Multi-Agent CAD（MAC）

清华大学IEI实验室开源的Multi-Agent CAD（MAC）通过四智能体协作架构，将文本到可打印CAD模型的生成成本降至传统单智能体方案的1/13，Token消耗降至1/116，特征通过率提升至99.3%。

该系统将CAD生成拆解为规划、设计、编码、质检四个阶段，各阶段仅传递结构化JSON状态而非完整对话历史，从根本上解决长上下文导致的Token指数膨胀问题。支持OpenAI兼容端点接入任意LLM提供商，提供终端与Web UI双运行模式，所有中间产物白盒可审计，并内置确定性转换器实现常见CAD操作零Token消耗。

核心架构：四阶段结构化状态传递

MAC的效率革命源于对推理过程的结构性重组，而非模型能力升级：

关键创新点：

• 状态隔离：每个智能体只看到角色所需的最小结构化快照，幻觉在阶段边界被切断
• 确定性转换器：_plan_to_code 将extrude/revolve/hole/fillet等12类常规CAD操作转为纯Python执行，零Token消耗
• 缓存复用：pipeline_cache/ 存储前两阶段输出，相同提示词重运行时跳过LLM调用，秒级恢复
• 混合路由：四阶段可独立配置模型（如Planner用轻量模型、Architect用qwen3.7-max、Repair用Claude），成本可进一步压缩

基准测试（10提示词/141特征，Qwen3.7-max）：

部署配置与多提供商适配

环境安装

# Conda（推荐，Windows/macOS/Linux通用）
git clone https://github.com/Pan-Chera/Multi-Agent-CAD && cd Multi-Agent-CAD
conda env create -f environment.yml && conda activate multi_agent_cad

# pip变通方案（仅macOS arm64 + Python3.11验证）
python3.11 -m venv .venv && source .venv/bin/activate
pip install aider-chat==0.82.3
pip install --no-deps --force-reinstall "numpy>=2,<3"  # 解决numpy版本冲突
pip install "build123d>=0.8" "langgraph>=0.2,<0.3" ... # 其余依赖见requirements.txt
pip install --no-deps -e .

⚠️ Windows用户必须使用Conda，pip安装的trimesh/rtree原生wheel不可靠。

LLM提供商切换
编辑 multi_agent_cad/config.py，修改以下字段即可切换全流程模型：

DS_BASE_URL = "https://api.openai.com/v1"  # 或DeepSeek/Gemini/Ollama端点
SPEC_PLANNER_MODEL = ARCHITECT_MODEL = CODER_MODEL = REPAIR_MODEL = "gpt-5.6"
# 非Qwen模型需禁用thinking开关：
SPEC_PLANNER_KWARGS = ARCHITECT_KWARGS = CODER_KWARGS = REPAIR_KWARGS = {}
AIDER_MODEL = "openai/gpt-5.6"  # Aider阶段需litellm前缀

环境变量 DASHSCOPE_API_KEY 接受任何OpenAI兼容密钥（名称为历史遗留）。

运行模式选择

Web UI默认监听 0.0.0.0:8000，远程访问务必通过SSH隧道（ssh -L 8000:localhost:8000 user@server），生成的.py文件在服务器端执行，严禁暴露于公网。

使用边界与实操注意事项

缓存陷阱

• 缓存仅检查文件存在性，不校验 USER_REQUEST 内容。修改提示词后必须手动清除：

  rm pipeline_cache/cad_brief.json pipeline_cache/architect_plan.json
  

• 或在代码中设置 force_refresh: True 绕过缓存

模型选择策略

• Spec Planner：需求解析为简单JSON输出，可用本地小模型（如qwen3-coder:7b）降本
• Geometric Architect：空间推理强依赖大模型，建议保留qwen3.7-max或同级
• Python Coder：常规操作由确定性转换器处理，仅TODO_AIDER占位符触发LLM，可降级
• Aider Repair：代码修复对指令遵循要求高，Claude/GPT优于多数开源模型

安全与合规

• 生成的 .py 文件直接执行，需在可信环境运行；生产部署应沙箱化
• Web UI无认证机制，仅限内网或SSH隧道访问
• 输出STEP/STL文件需经人工验证再用于制造，AI生成模型可能存在隐性几何缺陷

已知局限

• 不支持draft/rib/无control_points自定义多边形等高级特征，回退至Aider修复
• Windows未纳入CI测试，虽代码避免Unix-only API，但遇问题需自行排查
• 10倍速度提升为数量级估计，实际受网络延迟/模型响应时间影响

MAC代表了AI辅助工程设计的范式转变：从“用更强模型硬扛复杂度”转向“用更好架构分解复杂度”。当Token成本不再是瓶颈，CAD生成的民主化才真正开始。对于教育、原型验证、小批量定制等场景，这可能是当前最具实用价值的开源文本到制造解决方案。