ldraw-nova：用于生成式乐高模型构建的智能体 AI

ldraw-nova 是一个开源框架，旨在使 AI 智能体能够设计出可构建的实体乐高模型。与其要求大语言模型（LLM）直接计算 3D 坐标（这是模型通常难以胜任的任务），ldraw-nova 提供了一套工具，允许智能体编写 Python 生成器脚本，进而生成 LDraw 汇编语言的源代码。

“生成器”架构

ldraw-nova 的运行原理是：LLM 在编写能够生成数学逻辑的代码方面，远比直接生成原始数学坐标更胜任。该系统实现了一个多阶段流水线，从提示词（prompt）到实体模型：

1. 规划：智能体分析提示词并创建一个 plan.json 文件，详细说明所需的零件、子模型和整体美学风格。
2. 生成：智能体根据计划编写 generator.py 脚本。该脚本充当编译器的角色，将高层计划转换为低层的 LDraw 语言。
3. 执行：执行 Python 脚本以生成 .mpd 或 .ldr 文件（LDraw 源代码），然后将其渲染为 3D CAD 模型。
4. 迭代优化：智能体渲染当前模型的图像，检查是否存在间隙或碰撞，并调整生成器脚本，直到模型完成。

核心工具与功能

为了实现精确构建，ldraw-nova 为智能体提供了一套全面的信息源和技术工具：

智能体指导

智能体配备了专门的文档来处理不同的构建风格，包括：

• 载具和飞船工作流：针对空气动力学和结构完整性的具体指南。
• 机械组（Technic）与机械结构：构建功能性机械结构的说明。
• 模块化组织：通过子模型管理大型复杂模型的工作流。
• 视觉设计：改善形状、颜色和细节的指南。

技术工具

• 语义搜索：系统使用 jev-rerank（由 TypeSafe 的 Jev System One 提供支持）来帮助智能体查找合适的乐高零件和示例模型。如果无法使用 TypeSafe API 密钥，系统将回退到全文搜索（FTS）。
• 验证：用于碰撞和间隙检测的工具，确保零件放置正确且在物理上可构建。
• 渲染：无头渲染（Headless rendering）允许智能体“查看”其进度并进行视觉检查。

部署与技术要求

该系统作为容器化 Web 应用程序部署。安装需要克隆两个同级仓库——ldraw-nova 和 ldraw-nova-docker——并保持相同的版本标签（例如 v0.6.0）。

• 基础设施：需要 Git 和 Docker。
• 访问：该应用程序提供用于 Meta Quest 3 VR 交互的 HTTPS 端口（8443）和用于标准浏览器访问的普通 HTTP 端口（8765）。
• 输出格式：最终输出包括 LDraw 源代码、可在 Blender 中编辑的 glTF 文件（.glb）以及完整的智能体思维过程/聊天记录。

当前局限性与未来工作

作为首个版本，作者指出了几个需要改进的领域：

• 模型效率：生成过程目前缓慢且昂贵，对于复杂结果，需要 GPT-6 Astra 或 Claude Opus 5.5 等高端模型。
• 领域差距：人仔（人类/动物）和复杂飞船的生成效果仍然不理想。
• VR 性能：Meta Quest 3 的集成目前存在性能和模型处理方面的问题。
• 低端模型支持：需要调整工具和文档，以允许较小的模型（例如 Claude Haiku）生成可行的模型。

社区观点

围绕该项目的讨论突显了智能体 CAD 设计的更广泛潜力。一位用户指出，在使用类似的 FreeCAD 和 Claude 工作流制作 3D 打印外壳和铣削铝制适配器方面取得了成功，并指出 AI 面临的主要挑战仍然是理解零件的物理装配顺序。

其他贡献者建议扩展该项目，包括用于机器人技术的物理建模，或者创建能够从照片中编目现有实体乐高收藏的工具，以限制 AI 的零件选择。