CADSmith：带程序化几何验证的多智能体CAD生成

现有的文本到CAD生成方法要么一次性生成且没有任何几何验证，要么依赖无法分辨尺寸误差的有损视觉反馈。我们提出CADSmith，一个从自然语言生成CadQuery代码的多智能体流水线。代码随后经过由两个嵌套修正循环构成的迭代精炼过程：内循环解决执行错误，外循环以程序化几何验证为依据。外循环将OpenCASCADE内核的精确测量（包围盒尺寸、体积、实体有效性）与独立视觉语言模型裁判的整体视觉评估相结合。这提供了收敛到正确几何所需的数值精度与高层形状感知。系统采用基于API文档的检索增强生成而非微调，随着底层CAD库的演进保持数据库最新。我们在一个包含三个难度层级（T1至T3）的100条提示与三种消融配置的自定义基准上评估。相较零样本基线，CADSmith将执行率提升至100%（原为95%），中位F1分数从0.9707升至0.9846，中位IoU从0.8085升至0.9629，平均Chamfer Distance从28.37降至0.74，证明带程序化几何反馈的闭环精炼能显著提升LLM生成CAD模型的质量与可靠性。