先看这个视频👇然后我们来说原理。今年以来，借着年初Deepseek的爆火，小狼进行了一些CATIA+AI的一些尝试，也在我们的pycatia学习群里分享了相关的案例源代码。但之前的研究，都是基于LLM，即Large Language Model，也就是大语言模型。简单说，它只能接收文字形式的消息，然后理解并回复，实现对话的效果。但现在，从GPT-4V到Claude3.5Sonnet，从国外巨头到国产厂商，多各类多模态大模型，即Multimodal Large Language Models（MLLMs）层出不穷。多模态大模型与单模态大模型的区别就是，它能够整合文本同年、图像、音频、视频等多种信息。这个“数字大脑”有了更多的感知能力，能够“眼观六路，耳听八方”，从而实现更加丰富和全面的智能交互。所以，本篇文章，我们就来通过一个小例子，探索一下：如果让大模型“看到”我们的CATIA图形界面显示的内容，它能如何刚好地为我们服务。首先，我们可以借助AI，帮我们写出代码，实现“把一张图片发给大模型，它解析图片的内容并返回给我们”。这部分的内容，小编前两天发的视频已经展示过了👇所以，我们只需要在这个基础上， 把Prompt提得具体一些。1、最开始，我们传给它一张下面的图：并给出如下提示词时： 大模型会解析并做出如下详细描述： 2、当我们选中一个零件，使其高亮然后将提示词这样修改后： 它给我们的答复是这样的： 3、在这个基础上，我们继续修改提示词如下：那么，同样传入上面的模型时，我们将会得到下面的回复内容： 有了上面的基础，我们只需要借助CATIA二次开发，做一个简单的遍历，然后分别让每个零件高亮，截图后传给大模型，再将大模型返回的答案赋给零件的PartNumber属性，就实现了文章开头视频展示的效果啦！最后，给出CATIA二次开发相关部分的代码及注释（调用大模型api的代码，ai可以给出）： 来源：CATIA那点事儿
