在工业组件的计算机辅助设计（CAD）中，要求长期的过程建模、稳健的特征依赖、可编辑的参数化几何体，以及生产级的B-Rep执行。现有的文本到CAD方法在根据自然语言描述生成CAD程序方面取得了一定进展，但当用户提示模糊、不明确或仅描述高层设计意图时，仍然面临困难。此外，它们很少利用工业工作流程中自然存在的专家过程知识，如CATIA操作记录、宏日志、绘图注释和工程描述。
我们提出了\algname，一个以技能为导向的工业CAD智能体，采用专家知识蒸馏。\algname的核心是CAD中间表示（CAD-IR），它是一种可执行的过程表示，编码了参数、顺序操作、MCP工具绑定、依赖关系、生成实体和验证规则。CAD-IR发挥两个关键作用：首先，它作为载体，将专家CAD过程蒸馏为可重用的参数化技能；其次，它提供一个过程框架，将模糊或中间级提示转化为完整的可执行CAD操作。
\algname检索专家派生的技能，实例化并修订CAD-IR，通过专用的CATIA-MCP后端执行生成的过程，并利用多视图视觉反馈进行迭代优化，最终生成生产就绪的B-Rep模型。在Text2CAD基准测试中，CAD-IR通过将平均Chamfer距离从$14.83$降低到$9.88$，展现了其将模糊文本意图与可执行CAD构建之间的桥梁能力。在四个复杂的汽车组件上，CAD-IR使得专家的CATIA记录能够被蒸馏为可重用的技能，从而使\algname能够为新的变体请求生成可编辑的CATIA本地B-Rep模型。
博主点评： ArtisanCAD通过引入专家知识蒸馏，显著提升了CAD生成的精度与效率，尤其是在模糊输入的情况下。这一方法不仅提高了设计的灵活性，还为工业界提供了强大的工具，能够快速响应多变的设计需求。未来，随着更多专家知识的集成，CAD设计的智能化程度将进一步提升。