CAD Agent Skill

CAD 工业设计辅助 Skill
从自然语言到 CAD 交付：让几何决策可追溯、可复现、可交接

适用问题

在 CAD 自动化里，很多场景会遇到三个问题：

1. 需求表达不统一，Agent 容易误解
2. 组件选择和放置决策难以追溯
3. 下游建模前缺少一致的校验标准

CAD Agent Skill 解决这三件事：先把任务变成结构化中间产物，再由下游建模系统执行。

解决路径

flowchart LR
    A["文本 / 参数需求"] --> B["CAD IR"]
    B --> C["组件目录检索"]
    C --> D["放置规划"]
    D --> E["执行图"]
    E --> F["验证报告"]

Loading

核心能力（简版）

结构化输入

将自然语言要求标准化为 cad_ir.json，保留约束、边界、假设与不确定项。

组件层能力

从目录中筛选可复用组件，输出可追溯的候选列表与检索依据。

可验证交付

生成 placement_plan.csv、execution_graph.json 和 validation 报告，供人工复核或机器人复核。

两步起步（推荐）

git clone https://github.com/Zc030201/cad-agent-skill.git
cd cad-agent-skill
python -m pip install -e .

cad-agent-skill validate-catalog --catalog .\examples\synthetic_component_catalog.csv
cad-agent-skill validate-placement --placement-plan .\examples\synthetic_project\planning\placement_plan.csv

前两条命令通过后，你已经完成最小可用验证链路。

关键产物

• cad_ir.json：统一表达需求、约束与装配关系
• component_catalog.csv：公开示例组件元数据
• placement_plan.csv：可复查放置关系与姿态参数
• execution_graph.json：建模前的执行顺序与依赖
• validation_report.json：缺失字段、异常值与复核建议

文档

• 架构说明
• 数据契约
• 维护者流程
• 隐私与脱敏

适配场景

• 先规划再建模的 CAD Agent 流程
• 需要可审计、可复核输出的团队协作场景
• 在生产交付前需要人工与自动双重校验的流水线

隐私与脱敏

默认使用合成样例。发布前请确认未包含真实业务资料、真实主体信息、私有路径和生产组件库。
常用中性词：demo、synthetic、panel、frame、cover、bracket、fixture。
建议在提交前执行 python scripts/privacy_scan.py .。

许可证

MIT