AgentsCAD：基于多智能体大模型推理与几何特征识别的FDM增材制造自动化设计

AgentsCAD：基于多智能体大模型推理与几何特征识别的FDM增材制造自动化设计

原文arXiv链接：https://arxiv.org/html/2607.02448v1

摘要

熔融沉积成型（FDM）3D打印零件通常需要面向制造的设计（DFAM）几何修改，保证可打印性、结构强度并减少后处理工序。现有切片软件仅能识别悬空等缺陷，但无法自动修改底层B-Rep边界表示几何。
本文提出AgentsCAD多智能体系统，打通B-Rep几何与大语言模型（LLM）推理链路，实现DFAM自动化优化。整体工作流：解析STEP标准几何文件→图神经网络识别几何特征→Claude Sonnet设计推理智能体生成几何修改方案→GPT-4o多模态视觉校验器验证几何有效性。系统输出优化后STEP文件与可读制造分析报告。
以鸟屋CAD模型为完整测试案例，系统可自动识别45°以上悬空缺陷，选择合理几何修正策略并输出物理可行修改方案，解决“三维几何转自然语言”这一大模型CAD改造核心难题。
关键词：面向增材制造设计DFAM、FDM熔融沉积、大语言模型LLM、多智能体流水线、B-Rep边界表示、STEP文件、GraphSAGE图神经网络
缩写：FDM/DFAM/LLM/VLM/B-Rep/STEP

1 引言

1.1 研究背景

FDM逐层堆积材料制造三维零件，向下倾斜超过45°的曲面属于典型悬空结构，若无支撑会打印失效。DFAM设计规范通过修改几何消除悬空、提升尺寸精度与力学性能、减少支撑与后处理。
现有切片工具仅标记缺陷区域，工程师需在CAD与切片软件间反复手动迭代，流程低效。近年LLM/VLM开始介入CAD领域，但现有工具仅能从文生CAD、完成缺陷预测，不存在读取现有STEP模型并自动修改B-Rep几何的闭环DFAM系统。

1.2 相关研究现状

1. 文生CAD类模型：Text2CAD、Query2CAD、CADSmith仅支持根据文本生成全新模型，无法编辑已有零件；
2. 几何自动特征识别AFR：传统规则+浅层网络、3D CNN、UV-Net、Hierarchical CADNet基于B-Rep面邻接图提取加工特征，但仅分类不输出修改方案；
3. 图神经网络基础：GCN为直推式图分类，无法泛化全新CAD图；GraphSAGE为归纳式学习，适配未见过的STEP零件；
4. 制造缺陷预测模型：LLM3D打印、Alloy智能体仅监控打印过程，不前置优化CAD几何。

现有工作均为孤立子模块，缺少完整闭环：读取STEP→识别制造缺陷→LLM推理修改→几何生成→视觉校验。本文核心问题：能否构建多智能体LLM系统全自动完成FDM零件DFAM改造？

1.3 论文核心贡献

1. 提出AgentsCAD黑板架构多智能体流水线，完整实现STEP几何解析、图特征提取、LLM DFAM推理、CAD自动修改、多模态视觉校验闭环；
2. 基于MFC++数据集训练GraphSAGE归纳式几何特征分类器，对比GCN证明其泛化优势，支持全新零件自动识别25类加工特征；
3. 设计几何结构化JSON序列化方案，将B-Rep拓扑、曲面特征压缩至LLM上下文窗口，解决三维几何向文本转化难题；
4. 引入MCP几何工具约束LLM推理，消除3D坐标幻觉，搭配GPT-4o视觉校验保证修改物理有效性；
5. 以鸟屋模型完成完整端到端验证，输出可直接用于3D打印的优化STEP文件与标准化制造报告。

图1 AgentsCAD多智能体整体流水线

流程说明：原始CAD(a)输入推理智能体(b)生成几何调整方案，执行CAD代码修改©，VLM校验迭代后输出可打印验证模型(d)。

2 相关工作

1. LLM3D打印智能体：基于相机层内缺陷实时调整打印参数，仅针对成型过程，不前置优化CAD几何；
2. 合金设计多智能体：依托MCP协议调用ThermoCalc材料工具，用于增材合金工艺图生成，无几何编辑能力；
3. RocketSmith火箭设计系统：整合OpenRocket、CADSmith生成火箭STEP，无FDM悬空DFAM优化模块；
4. 各类文生CAD、特征识别网络均无法实现“读取已有零件并自动消除打印缺陷”的完整闭环。

3 理论基础

3.1 GCN图卷积网络（直推式）

以面为节点、邻接面为边构建B-Rep二部图，层更新公式：
H(l+1)=σ ⁣(D~−1/2A~D~−1/2H(l)W(l))\mathbf{H}^{(l+1)}=\sigma\!\left(\tilde{\mathbf{D}}^{-1/2}\tilde{\mathbf{A}}\tilde{\mathbf{D}}^{-1/2}\mathbf{H}^{(l)}\mathbf{W}^{(l)}\right)H(l+1)=σ(D~−1/2A~D~−1/2H(l)W(l))
A~\tilde{A}A~为自环邻接矩阵，D~\tilde{D}D~度矩阵，缺点：仅能在训练图上推理，无法处理全新CAD模型。

3.2 GraphSAGE归纳图网络（本文核心特征提取器）

邻域特征拼接聚合，保留节点自身几何属性，支持未见过的零件推理：
hv(l+1)=σ ⁣(W(l)⋅CONCAT ⁣(hv(l), MEANu∈N(v)hu(l)))h_{v}^{(l+1)}=\sigma\!\left(W^{(l)}\cdot\mathrm{CONCAT}\!\left(h_{v}^{(l)},\;\mathrm{MEAN}_{u\in\mathcal{N}(v)}h_{u}^{(l)}\right)\right)hv(l+1)​=σ(W(l)⋅CONCAT(hv(l)​,MEANu∈N(v)​hu(l)​))
优势：独立学习聚合函数而非固定图嵌入，少量新零件即可泛化。

3.3 RAG检索增强生成

解决LLM无长期零件记忆问题：每完成一个零件分析，将几何特征、修改方案向量化存入FAISS向量库；新零件推理时检索相似历史DFAM案例，提供领域先验知识，持续提升系统随数据累积的推理精度。

4 方法：AgentsCAD完整系统实现

4.1 CAD几何文本表征方案（核心前置模块）

原始STEP二进制B-Rep无法直接输入LLM，本文设计结构化JSON表征，包含三大模块：

1. 单曲面特征：曲面类型（平面/圆柱/圆锥/B样条）、面积、质心、法向量倾斜角、回转半径、伸长系数；
2. 拓扑邻接关系：面ID共享边邻接图，记录孔洞、台阶等拓扑关联；
3. GraphSAGE语义标签：25类加工特征（口袋/通孔/倒角等）+置信度。
   数据来源：基于OpenCASCADE内核、CadQuery遍历B-Rep，UV网格采样曲面曲率补充特征，最终压缩JSON可完整放入LLM上下文窗口，同时保留三维空间关系，避免纯浮点数组无拓扑信息的缺陷。

4.2 黑板模式多智能体全局架构

摒弃LangChain/CrewAI消息传递架构，采用经典黑板共享状态设计：

• 全局唯一黑板存储所有几何数据、缺陷标记、特征标签、修改方案、渲染图；
• 各智能体独立读写黑板，模块完全解耦，可单独替换LLM、GNN、几何引擎；
  三大核心特性：

1. 确定性前置规则检测：无需LLM，通过面法向量与Z轴夹角直接标记>45°悬空，提供可验证真值；
2. 条件分支执行：无悬空缺陷时自动跳过推理、修改、校验阶段，节省API开销；
3. 双模型解耦：推理端Claude Sonnet，视觉校验端GPT-4o，任意模型可独立替换。

4.3 系统九阶段完整执行流水线

1. STEP解析：CadQuery+OCCT读取模型，提取所有曲面几何参数、包围盒、质心；
2. 规则悬空检测：计算面法向量与打印Z轴夹角，θ≤0标记为悬空缺陷；
3. 拓扑图构建：遍历共享边生成面邻接关系图存入黑板；
4. GraphSAGE特征推理：输入B-Rep二部图，输出25类加工语义标签；无预训练权重则降级Node2vec；
5. RAG案例检索：当前几何向量匹配历史DFAM案例，追加至LLM提示词；
6. 设计推理智能体（Claude Sonnet）：CoT链式推理，调用2个MCP几何工具：
   • check_orientation_overhangs：评估各旋转方案悬空数量；
   • lay_face_to_build_surface：计算最优平铺欧拉旋转角；
     推理优先级：全局旋转→局部圆角/泪滴修改→支撑方案→零件拆分；
7. 几何修改执行：CadQuery按面ID批量执行修改，旋转操作最后执行（旋转会改变面索引）；
8. VLM视觉校验（GPT-4o）：四视图2048×2048渲染，针对每处修改生成Yes/No校验问题，识别几何失效；
9. 输出归档：优化STEP、2×2渲染图、DFAM修改报告、完整黑板快照。

4.4 GraphSAGE与GCN消融实验设计

对比三组特征输入：

1. 仅基础5维曲面特征；
2. 基础特征+层级面邻接聚合；
3. 基础特征+UV网格曲率增强特征；
   网络均3层卷积，隐藏维度64，Dropout=0.5，评价指标宏F1（平衡稀有加工特征分类精度）。

表1 MFCAD++测试集分类性能对比

图2 MeshViz可视化特征分类结果

• 左：原始零件三维模型；
• 右：GraphSAGE+UV预测着色模型，红色为错分面；
  错分集中于加工特征与基体边界，边界混合邻域导致表征模糊，为后续优化方向。

4.5 MCP几何工具消融关键结论

无MCP工具约束时，LLM频繁幻觉错误旋转角度；引入check_orientation_overhangs、lay_face_to_build_surface后，所有坐标变换计算完全基于真实几何，消除推理幻觉，是系统必备组件而非优化项。

4.6 视觉校验模块

复用CADCodeVerify校验范式，修改后模型生成四张正交视图，针对每一处几何修改生成定向校验提问，GPT-4o输出判定与推理，检测圆角缺失、旋转失效、干涉等隐性几何错误，自动化替代人工肉眼审核。

5 端到端鸟屋模型完整实验

图3 鸟屋模型前后对比

• 原始模型：两个90°水平圆柱通孔，严重悬空，无法无支撑打印；
• 系统优化流程：
  1 RAG检索水平通孔DFAM历史案例；
  2 推理智能体评估6组旋转方案，选择X轴90°平铺，消除一个通孔悬空；
  3 剩余通孔自动生成泪滴轮廓修改；
  4 VLM校验几何完整性，体积仅减少0.75%；
  5 输出无悬空可直接打印STEP文件。
  完整链路仅一轮迭代完成全部DFAM优化，无人工干预。

6 实验结论

1. B-Rep拓扑+结构化JSON表征可完整向LLM传递三维制造信息，仅浮点数组会丢失空间关联，推理失效；
2. GraphSAGE归纳图网络在全新CAD零件特征识别上全面超越直推式GCN，UV曲率特征进一步提升稀有加工特征识别；
3. MCP几何工具是消除LLM三维坐标幻觉的必要条件，无工具约束会输出大量不可行几何修改；
4. AgentsCAD实现从原始STEP到可打印优化模型全自动闭环，输出几何文件、标准化DFAM制造报告，填补现有CAD+LLM工具空白。

7 未来工作方向

1. 支持多装配体、复杂大模型子图压缩，缓解LLM上下文窗口限制；
2. 拆分多专用推理子智能体（应力、薄壁、桥接缺陷专项模块）；
3. 扩展缺陷检测种类：薄壁、桥接、内支撑、自相交；
4. 完善RAG向量库，累积海量零件DFAM案例持续提升推理；
5. 适配下一代多模态原生LLM，抛弃JSON中间表征，直接输入三维渲染图推理。

8 复现资源、环境与脚本

8.1 依赖软件与库

1. 几何内核：OpenCASCADE、CadQuery；
2. 图神经网络：PyTorch Geometric、GraphSAGE、Node2vec；
3. 向量检索：FAISS；
4. LLM/VLM：Claude Sonnet 4.6、GPT-4o API；
5. 可视化：MeshViz、Matplotlib、2048分辨率渲染工具；
6. 数据集：MFCAD++（59665个CAD零件加工标注数据集）。

8.2 环境一键安装脚本

# 1 基础依赖sudoaptinstallpython3 python3-pip libocct-dev-y# 2 CAD几何库pipinstallcadquery opencascade-python# 3 图学习库pipinstalltorch torch_geometric faiss-cpu# 4 LLM与可视化依赖pipinstallopenai anthropic matplotlib numpy# 5 项目代码（论文配套仓库）gitclone https://github.com/AgentsCAD/cad-dfam-llmcdcad-dfam-llm

8.3 完整运行脚本

# 1 GraphSAGE模型训练（MFCAD++数据集）python train_graphsage.py--featureuv--datasetmfad_plus# 2 单STEP零件DFAM全自动优化python agentscad_pipeline.py--inputbirdhouse.step\--llm_provideranthropic\--vlm_provideropenai\--output./optimized_model.step\--report./dfam_report.md# 3 仅运行特征可视化MeshVizpython meshviz.py--modelbirdhouse.step--weightgraphsage_uv.pth

8.4 资源下载地址

1. 论文PDF完整文档：https://arxiv.org/pdf/2607.02448v1
2. AgentsCAD开源代码仓库：https://github.com/AgentsCAD/cad-dfam-llm
3. MFCAD++数据集下载：论文仓库data目录内置下载脚本
4. GraphSAGE预训练权重：仓库release页面
5. 鸟屋测试STEP样例：仓库examples/birdhouse.step

附录补充

1. 完整MCP工具提示词模板；
2. GraphSAGE网络完整训练超参；
3. 鸟屋模型原始/优化STEP文件；
4. 所有实验定量消融完整表格；
5. 完整DFAM报告输出模板。

图片说明

原文PDF内含全部图表（网页版无图片资源，仅保留图文字描述与Mermaid复刻流程图）：

1. 图1：AgentsCAD多智能体流水线总流程图；

3. 图2：MeshViz零件特征着色可视化图；
(a)Original Part

(b)Predicted (97% face acc.)

5. 图3：鸟屋模型优化前后四视图对比图；
   (a)Original Birdhouse CAD input
   
   (b)Modified Birdhouse CAD output