TO-Agents：用于偏好引导的拓扑优化的多代理 AI 管道

拓扑优化能生成高效结构，但设计者往往必须手动将定性意图（如期望的视觉风格、产品体验或可制造性）转换为与这些偏好并无直接关联的求解器设置。我们提出 TO-Agents，一个将自然语言设计意图与迭代拓扑优化相连接的多智能体 AI 框架。该框架将人工提供的问题描述转换为经验证的求解器输入，运行拓扑优化求解器，渲染所得 3D 拓扑，并利用多视角视觉-语言推理与一个独立的评审智能体来评判每个结果并修订求解器参数。我们在两个长程设计任务上评估该框架：悬臂梁基准与手机支架产品设计。在两项任务中，设计者指定了受自然树形态启发的层级分支结构这一美学偏好，系统在十次独立重复实验中执行四轮修订循环。在每个案例研究中，TO-Agents 在 60% 的试验中产出至少一个符合偏好的设计，成功试验数最多可达无视觉或历史反馈的消融流水线的 $6 \times$ 倍。评审得分与人类评估显示，该流水线能够识别有效的参数杠杆、从不佳修订中恢复并扩展设计探索。一个制造智能体进一步对排名靠前的设计做面向增材制造的后处理，实现从意图到原型的端到端设计。我们还识别出若干失效模式，包括过度调整、选择性记忆、误用工具以及错误的参数推理。这些结果表明，智能体化的拓扑优化可以让设计者从底层参数调优转向对形态与功能的更高层规约，同时也凸显了可靠自主工程设计所需的保障措施。