ArtisanCAD：基于专家知识蒸馏的工业级 CAD 智能体

arXiv 上一篇新预印本介绍了 ArtisanCAD——一个面向工业级计算机辅助设计（CAD）的技能引导智能体，其核心思路是把专家的操作流程知识蒸馏进模型，再配合多视图视觉反馈进行迭代修正，从而把含糊的自然语言设计意图转化为可生产的 B-Rep 模型。

研究背景与问题

工业零件的 CAD 建模属于「长链路程序化建模」任务，需要稳健的特征依赖、可编辑的参数化几何以及生产级 B-Rep 输出。已有文本到 CAD 的方法虽然能由自然语言生成 CAD 程序，但在用户提示模糊、欠描述或仅给出高层设计意图时表现不稳；同时也较少利用工业流程中天然存在的专家程序知识，例如 CATIA 操作录制、宏日志、图纸注释与工程描述。

方法核心：CAD-IR 与专家技能蒸馏

ArtisanCAD 的关键设计是一种新的 CAD 中间表示（CAD-IR），它以可执行程序化方式编码：

参数与有序操作步骤；
MCP 工具绑定与依赖关系；
生成实体与验证规则。

CAD-IR 同时承担两重角色：既作为把专家 CAD 流程蒸馏为可复用参数化技能的「载体」，也为后续生成过程提供「程序化脚手架」，把含糊或中间层级的提示补全为完整可执行的 CAD 操作。运行层面，ArtisanCAD 通过检索专家衍生技能、实例化并修正 CAD-IR，再由专门的 CATIA-MCP 后端执行，并以多视图视觉反馈做迭代精修，最终输出可生产的 B-Rep 模型。

实验结果

论文给出两项量化验证：

在 Text2CAD 基准上，CAD-IR 将中间层提示的生成质量提升，平均 Chamfer Distance 由 14.83 降至 9.88，体现其把模糊文本意图衔接为可执行 CAD 构造的能力。
在四个复杂汽车零件上，CAD-IR 能把专家的 CATIA 操作录制蒸馏为可复用技能，使 ArtisanCAD 针对新变体请求生成可编辑、原生于 CATIA 的 B-Rep 模型。

意义与局限

该工作将「专家知识蒸馏 + MCP 工具执行 + 视觉反馈」拼成一个面向工业 CAD 的闭环智能体范式，为后续把大模型接入专业工程软件提供了可参考的中间表示设计。但目前评估仍以 Chamfer Distance 等几何指标为主，且仅在汽车零件与 Text2CAD 上验证，距离在更广泛工业场景中的实际落地还有距离。论文以预印本形式发布在 arXiv，尚未经过同行评审。