SGA：面向教育视频合成的即插即用几何验证

近期工作利用大语言模型（LLM）以Manim等库生成教学动画的可执行代码。但确保空间正确性与视觉可读性仍是挑战：现有框架强调教学内容而忽视几何遮挡。我们提出符号几何智能体（SGA），一个面向以代码为中心的动画管线的即插即用模块：拦截LLM生成的代码，执行部分执行以抽取符号场景图，并在检测到空间冲突时做定向精炼。我们进一步提出Manim视觉质量分数（MVQS），一个确定性的、无需渲染的空间完整性代理指标。在MMMC-Code基准上、跨四个LLM底座与两条智能体管线的实验显示：SGA取得峰值MVQS 73.11（Code2Video+GPT-5.1），相对原始基线提升16.1%，并在8个底座×管线组合中的7个改善MVQS。