸指定距离生成OCCT的TopoDS_Shape实体。对于Fillet(edge, radius)需要调用BRepFilletAPI_MakeFillet并传入从CADIR中指定的边在OCCT中需要通过名称或ID查找对应的TopoDS_Edge对象和半径值。维护对象映射表这是实现可编辑性的关键。当OCCT生成了一个实体TopoDS_Shape后适配层需要将这个OCCT对象与CADIR中对应的操作节点ID关联起来存储在一个映射表中。当后续操作如布尔运算需要引用这个实体时或当用户修改参数需要重建时可以通过这个映射表快速找到对应的OCCT对象。处理参数更新当CADIR中的某个参数被修改如拉伸距离从10改为20适配层需要根据依赖图找到所有受影响的节点。清除这些节点对应的旧OCCT几何结果但保留映射关系等信息。按照新的参数重新执行从该节点开始的所有下游操作序列生成新的OCCT几何。更新映射表。注意OCCT的建模过程是“立即执行”的生成的是最终的几何结果其本身不自动维护参数化历史。因此CADIR适配层必须自己完整地维护这份“构造历史”和参数依赖这是实现跨后端参数化编辑中最具挑战性的部分之一。4. 构建一个简易概念验证从想法到OCCT可视化理论说得再多不如动手试一下。我们来构思一个极度简化的概念验证看看CADIR的思想如何落地。我们将用Python来模拟因为它有丰富的生态和OCCT的封装库如pythonocc-core。4.1 定义简易的CADIR数据结构首先我们定义自己的“微型CADIR”格式。我们用字典和列表来模拟。# 定义一个操作节点的基类 class CADIRNode: def __init__(self, node_id, op_type): self.id node_id self.type op_type # 如 Sketch, Extrude self.inputs [] # 依赖的父节点ID列表 self.params {} # 操作参数字典 self.output_ref None # 在后端生成的几何对象的引用如OCCT的Shape # 定义我们的微型CADIR文档 class MiniCADIR: def __init__(self): self.nodes {} # node_id - CADIRNode self.next_id 1 def add_node(self, op_type, inputs, params): node CADIRNode(self.next_id, op_type) node.inputs inputs node.params params self.nodes[self.next_id] node self.next_id 1 return node.id4.2 实现一个到OCCT的后端编译器接下来我们实现一个简单的编译器将我们的MiniCADIR转换成OCCT的几何体。这里使用pythonocc-core。from OCC.Core.gp import gp_Pnt, gp_Dir, gp_Ax2 from OCC.Core.Geom import Geom_Circle from OCC.Core.GeomAPI import GeomAPI_Interpolate from OCC.Core.BRepBuilderAPI import BRepBuilderAPI_MakeEdge, BRepBuilderAPI_MakeWire, BRepBuilderAPI_MakeFace from OCC.Core.BRepPrimAPI import BRepPrimAPI_MakePrism from OCC.Core.TopoDS import TopoDS_Shape, TopoDS_Face from OCC.Core.BRepFilletAPI import BRepFilletAPI_MakeFillet from OCC.Core.TopExp import TopExp_Explorer from OCC.Core.TopAbs import TopAbs_EDGE from OCC.Core.TopTools import TopTools_ListOfShape class MiniCADIR_OCCT_Compiler: def __init__(self, cadir_doc): self.doc cadir_doc self.shape_map {} # 映射node_id - TopoDS_Shape def compile(self): 按节点ID顺序假设即构建顺序编译所有节点 for node_id in sorted(self.doc.nodes.keys()): self._compile_node(node_id) # 返回最后一个节点的几何通常是最终实体 return self.shape_map.get(node_id) def _compile_node(self, node_id): node self.doc.nodes[node_id] if node.type SketchCircle: # 编译一个圆形草图 center node.params[center] # 假设是 (x, y, z) radius node.params[radius] circle Geom_Circle(gp_Ax2(gp_Pnt(*center), gp_Dir(0, 0, 1)), radius) edge BRepBuilderAPI_MakeEdge(circle).Edge() wire BRepBuilderAPI_MakeWire(edge).Wire() face BRepBuilderAPI_MakeFace(wire).Face() self.shape_map[node_id] face print(f编译节点 {node_id}: 创建圆形面) elif node.type Extrude: # 编译拉伸操作 target_id node.inputs[0] # 假设只有一个输入是草图面 target_face self.shape_map[target_id] # 获取依赖的几何 distance node.params[distance] direction node.params.get(direction, (0, 0, 1)) # 创建拉伸向量 from OCC.Core.gp import gp_Vec vec gp_Vec(*direction).Normalized() * distance prism BRepPrimAPI_MakePrism(target_face, vec) prism.Build() solid prism.Shape() self.shape_map[node_id] solid print(f编译节点 {node_id}: 拉伸生成实体) elif node.type Fillet: # 编译倒圆角操作 target_id node.inputs[0] target_shape self.shape_map[target_id] radius node.params[radius] fillet_builder BRepFilletAPI_MakeFillet(target_shape) # 简化对实体的所有边进行倒角实际中应指定边 exp TopExp_Explorer(target_shape, TopAbs_EDGE) while exp.More(): edge TopoDS_Edge.Current(exp) fillet_builder.Add(radius, edge) exp.Next() fillet_builder.Build() if fillet_builder.IsDone(): filleted_shape fillet_builder.Shape() self.shape_map[node_id] filleted_shape print(f编译节点 {node_id}: 倒圆角完成) else: print(f编译节点 {node_id}: 倒圆角失败) self.shape_map[node_id] target_shape4.3 编写设计脚本并生成可视化现在我们用定义好的“CADIR”来“编程”一个简单的带圆角的圆柱体并调用编译器生成OCCT几何最后用OCCT的Viewer显示出来。# 主程序 if __name__ __main__: # 1. 创建CADIR文档 my_design MiniCADIR() # 2. 添加设计操作序列这就是AI可能生成的“指令” sketch_id my_design.add_node(SketchCircle, inputs[], params{center: (0, 0, 0), radius: 10.0}) extrude_id my_design.add_node(Extrude, inputs[sketch_id], params{distance: 20.0, direction: (0, 0, 1)}) fillet_id my_design.add_node(Fillet, inputs[extrude_id], params{radius: 2.0}) # 3. 编译到OCCT compiler MiniCADIR_OCCT_Compiler(my_design) final_shape compiler.compile() # 4. 使用OCCT的简单显示器进行可视化 from OCC.Display.SimpleGui import init_display display, start_display, add_menu, add_function_to_menu init_display() display.DisplayShape(final_shape, updateTrue) print(设计生成完成在3D窗口中查看带圆角的圆柱体。) start_display()这个例子非常简陋省略了草图约束、复杂的特征识别、稳健的错误处理等。但它清晰地演示了CADIR的核心工作流用一套标准的原语描述设计 - 通过后端编译器翻译成特定内核OCCT的API - 生成可交互的几何模型。AI的训练目标就是学习如何从自然语言或设计意图生成这样一串结构化的add_node调用序列。5. 面向AI的训练数据构建与生成策略要让AI学会使用CADIR高质量的训练数据是关键。这些数据应该是设计意图描述CADIR序列的对子。5.1 数据来源与自动化生成开源模型库挖掘从GrabCAD、Thingiverse等社区下载大量参数化CAD模型如STEP文件附带特征树。需要开发逆向工具将特征树如果存在或通过几何分析推断出的构造步骤转换成CADIR序列。这是一项艰巨但基础的工作。程序化生成编写脚本随机生成符合工程常识的CADIR序列及其对应的描述文本。例如随机生成“一个具有N个散热鳍片、中心带安装孔的基座”的参数和结构同时用模板生成对应的描述“一个带有{num_fins}个长方形散热鳍片的铝制基座中心有一个直径为{hole_dia}的安装孔整体厚度为{thickness}。” 这种方法可以大规模、低成本地创造数据。众包与专家标注邀请工程师或设计师对现有模型进行描述并手动或半自动地将其分解为CADIR步骤。这能获得更自然、更符合人类思维的语言描述。5.2 AI模型选型与训练要点考虑到CADIR序列是一种结构化的、序列化的数据类似于编程代码因此可以采用以下策略模型架构类似GitHub Copilot使用基于Transformer的解码器模型如GPT系列进行序列到序列的学习。输入是自然语言描述输出是CADIR原语序列的token流。关键训练技巧语法约束在模型输出时加入严格的语法约束确保生成的token序列始终符合CADIR的语法规范例如Extrude操作后面必须跟着一个草图ID和距离参数。这可以大幅减少无意义的输出。依赖关系注入在训练时不仅输入文本描述还可以将当前已生成的部分依赖图作为上下文输入给模型帮助它做出符合逻辑的下一步决策。课程学习从简单的特征如单个拉伸、旋转开始训练逐步增加到复杂的布尔运算、阵列、放样等。评估指标不能只看语言相似度。需要将生成的CADIR序列编译成几何模型并与目标几何进行对比。指标可以包括几何匹配度体积重合率、豪斯多夫距离等。编辑性评估随机修改生成序列中的参数检查重新编译后的模型是否发生合理变化且不崩溃。逻辑合理性由人类专家评估生成的设计步骤是否合乎工程逻辑和制造约束。6. 实际应用中的挑战与应对策略在实际推进这样一个项目时会遇到许多预料之中和预料之外的困难。6.1 几何内核差异的深水区“跨后端”听起来美好但不同内核对几何操作的支持度和实现细节有差异。例如OCCT和Parasolid对复杂倒圆角变半径、面倒圆的算法和稳定性可能不同。某个在OCCT上能成功编译的CADIR序列在Parasolid后端可能会失败。应对策略定义公共子集CADIR最初可以只支持所有目标内核都稳定支持的操作原语。对于高级或内核特有的功能可以作为“扩展原语”或“后端特定原语”来处理但这会牺牲一部分可移植性。容错与降级编译器需要具备一定的智能。当某个操作在目标后端失败时可以尝试降级方案例如用一系列固定半径的倒角来近似一个变半径倒角或者至少给出清晰的错误报告而不是整个崩溃。测试套件为每个操作原语针对每个后端编写详尽的测试用例确保核心功能的跨平台一致性。6.2 设计意图的模糊性与歧义自然语言描述是模糊的。“一个坚固的支架”中“坚固”如何量化AI需要将其转化为具体的材料属性、厚度、加强筋布局等CADIR参数。这涉及到多模态理解和工程知识图谱。应对策略多轮交互不要指望AI一次猜对。CADIR的可编辑性支持多轮交互。AI可以先生成一个初步方案用户反馈“这里太薄了”或“成本太高”AI再针对性地修改对应参数。这比让AI一次性理解所有隐含意图更可行。引入领域知识库构建一个包含常见设计规则、材料库、标准件库、制造工艺约束的知识库。AI在生成CADIR时可以查询这个知识库来细化参数。例如听到“铝制法兰”知识库可以提供典型的铝材强度、常用的厚度范围等信息。提供选项对于歧义点AI可以生成几个不同参数化的备选方案都表示为CADIR让用户选择。6.3 性能与复杂度管理一个复杂装配体可能有成千上万个特征。完整的CADIR依赖图会非常庞大。编译、编辑更新、序列化/反序列化都可能成为性能瓶颈。应对策略增量编译与缓存当只修改一个局部参数时编译器应只重新编译依赖图中受影响的部分子图并复用未更改部分的缓存结果。层次化表示允许将一组特征打包成一个“子组件”这个子组件对外可以简化为几个参数。这样既能简化高层设计也能在需要时展开细节。这对于AI分层次生成设计很有帮助。序列化优化设计高效的二进制或紧凑的文本格式如MessagePack来存储CADIR流减少IO开销。7. 未来展望CADIR会带来什么如果CADIR及其相关的AI生成技术走向成熟它可能会深刻改变设计工作流自然语言成为新界面设计师可以直接用语言描述概念AI快速生成多个可供编辑的参数化雏形极大降低从想法到初步模型的门槛和时间。智能设计助手CAD软件内置的AI助手可以理解你正在设计的内容根据上下文推荐下一个特征“您是否需要在背面添加加强筋”甚至自动完成重复性、模式化的设计部分。生成式设计民主化传统的生成式设计Generative Design软件设置复杂、计算昂贵。结合CADIR用户可能只需输入高层的功能和约束描述AI就能探索出符合要求的、可编辑的参数化结构而不仅仅是不可修改的有机形状。设计知识沉淀与复用企业内大量的历史设计模型可以通过分析其CADIR表示提炼出常用的设计模式、参数化模板和设计规则形成可复用的智能设计资产库。当然这条路还很长。CADIR需要整个生态的共建更强大的AI模型、更稳健的编译器、更丰富的训练数据、以及更友好的用户交互界面。但它的愿景是清晰的——让人更专注于创造性的设计意图而将繁琐的、重复的建模操作交给智能系统去实现和优化。这或许就是“智能体CAD生成”为我们描绘的未来图景。作为从业者关注并参与这类中间表示和工具链的早期构建很可能是在未来把握设计智能化浪潮的关键一步。