首页/文章/ 详情

用直白的语言讲述：CATIA到底是怎么接入AI大模型的

CATIA那点事儿

4月前浏览1026

事实上，从2025年DeepSeek爆火之后，AI的话题热度就一直不减，如今到了2026年，很多公司甚至将AI的应用作为KPI的指标之一作为考核。

小狼之前也发了不少关于利用AI大模型，通过自然语言与CATIA / Solidworks这类的CAD软件交互的视频，很多小伙伴表示很感兴趣，都在问是怎么实现的。

所以今天，咱们就来写一篇文章，试图用最通俗易懂的语言，来解释这背后的原理。

1、LLM的本质

首先，我们应该知道，大预言模型的本质是基于概率预测的y=f(x)，x是提示词，f就是大模型根据自己的知识库，预测出，按人类说话的习惯，下一个字说什么的可能性最大。当然作为使用者，内部的具体计算方法我们无需关注。

下面是个很简单的例子：

有了这个概念，一切都变得好理解了：我们做的外挂知识库也好，记忆也好，md文件内容也好，对话历史也好，本质上都是和用户最新输入的提示词一起，打包作为一段超长的提示词，发给LLM。

而LLM则是用上面展示的逻辑，基于这一段超长的上下文提示词，再输出一串Response文字给用户。

所以，一切这些基于LLM大模型的应用，比如claude code，比之前爆火的龙虾……本质上，都是看怎么把提示词玩到极致。

2、规范输出

OK，基于上面的信息和提出的问题，现在，我们来做一个最简单的测试：

这是一个很简单的提问，让AI计算一道简单的数学题。

同样的计算，当我们换个问法时：

你会发现，AI会尽量地模仿人类的表达方式去说话：它除了计算简单的3+5=8，还会说一些“你现在有8条鱼”这种总结、装饰性的表达。

但，越是这种自然、随机的表达方式，越是不容易被计算机程序理解。对于计算机程序来说，标准化、规范化才最重要。

于是，为了让它的回答变成我们想要的格式，基于上面“AI大模型的本质是玩提示词”这一前提出发：我们把给AI的问题变成这样：

而AI给出的答案，从一句随机的包含各种修饰词的人类语言，变成了一个包含“函数名”和“参数”规范的数据结构。

等等，别忘了咱们是个CATIA软件的公众号，且小编热衷于CATIA二次开发。

于是，我们可以将上面的plus，替换为一个最简单的CATIA二次开发函数，叫create_box(l,w,h)，来实现在CATIA里将一个长l，宽w的矩形，拉伸h高度，形成立方体的功能。

那么，对话内容就会变成：

3、从“说”到“做”

我们现在和LLM的所有交互，都是建立“问-答”的基础上，仅限于聊天，没有动作。比方说，对于操作CATIA这件事，大家最常用的模式，就是给出AI写一段宏代码（代码的本质也是一堆文字），再手动赋值代码粘贴到脚本或VBA里运行。

所以即便是基于前文的讨论，聪明的你也能一眼就能发现问题所在：如果是基于这种网页UI对话的形式与AI大模型交互，我们虽然能拿到这个函数和参数信息，但仍然无法直接解析，也就无法执行这个函数。

那么，如何让与AI的交互，从“纯对话模式”，变成“可以自主执行动作”呢？

万幸，我们可以通过调用LLM api的方式，在自己的程序里，实现上述同样的问答。

事实上，从任意一个LLM的官网，不管是ChatGPT，DeepSeek，还是Xiaomi Mimo，你都能找到调用大语言模型api，实现“问-答”的示例代码。

这里以ChatGPT官网，基于OpenAI协议的python代码为例：

这样，当我们拿到的AI的response.content.text内容，就会是这样：

{"fun_name": "create_box", "param_l": 5, "param_w": 5, "param_h": 5}

接下来，只需要在python里解析这个json数据，提取出函数名和函数参数信息，然后在本地execute它，就实现了AI从“说”，到“做”的跨越。

这，就是大名鼎鼎的Function Calling

最终效果就是这样的：

4、总结

当然，这只是一个最基本的Re-Act（Reasoning-Action）形式的Agent，通过简单的循环，并判断是否返回tools信息来实现的。

事实上，一个Agent，可能会很复杂。为了便于理解，小狼做了下面简单的示意图（当然这个示意图也是AI帮我生成的）。

但这也只是一个智能体。事实上，一个大的AI应用，可能是多个Agent协同工作：Agent1负责规划，Agent2负责检查规划，Agent3负责执行，Agent4负责检查执行结果，Agent5负责总结经验……

像不像P-D-C-A流程~

而当一个Agent，有了足够多的Tools时，它就可以使用这个Tools，通过特定的序列和参数，组合成不同的Skill，从而实现越来越多的功能，比如：小龙虾。

就好像，CATIA常用的建模命令就那么十几个，但我们用这些命令，可以画出汽车/飞机上的任何复杂模型。

5、展望

LLM大模型，是用整个人类的知识训练出来的，它上知天文、下至地理。但它对你的价值，取决于你问的问题的深度。

就好比一个从来没接触过理财的小白，你给他一顿巴菲特的晚餐，他大概率问不出什么有价值的问题，也得不到什么收获。

再现实一点：我们CATIA讨论群里，很多小伙伴问问题，甚至连最基本的“问题是什么”都表达不清楚。可想而知，它与AI的交流，大概率也是不顺畅的，甚至得出：“AI也就那么回事”的结论。

那么问题来了，基于本文通篇都在提到的“大模型的本质就是玩提示词”这个观点，作为理科生的你，能写出合适的提示词吗？

来源：CATIA那点事儿

ACT UDF 二次开发汽车 CATIA SolidWorks python 控制曲面螺栓装配

著作权归作者所有，欢迎分享，未经许可，不得转载

首次发布时间：2026-04-27

在CATIA里做个赛车游戏是种怎样的体验

免费

还没有评论