CATIA到底能不能接入Deepseek？
内容声明：
本文作为小狼近期对LLM与CATIA结合的一些研究心得分享，仅代表作者个人观点。本人纯理工男，非专业程序员，如有错误之处还请理解指正，谢谢！
成果展示：
而这，是AI将我的指令拆分成了三个命令：建草图，在草图里画线，拉伸凸台，与人类手动用CATIA建模时的理解与思路一致。并且，基于以上绘图思路，AI可以直接调用对用的Tools，执行CATIA中的建模动作，我们得到了以下模型。
往期回顾
今年早些时候，我曾经发过一篇文章，或者在某种意义上叫“论文”，里面详细介绍了如何通过调用Deepseek api，结合function calling功能，来实现简单的自然语言指令控制CATIA建模。
提出问题
仔细思考，你会发现，如果想让上述内容在实际的工作中产生意义，那么还存很多问题问题：1、我在问问题时，要预先假设，我这个问题，恰好是AI可以调用现有工具满足的；换句话说，我问它的问题，前提是我知道它能实现，这就给代码和对话带来了很大的局限性。2、很多时候，AI并不能直接调用某个工具完成用户的需求。它可能先调用工具A，再把工具A的处理结果用作工具B的参数，再把工具B的处理结果用作工具C的参数…最终满足用户的需求。那么这个调用工具的轮次是不确定的，也就是说，大模型并不知道什么时候应该停止调用工具，来最终给出回答3、和AI对话时，我们的输入，和它的输出，都只能是文字。而对于CATIA二次开发，我们用的都是一个object（通常是comobject），那就涉及到一个问题：比方说，create_sketch创建了一个草图，我们如何将这个草图传递给AI，让它作为拉伸凸台的轮廓参数。事实上，上面只是几个比较大的逻辑上需要解决的问题，我们在实际的执行中，还会有更多的细节需要处理考虑。
解决方案
为了解决上面的问题，首先我们会引入一个叫做Agent（智能体）的概念。如果说LLM只是一个会思考的大脑，那么Agent则是给这个大脑装备了“手脚”和“记忆”的功能。它可以自主理解任务、规划执行步骤、调用外部工具，从而自主地完成复杂的目标。对于文章开头提到的案例，这个Agent很简单，就是个简单的循环。对于用户的一个指令，我们通过和大模型的若干次交互，判断每次交互是否返回了Tools，来判断是否与大模型继续交互，还是停止交互，给出最终回答。而关于参数的传递，我们则是通过一个公共的字典实现：当一个sketch的comobject被创建时，我们将它存入字典，并生成一个uuid（一个独一无二的ID）作为它的key。这样后续tools通过这个uuid就可以访问到对应的sketch对象。对于上述全部内容，小编已经录制了6h的视频课程，包含了最终，课程以画凸台为例，大模型自动将用户“画一个六棱柱”的任务，像人类用CATIA建模一样，拆分成“创建草图”-->在草图里画六根直线，形成六边形-->用这个草图拉伸凸台；并于大模型多次交互，调用对应的Tools，最终实现用户的建模需求。
