结合几何证据和材料知识，辅助任务驱动的3D打印

增材制造中的可打印性评估通常在打印前于几何层面进行，以判断计算机辅助设计（CAD）模型或立体光刻（STL）文件能否成功制造。相反，任务适用性通常在打印后评估，以判断制造出的零件是否满足其预期使用要求。因此，非专业用户要打印功能性零件时，不合适的材料或工艺选择可能只有在制造之后才能被发现，导致反复打印、材料浪费和用户沮丧。为应对这一挑战，本文利用大语言模型（LLM）的推理和语言理解能力，同时以几何证据和结构化的材料/打印机知识为推理提供依据，生成可靠的打印前建议。给定一个STL模型和自然语言任务描述，该框架生成结构化建议，涵盖可打印性、材料选择、工艺参数、设计指导、风险和解释。我们在带有新手风格任务描述的重点STL基准场景上评估该框架。所提方法在96次物理验证试验中达到75.0%的可打印性，成功打印样本中的任务适用性为88.9%。它还将Gemini 2.5 Flash-Lite的材料选择准确率从纯LLM下的37.5%提升到90.0%。专家评估进一步显示报告质量提升，而打印后反馈可在选定的问题案例上改进建议。这些结果表明，用户任务意图、几何证据和结构化材料知识对可靠的任务驱动可打印性辅助都很重要。