MAC：一句話生成可列印 3D CAD 模型，Token 消耗減少 116 倍

MAC 是一個開源的多智慧體框架，能把一句自然語言描述直接變成可編輯、可 3D 列印的真實 CAD 模型。

它不只是輸出一張單純用於渲染的網格圖，而是直接生成標準的 STEP、STL 和 GLB 工程檔案。面對複雜機構，它還能把機構自動拆解為多個元件獨立生成，拼裝驗證後匯出用於機器人和物理模擬的 URDF 格式。

它能做什麼

你輸入一段自然語言設計需求，比如帶鉸鏈的雙爪夾具、伸縮攝影吊臂或帶活動導軌的三軸龍門檢測臺，MAC 就能自動規劃幾何結構、生成各個子零件並完成裝配。

除了多部件裝配體，它也能獨立生成結構複雜的單個零件，比如蜂窩收納盒、陀螺儀擺件、日內瓦機構，甚至是帶有活動間隙、能直接整體列印成型的多環鏈條。

在生成過程中，它能自動複用對稱和重複部件，不需要從頭重新計算。整個生成過程完全可追溯，系統會保留結構化的設計簡報、幾何規劃、生成的 Python 程式碼、測量校驗報告以及自動修復歷史。

怎麼做到的與實測資料

傳統的程式碼生成大模型在處理複雜幾何結構時，經常陷入反覆報錯的盲目迴圈，消耗巨量 Token 還容易失敗。

MAC 的解法是把任務解耦給不同的智慧體：規劃、幾何推理、編寫程式碼和驗證修復各自獨立，並在受限測試期內進行針對性計算。

在官方給出的 10 個測試提示詞、141 項幾何特徵的單零件基準測試中，使用 Qwen 3.7 時，基線方案 CAD Skill 復現消耗了 1.0395 億 Token，費用約 18.59 美元，通過率為 97.9%。

而 MAC 僅消耗了 90 萬 Token，預估成本僅 1.43 美元，通過率反而達到 99.3%。Token 消耗減少了 116 倍，成本降到了十三分之一。

在最新的 v2 版本中，MAC 引入了獨立的 Judge 裁判智慧體和視覺驗證閉環。配合 Qwen 3.8 時，在消耗 140 萬 Token 和 4.85 美元的情況下維持了 99.3% 的通過率，相比同條件下的基線方案依然降低了 62.7 倍 Token 與 6.1 倍成本。

在更復雜的機械裝配體演示中，視覺檢測機械臂的預估生成成本僅需 1 美元左右，三軸龍門平臺約 2 美元，哪怕是包含大量細節的重型移動操作臂，生成成本也被壓在了 13 美元上下。

怎麼部署和執行

專案已經在 GitHub 開源，倉庫名為 Pan-Chera/Multi-Agent-CAD。

它是模型無關的架構，底層適配任何相容 OpenAI 介面的端點。你可以接入阿里雲 DashScope 上的通義千問模型，也可以通過 OpenRouter 呼叫 DeepSeek 等其他模型。

本地安裝需要 Python 3.11 環境。由於底層 CAD 核心 build123d 與 aider-chat 在 NumPy 版本上存在衝突，官方推薦通過 Conda 搭建環境，並在安裝 aider-chat 時跳過依賴檢查。

專案自帶了一個基於 FastAPI 的瀏覽器 Web 介面。啟動後只要在網頁左側輸入文字提示詞，右側就能即時檢視 3D 預覽模型並一鍵下載工程檔案。

需要注意的是，本地 Web 服務在生成模型時會在子程序中直接執行 Python 指令碼，建議僅在本地迴路地址執行，不要直接對映到不受信任的公網。

為什麼重要

如果你平時熱衷 3D 列印，或者在機器人模擬、機構設計中經常需要快速製作原型零部件，MAC 非常值得現在拉下來試一試。

它最聰明的地方在於沒有硬拿大模型去強行推演整個複雜裝配體，而是通過多智慧體分工把幾何規劃、程式碼實現與視覺裁判拆開，用極低的 Token 成本換來了極高的幾何特徵通過率。

我們認為裝配體生成目前雖然還屬於實驗性質，正式投入實際機加工前仍需人工檢查公差配合，但它把自然語言直接轉化成工業級引數化 CAD 的這套管線，已經真正展現出了實用工具的成熟度。