IfcLLM：通过互补关系和图形表示对 IFC 模型进行自然语言查询

行业基础类 (IFC) 标准是整个生命周期（从设计和施工到设施管理和数字孪生集成）构建数据交换的核心。在运营环境中，利益相关者越来越需要访问建筑信息，而无需了解国际金融公司复杂、深层嵌套模式的专业知识，从而激发自然语言界面。现有的基于 LLM 的查询方法通常依赖于单一数据表示，这并不同样适合属性检索和空间推理。我们提出了 IfcLLM，一个结合了互补关系和图形表示的框架，将每个查询类型路由到更合适的后端。 LLM 代理通过迭代重试和优化推理来集成两者，无需用户输入即可从故障中恢复。通过对 30 个查询场景的三个 IFC 模型进行评估，我们的实现实现了 93.3% 到 100% 之间的首次尝试准确率，所有失败的查询都通过回退 LLM 解决。它基于开放式 LLM 构建，支持数据敏感的 AEC 设置中的本地部署。