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。
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:
const center = new McGePoint3d(0, 0, 0);const circle = new McDbCircle();circle.Center = center;circle.Radius = 100;circle.TrueColor = new McCmColor(255, 0, 0);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:
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:
配套四个工程约定,决定了这套东西能不能长期维护:
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。
// 智能体注册表:新增能力只加一行const agentStrategies = {draw: new DrawAgent(),modify: new ModifyAgent(),delete: new DeleteAgent(),qa: new QaAgent(),};async function dispatch(task, options) {const key = matchByKeyword(task.text) ?? 'llm'; // 关键词命中就不走网络return (agentStrategies[key] ?? agentStrategies.llm).process(task, options);}
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):
const w = 100, h = 60, r = 10;const bulge = Math.tan(r / 2 / w * Math.PI / 2) * 4; // 圆角对应的凸度值const pline = new McDbPolyline();pline.AddBulge?.(0, bulge); // 具体API以所用MxCAD版本为准pline.AddVertex?.(new McGePoint2d(0, 0));pline.AddVertex?.(new McGePoint2d(w, 0));pline.AddVertex?.(new McGePoint2d(w, h));pline.AddVertex?.(new McGePoint2d(0, h));pline.Closed = true;pline.Layer = "0";entitys.push(pline);
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:
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。
| 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。
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。