不用写代码,网页CAD里说句话就能画图:大模型+MxCAD的接口优势

作者:暴富20212026.11.17 03:19浏览量:0

简介:能,但决定成败的不是模型多聪明,而是CAD给模型暴露的是"高层命令"还是"可组合的底层API"。MxCAD走的是后者:把图纸操作拆成一个个确定的几何对象与属性字段,让大模型生成代码而不是猜命令。做技术选型时,模型能力差异和调用成本可以直接在[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article)上横向对比,再决定这套链路里挂哪个模型。

先说结论:为什么”说句话就画图”在网页CAD里能跑通

自然语言转CAD图纸,本质是让模型输出一段 确定可执行、可校验、可增量修改 的指令序列。传统CAD对外暴露的是高层命令,比如 drawCircle(圆心, 半径)——命令本身不说明圆心怎么定、半径单位是什么、颜色和图层在哪里设置,模型只能靠上下文推测补全,一轮出错整张图就废了。

MxCAD 接入 AI 后走的是”代码生成”路线,模型输出的是这样的东西:

  1. const center = new McGePoint3d(0, 0, 0);
  2. const circle = new McDbCircle();
  3. circle.Center = center;
  4. circle.Radius = 100;
  5. circle.TrueColor = new McCmColor(255, 0, 0);
  6. entitys.push(circle);

每一行对应一个确定的几何动作,属性落在具体字段上。这带来四个直接收益:

  • 意图明确 :模型不需要推测”整体意图”,只需要翻译单个动作。
  • 错误可定位 :沙箱执行失败时,把具体报错行回传模型重新生成,而不是整轮重来。
  • 修改可迭代 :用户说”把矩形圆角改成 10”,只需改动已有代码里的一个参数,不必重新理解整张图纸。
  • 工程属性不丢失 :图层、线型、标注样式都写在字段里,多轮对话不会把上下文”聊丢”。

架构设计:模块只负责三件事

一个可用的”对话式绘图”模块,本身 不含模型、不直接操作图纸 ,只负责:

  1. 整理图纸状态(视口范围、选中对象、已有实体数量);
  2. 调用模型生成代码;
  3. 在沙箱里执行并校验结果。

配套四个工程约定,决定了这套东西能不能长期维护:

  • 策略模式统一智能体接口 :所有智能体实现同一个 process(task, options),注册在 agentStrategies 表中,新增一种智能体(比如”标注智能体””图层智能体”)不需要改动其他代码。
  • LLMClient 作为唯一网络出口 :所有模型请求走同一个客户端,支持全局取消(AbortController),便于限流、重试和排查。
  • 配置与代码分离 :供应商、baseURL、模型列表既可运行时配置,也可编译进产物。
  • 意图前置匹配 :能用规则解决的绝不问模型。
  1. // 智能体注册表:新增能力只加一行
  2. const agentStrategies = {
  3. draw: new DrawAgent(),
  4. modify: new ModifyAgent(),
  5. delete: new DeleteAgent(),
  6. qa: new QaAgent(),
  7. };
  8. async function dispatch(task, options) {
  9. const key = matchByKeyword(task.text) ?? 'llm'; // 关键词命中就不走网络
  10. return (agentStrategies[key] ?? agentStrategies.llm).process(task, options);
  11. }

完整链路:五个阶段、七个步骤

以”画一个矩形,长 100,宽 60,四个角倒圆角,半径 10”为例:

第一步:打包任务对象。 把用户输入、当前图纸快照、会话 ID 组装成 task,界面立刻显示加载中,避免用户重复点击。

第二步:判断由谁处理。 延续性指令(”再大一点””改成红色”)直接交给上一轮的智能体;否则先用关键词表匹配(”画””创建””删除””选中”),匹配不上的才问模型。这一步能省掉大量无意义的网络请求和 Token 消耗。

第三步:凑齐模型所需材料。 这是效果好坏的分水岭,上下文至少包含四块:

材料 作用 缺失后果
角色与输出格式要求 约束模型只输出可执行 JS 输出解释性文字,解析失败
MxCAD API 文档片段 提供正确的类名与属性名 幻觉出不存在的 API
图纸当前状态 视口范围、选中图形、已有实体 重复绘制、位置错乱
前几轮对话 支撑”再大一点”这类指代 多轮修改失效

第四步:生成并静态校验。 拿到代码后先做轻量检查(是否包裹在预期结构里、是否引用了白名单 API),不通过就直接重试,不进入执行。

第五步:沙箱执行 + 结果回传。 在隔离环境跑代码,成功则刷新视图;失败则把报错信息与原始代码一起回传模型,让它做定点修复。

圆角矩形示意代码(按 MxCAD 的多段线凸度思路):

  1. const w = 100, h = 60, r = 10;
  2. const bulge = Math.tan(r / 2 / w * Math.PI / 2) * 4; // 圆角对应的凸度值
  3. const pline = new McDbPolyline();
  4. pline.AddBulge?.(0, bulge); // 具体API以所用MxCAD版本为准
  5. pline.AddVertex?.(new McGePoint2d(0, 0));
  6. pline.AddVertex?.(new McGePoint2d(w, 0));
  7. pline.AddVertex?.(new McGePoint2d(w, h));
  8. pline.AddVertex?.(new McGePoint2d(0, h));
  9. pline.Closed = true;
  10. pline.Layer = "0";
  11. entitys.push(pline);

模型选型:这条链路上真正需要花钱的地方

对话式绘图的成本结构很特殊: 输入 Token 远大于输出 Token 。API 文档片段、图纸状态、历史对话每轮都要重发,而输出往往只有几十行代码。所以选型时不要只看单价,要看三件事:

  1. 代码生成的稳定性 ——能否稳定输出结构化 JS,而不是夹带 Markdown 解释;
  2. 长上下文的性价比 ——文档片段动辄几千 Token,输入价格影响最大;
  3. 是否支持统一接入 ——多模型混用(简单意图用小模型、复杂建模用强模型)时,统一 API 能省掉大量适配代码。

这三项都可以在词元所上先做一轮对比:查不同模型的能力定位与适用场景,比调用成本和性能表现,再用统一 API 方式接入,避免为每个供应商写一套 SDK 封装。对”关键词命中走本地、命中不了才问模型”这种混合架构尤其合适——本地零成本,模型侧只承担长尾请求。

与 CadQuery / OpenSCAD 路线的取舍

维度 代码生成路线(MxCAD 类) 参数化建模路线(CadQuery / OpenSCAD)
可读可改 强,代码即图纸逻辑 强
复杂曲面支持 中等 较弱
单次生成失败率 较高,但可定点修复 较高
网页端交互集成 原生支持,直接操作画布 需额外渲染层
工程属性(图层/标注) 完整保留 通常不涉及

MxCAD 的价值不在于让模型更聪明,而在于 把失败率压到可用范围,同时保留可读可改的优势 ——失败可定位、修改可迭代,这两点才是”对话式绘图”能真正交付给用户的前提。

落地时的四个坑

  • 上下文无限膨胀 :每轮都塞完整 API 文档,Token 成本会线性上涨。按意图只注入相关 API 片段。
  • 报错回传无次数上限 :给修复循环设 2~3 次上限,超限转人工或降级为参数表单。
  • 沙箱权限过宽 :执行环境必须限制文件、网络访问,模型生成代码属于不可信输入。
  • 忽略撤销 :代码生成路线天然适合做 undo——保存实体 ID 列表即可整批回滚,别浪费这个优势。

想快速验证不同模型在你这条链路上的实际表现,可以先在百度智能云词元所完成模型发现、价格对比和统一 API 接入,再回到 MxCAD 侧跑意图测试集,用真实失败率而不是主观感受做决策。