AgenticCADedit：一种有状态、工具介导的多模式 3D CAD 编辑代理方法

计算机辅助设计是工业制造的核心，设计师的大部分日常工作包括根据涉及语音、草图和模型交互的多模式请求编辑现有模型。现有的神经 CAD 方法主要关注无条件或文本条件生成。 NeuroCAD-Edit 方法将专家多模式编辑请求形式化，但其迭代基线通过尝试改进了完整的 CAD 程序，在无状态 CAD 环境中从原始模型执行每次尝试。因此，每次尝试都必须从头开始重建整个编辑，因此部分正确的进度将被丢弃而不是累积，并且模型既无法检查其刚刚生成的几何图形，也无法选择性地恢复单个错误操作。我们推出了 AgenticCADedit，它将编辑转变为针对持久 CAD 状态的一系列小型、可验证的操作，而不是单个重新生成的程序。它不是发出一个完整的程序，而是应用每次提交到会话的增量代码步骤，检查生成的面和边缘，呈现突出显示的选择以验证是否已寻址预期区域，并在未寻址时恢复各个操作。因此，后续操作建立在先前操作生成的几何图形之上。我们的方法改进了所有三个评估的 LLM（开放权重：qwen3.6-27b、gemma4-31b；专有：gpt-5.6-luna）的所有指标，其中最弱基线模型 qwen3.6-27b 的收益最大，其有效性从 51.0% 上升到 94.8%，接受度从 1.6% 上升到 12.0%。使用 gpt-5.6-luna 进行的词元成本分析进一步显示，输出词元比 NeuralCAD-Edit 少了 $66.7$%，而 $94.8$% 的输入词元由提示缓存提供。