CADViewer-Skill开源项目实现Agent原生支持DWG解析,结构化数据与图形预览同步交付

NewbimAI 推出开源项目 CADViewer-Skill,首次将 DWG/DXF 图纸的原生解析能力与轻量级图形预览集成于同一内核,使 AI Agent 能直接获取图层、图块、坐标等结构化数据,...

人工智能 阅读量: 2528

AI 智能体(Agent)在办公文档处理上已日趋成熟——PDF、Word、Excel 等格式可被直接读取、问答与摘要生成。但在工程设计领域,一个关键障碍始终未被有效突破:DWG 图纸的原生解析能力缺失。DWG 作为 AutoCAD 的私有二进制格式,既非明文也非标准结构化数据,导致大模型无法直接理解其内容。过去常见的做法是截图后交由多模态模型“看图识意”,但该路径丢失图层、坐标、图块属性等核心信息,文字识别易错,更无法支持图块统计或矢量导出,严重制约了 AI 在造价、施工、审图等场景的落地。

文章配图

近期,NewbimAI 发布开源项目 CADViewer-Skill,试图系统性解决这一问题。该项目并非简单调用现有 CAD 解析库输出文本,而是构建了一套“解析+预览”双轨并行的技术路径:底层统一解析引擎提取结构化数据供 AI 使用,同时在对话界面中嵌入轻量化图形渲染模块,供用户实时核对图纸。这种设计直指工程场景的核心需求——AI 需要精确数据做推理与统计,人类需要直观图形做验证与决策,二者必须同步对齐。

项目提供两种交付形态:一是面向工程师的免安装桌面端 CADViewer,Windows 下双击即可打开 DWG/DXF 文件,无需依赖 AutoCAD 或其他专业软件;二是面向开发者的轻量 Skill 包,可一键注册至 WorkBuddy、OpenCode 等智能体框架。接入后,用户仅需一句自然语言指令如“帮我解析这张图纸”,Agent 即自动触发服务,完成文件读取、图元分析、结构化数据生成,并同步弹出交互式图纸预览窗口。

与市面上多数 CAD 相关 Skill 不同,CADViewer-Skill 的关键创新在于“图形与数据绑定”。传统方案常将图纸转为纯文本丢给大模型,工程师仍需切回 CAD 软件比对,效率低下且易出错。而本项目通过统一内核实现数据与视图联动:当用户在预览界面点击某图层,系统可即时返回该图层下所有图元的 JSON 描述;反之,Agent 输出的图块统计结果也可高亮映射至图形界面,形成闭环反馈。

在具体能力上,项目覆盖工程图纸三大刚需场景:图层管理、图块识别与多格式导出。实测使用一张 24m × 15m 的门诊楼二层平面图(含 11 个图层、24 类图块),系统在万级图元负载下仍保持流畅缩放与平移操作。图层控制支持单击显隐、双击聚焦灰显——例如审查给排水管线时,其余建筑底图自动淡化,大幅提升审图效率;图层搜索功能则应对大型项目中上百个图层的快速定位需求。

图块统计是造价与算量环节的核心依据。工程图纸中门窗、灯具等构件通常以“图块”形式复用,同一型号可能被插入数十次。但传统解析工具常无法识别动态块(参数化可变图块)与匿名块(无名称标识的图块),导致数量统计失真。CADViewer-Skill 对此做了专项适配,实测中可准确区分常规块、动态块与匿名块,并支持按类型、属性、位置进行聚合统计,输出结果可直接用于工程量清单编制。

截图丢数据,文本没图形:AI 读图纸的两难

导出能力同样完整:解析完成后,用户可按需导出 JSON(结构化数据)、PNG(高清位图)、DXF(兼容格式)及矢量 PDF,满足不同下游系统的接入需求。值得一提的是,所有功能均基于本地运行,不依赖云端服务,保障图纸数据安全——这对涉及敏感项目的工程单位尤为重要。

从技术架构看,CADViewer-Skill 采用“一套内核、两种形态”策略:桌面端与 Skill 包共享同一解析与渲染核心,仅在交互层做差异化封装。开发者只需一次注册,即可在 Agent 中调用全部能力;而工程师则无需学习新工具,沿用熟悉的操作逻辑即可上手。这种设计降低了技术迁移门槛,也提升了生态兼容性。

一套内核,两种形态:一套口径,两类用户

当前,工程行业正加速拥抱 AI,但落地难点不在模型能力,而在数据接口的打通。DWG 作为基建、建筑、制造等领域事实上的图纸标准,其解析能力缺失已成为 AI 赋能工程流程的关键瓶颈。CADViewer-Skill 的开源,不仅提供了一个可用的技术方案,更揭示了一种可行的协作范式:AI 不应替代人看图,而应与人协同工作——AI 处理结构化逻辑,人负责空间判断与经验校验。这种“人机对齐”思路,或将成为专业领域 AI 应用的重要演进方向。

项目目前已在 GitHub 开源,支持 Windows 平台部署,依赖项精简,本地服务默认监听 3727 端口,克隆仓库后数分钟即可完成环境搭建与测试。对于希望将 AI 引入工程流程的团队而言,这是一次低成本、高确定性的技术尝试起点。