Multi-Agent-CAD

Q: Windows 上怎么装？

用 conda 流程即可，trimesh 和 rtree 由 conda-forge 预编译提供，OCP 由 build123d 间接拉入。不要在 Windows 上用纯 pip 方案，原生 wheel 可能不可靠。

Q: 生成一个装配大概花费多少？

README 示例：三轴龙门测量单元约 90 万 token、约 2 美元；伸缩影院机械臂约 165 万 token、约 3 美元；重型移动机械臂约 580 万 token、约 13 美元。

说人话就能生成可编辑 CAD 模型，还能自动查错改错

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署智能体 🍴 复刻 100 🐛 待处理 1 👀 关注 10

GitHub ↗

GitHub 星标 ★ 1071

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，免费使用

项目预览

Multi-Agent-CAD 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类智能体

开发团队Pan-Chera

GitHubhttps://github.com/Pan-Chera/Multi-Agent-CAD

定价模式🏷️完全免费

价格说明开源项目，免费使用

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型3d-modeling,3d-printing,agent-pipeline,aider,assembly,build123d,cad,generative-design,langgraph,llm,llm-agent,mechanical-engineering,multi-agent,opencascade,qwen,step,step-file,text-to-3d,text-to-cad,urdf

GitHub 星标★ 1071

上线时间2026-07-30 00:00:00

代码更新2026-11-04

仓库体积2.4 MB

本站数据更新2026-11-06

维护状态活跃

收录时间2026-09-22

浏览次数2

项目介绍

Multi-Agent-CAD（简称 MAC）是一个面向文本到 CAD 生成的开源多智能体框架，目标是把自然语言需求自动转成可编辑、可制造的 3D CAD 模型。它解决的核心问题是：单次 LLM 生成 CAD 代码往往不稳定、几何错误多，难以满足真实机械设计约束。MAC 采用解耦式多智能体流水线，把任务拆分为需求理解、结构规划、参数化建模、装配约束检查和迭代修正等角色，并通过受限的测试时计算（constrained test-time compute）在生成阶段反复验证与优化，而不是一次性输出。项目基于 Python，结合 LangGraph 编排智能体、Aider 辅助代码生成、build123d 做参数化建模，支持装配体与 3D 打印相关流程，适合探索 LLM 驱动的生成式设计与机械 CAD 自动化。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-22 · 当前星标 ★ 1071

技术标签

3d-modeling aider cad langgraph llm

使用教程

难度：进阶约 25 分钟部署方式：本地安装 7 步

环境要求

Python 3.11（纯 pip 方案在 macOS arm64 + Python 3.11 上验证通过）
conda（推荐，environment.yml 提供完整环境；也可改用 venv）
可访问 GitHub 与 PyPI 的网络环境
OpenAI 兼容的 DashScope API Key（默认配置使用该端点）

安装与启动步骤

1克隆仓库

把 Multi-Agent-CAD 源码拉取到本地，需要能访问 GitHub。
```
git clone https://github.com/Pan-Chera/Multi-Agent-CAD.git
```
2进入项目目录

后续所有命令都在该目录下执行，不要切换目录。
```
cd Multi-Agent-CAD
```
3创建 conda 环境

按 environment.yml 一次性装好 build123d、LangGraph 等依赖，耗时较长请耐心等待。
```
conda env create -f environment.yml
```
4激活环境

激活名为 multi_agent_cad 的环境，之后所有命令都要在这个环境里执行。
```
conda activate multi_agent_cad
```
5单独安装 aider-chat

aider-chat 固定 NumPy 1.x，与 build123d 的 NumPy 2.x 冲突，故用 --no-deps 安装，避免替换可用的 NumPy。
```
pip install --no-deps "aider-chat==0.82.3"
```
6配置 API 密钥

设置 DashScope API Key。Windows PowerShell 用 $env:DASHSCOPE_API_KEY = "sk-xxxxxxxx"，cmd.exe 用 set DASHSCOPE_API_KEY=sk-xxxx
```
export DASHSCOPE_API_KEY="sk-xxxxxxxx"
```

7纯 pip 替代方案

不用 conda 时按此顺序执行：先装 aider、再强制升级 numpy，最后以 --no-deps 可编辑安装本项目，从而注册 mac-config-reset 并支持 python -m multi_agent_cad.graph。

python3.11 -m venv .venv
source .venv/bin/activate
pip install --upgrade pip
pip install "aider-chat==0.82.3"
pip install --no-deps --force-reinstall "numpy>=2,<2.3"
pip install "build123d>=0.8" "langgraph>=0.2,<0.3" "langgraph-checkpoint>=2.0,<3.0" "pydantic>=2.5" "openai>=1.20.0" "anthropic>=0.30" "trimesh>=4.0" "rtree>=1.1" "scipy>=1.10" "scikit-learn>=1.3" "fastapi>=0.110" "uvicorn[standard]>=0.27" "ipython>=8.15" "pytest>=7.4"
pip install --no-deps -e .

关键配置

配置项	必填	说明	示例
`DASHSCOPE_API_KEY`	是	默认 DashScope（OpenAI 兼容端点）的调用密钥	`sk-xxxxxxxx`

如何确认成功

可编辑安装后可在任意目录执行 python -m multi_agent_cad.graph 启动；mac-config-reset 脚本已注册。

常见问题

Q：为什么 aider-chat 要用 --no-deps 单独装？

A：aider-chat 固定 NumPy 1.x，与 build123d 要求的 NumPy 2.x 冲突，因此它未写入 environment.yml；--no-deps 可避免替换环境中可用的 NumPy 版本。

Q：不用 conda 可以吗？

A：可以。用 venv：先装 aider-chat==0.82.3，再 pip install --no-deps --force-reinstall "numpy>=2,<2.3"，然后装 build123d、langgraph 等依赖，最后 pip install --no-deps -e .。

Q：Windows 上怎么装？

A：用 conda 流程即可，trimesh 和 rtree 由 conda-forge 预编译提供，OCP 由 build123d 间接拉入。不要在 Windows 上用纯 pip 方案，原生 wheel 可能不可靠。

Q：生成一个装配大概花费多少？

A：README 示例：三轴龙门测量单元约 90 万 token、约 2 美元；伸缩影院机械臂约 165 万 token、约 3 美元；重型移动机械臂约 580 万 token、约 13 美元。