BOM Voyage

Небольшая демонстрация куска Aibuild

Как выстроить полный процесс подготовки коммерческого предложения в модуле Processes платформы Aibuild OS: загрузка CAD-файла, автоматическое извлечение спецификации, формирование ведомости материалов и выпуск отформатированного документа. Узел Gate приостанавливает процесс до тех пор, пока человек не проверит и не утвердит результат, прежде чем какая-либо информация покинет пределы компании. Решение основано на десятилетии исследований в области инженерного искусственного интеллекта и реализовано в виде единого многократно используемого процесса. Это агентный искусственный интеллект для инженерных задач: автономное выполнение со встроенным в архитектуру человеческим контролем. Создайте процесс один раз и запускайте его для каждой последующей задачи.

Иконки будущей notion-like системы для управления оркестрами агентов работающих поверх PDM системы или любой иной подобной не из инженерного домена. Управление требованиями, проектами, workflow агентов и людей, запуск и мониторинг ИИ циклов, коммуникация между людьми и с агентами - ответы на уточняющие вопросы, предоставление доступов, мониторинг, администрирование и т.д. Не n8n или Synera, не PLM/PDM/CAD а слой между пользователем и этими системами фокусирующимся на собственно работе циклов ИИ, управлении требованиями, предоставлении удобного UI для этого. Прицел скорее на интеграцию с n8n/Synera <==> PLM/PDM/CAPP/MPM/CAD а не конкуренцию с ними. Как минимум согреюсь в процессе реализации, персональный проект. Ядро уже спроектировано и пара десятков агентов пишут код, дым коромыслом.

Модель данных Aras строится вокруг универсального объекта Item и метаданных, описывающих типы объектов, их свойства, связи, жизненные циклы, права и поведение. Деталь, документ, требование, проект и даже описание самого типа представлены разновидностями Item. Это позволяет отделить платформенное ядро от конкретной предметной области: после определения нового ItemType платформа автоматически предоставляет хранение, поиск, версионирование, права доступа и API. Особенно удачна идея полноценных отношений, поскольку связь между объектами может хранить количество, позицию, применяемость и другие собственные характеристики. Благодаря этому модель Aras хорошо подходит для описания составов изделий, требований, документов и процессов изменений. Но при создании AI-native системы на основе подобных архитектурных принципов модель можно было бы сделать более явной и точной. Универсальный Item удобно сохранить как общий интерфейс платформы, однако внутри модели можно было бы разделить логический объект, его ревизию, связь, вхождение в структуру, файл, действие и машинное утверждение. Это даст агентам более однозначную семантику: они смогут различать саму деталь, её конкретную ревизию, использование детали в сборке и результат анализа, который ещё не подтверждён человеком.

entity: id: PART-1024 type: Part number: A-3250 revision: id: PART-1024-R3 entityId: PART-1024 revision: C generation: 3 state: Released validFrom: 2026-09-01

Вхождение компонента в состав можно было бы выделить из обычного отношения в самостоятельную сущность Occurrence. Обычная связь отвечает на вопрос, как два объекта связаны по смыслу, тогда как Occurrence описывает конкретное использование: количество, позицию, ориентацию, вариант изделия и диапазон серийных номеров. Одновременно вместо неявных режимов Fixed и Float можно было бы хранить явное правило выбора ревизии. Это даст возможность воспроизводить конфигурацию на определённую дату и понимать, почему система или агент выбрали конкретную версию компонента.

occurrence: id: OCC-501 parentRevisionId: ASM-100-R5 componentEntityId: PART-1024 revisionSelector: mode: Exact revisionId: PART-1024-R3 quantity: 4 position: "120" effectivity: serialFrom: 1000 serialTo: 1499

Временность можно было бы сделать общим свойством объектов, значений и отношений. Помимо времени записи в систему полезно хранить период, в течение которого информация считается действительной. Например, новая ревизия может быть зарегистрирована в июле, но применяться только к изделиям, выпускаемым с сентября. Это даст возможность восстанавливать не только текущее состояние, но и то, какие данные считались правильными в прошлом, что особенно важно при расследовании дефектов и анализе выпущенных конфигураций. Наиболее существенным дополнением для AI-native системы мог бы стать отдельный слой утверждений, доказательств и проверок. Результат работы модели лучше было бы сохранять не как обычное поле детали, а как Claim — утверждение с указанием агента, версии модели, источников, уверенности и статуса проверки. Это позволит отличать подтверждённый факт от предположения, рекомендации или автоматически извлечённого значения, хранить несколько конкурирующих выводов и объяснять происхождение результата.

claim: id: CLM-901 subjectId: PART-1024 predicate: IsPotentialReplacementFor objectId: PART-387 assertedBy: agent-similarity-4 modelVersion: 7.2 confidence: 0.87 status: Proposed evidence: - DOC-88-CHUNK-14 - TEST-390-R2

Изменения, предлагаемые агентами, можно было бы оформлять как отдельные ChangeSet, а не применять напрямую. Такой набор содержал бы список операций, предварительные условия, результаты проверок, анализ влияния и согласования. Агент в этом случае не переписывает рабочие данные, а подготавливает проверяемое предложение, похожее на pull request. Это даст возможность показать сравнение, проверить требования и ограничения, обнаружить конфликт с параллельными изменениями и применить одобренный набор операций атомарно.

changeSet: id: CHGSET-330 purpose: Replace discontinued bearing initiatedBy: agent-supply-risk-2 status: Proposed operations: - type: CloseOccurrence occurrenceId: OCC-501 - type: CreateOccurrence componentRevisionId: PART-387-R6 preconditions: - revision: ASM-100-R5 expectedGeneration: 5

Текущее состояние можно было бы оставить в реляционном ядре, дополнив его журналом предметных событий. По событиям RevisionReleased, ClaimValidated или ConfigurationChanged могут обновляться поисковый индекс, граф связей и векторные представления. Эти структуры лучше рассматривать как восстанавливаемые проекции, а не как источник истины. В итоге система сохранит сильные стороны Aras — метаданные, расширяемость, версионирование и полноценные отношения, — но получит более точную временную модель, объяснимые машинные выводы и безопасный механизм участия агентов в управлении жизненным циклом изделия.

Презентация стартапа https://www.bananaz.ai

Сегодня утром на симпозиуме CDFAM по вычислительному проектированию наш директор по научным исследованиям Майкл Фрай представил предварительный обзор новой возможности: Heaviside теперь способен прогнозировать полные трёхмерные электрические и магнитные поля. Это значительный шаг вперёд — от S-параметров к полной картине распределения электромагнитного поля в трёхмерном пространстве.

Продолжает хвалиться. Если честно - не впечатляет, какие-то отдельные свистоперделки, а не что-то системное

PTC хвалится своим ИИ

Chat GPT 5.6 Sol + MecAgent 1.3.0 on CAD (SW 2026). Real-time speed. Доступен для скачивания "CAD macro", однако это требует регистрации в их системе. Впрочем там месяц бесплатно и 30 каких-то кредитов, так что имеет смысл взглянуть. https://mecagent-api-production-4ff2.up.railway.app/import/automation/01kxe97xz7b3qh111nx3cgc2mr Интересно, кажется эта форма настроек генерируется на лету. Но это не точно. Но в любом случае, генерация пользовательского интерфейса под конкретный промпт - это то что мы скоро будем видеть в приложениях с ИИ, даже если в данном случае она все же заранее сделана.

И ещё одно Open CASCADE Technology (OCCT) is a software development platform providing services for 3D surface and solid modeling, CAD data exchange, and visualization. Most of OCCT functionality is available in the form of C++ libraries. OCCT is ideal for developing software dealing with 3D modeling (CAD), manufacturing/measuring (CAM), or numerical simulation (CAE). https://github.com/Open-Cascade-SAS/OCCT

Хозяюшке на заметку replicad — the library to build browser based 3D models with code. https://replicad.xyz

Забавно, на первом месте GPT 5.5, не свежий 5.6, но всё равно опережает Fable Текущий лидер: https://huggingai4engineering-cadgenbench.hf.space/reports/pzfreo_gpt-5-5-build123d-mcp-0-3-59-xhigh-r5_20260627-141619.html

Пускай побудет тут https://cad-ai.tech

author    = {Pyatov, Vladislav and Bobrovskikh, Gleb and Galochkin, Saveliy and Boldyrev, Nikita and Voynov, Oleg and Filippov, Alexander and Ferrer, Gonzalo and Wonka, Peter and Burnaev, Evgeny}

И почему я не удивлён

Обычно в Text-to-CAD пользователь вводит текстовый запрос, а система создаёт простую деталь вроде кронштейна с одним эскизом и одной операцией выдавливания. Это выглядит эффектно при первом знакомстве, но почти не соответствует реальным инженерным задачам, где используются вращение профиля, протягивание по траектории, лофты, скругления, оболочки, отверстия, булевы операции и массивы. И вот в отличии от этого CADFS поддерживает не только связку «эскиз + выдавливание», а 15 различных операций моделирования. При этом сохраняются параметры, зависимости между операциями и ссылки на геометрию. Полученная модель остаётся редактируемой и содержит полноценную историю построения. CADFS — это набор данных, инструменты обучения и модель, которая генерирует параметрические модели в виде кода FeatureScript для Onshape. Результатом становится не сетка и не STEP без истории построения, а исполняемая последовательность операций с параметрами, зависимостями и ссылками на грани и рёбра. Поддерживаются 15 типов операций, включая вращение, протягивание по траектории, лофт, оболочку, отверстия, скругления, фаски, массивы и булевы операции. Набор данных создан из моделей Onshape. Их истории построения преобразованы в очищенный FeatureScript: идентификаторы стабилизированы, единицы и точность нормализованы, неявные параметры сделаны явными. Каждый скрипт повторно выполняется для проверки геометрии. Вместе с кодом хранятся пошаговые описания, изображения с разных ракурсов, STEP и STL. Модель CADFS-2B основана на Qwen2-VL-2B. Она принимает описание последовательности построения или изображения детали с данными о масштабе и выдаёт FeatureScript, который Onshape компилирует в B-rep-модель с редактируемой историей. Это позволяет менять размеры и параметры операций, а не работать с визуально похожей, но структурно пустой геометрией. CADFS пока не проектирует сложные изделия по расплывчатому запросу. Лучше всего система работает с подробным описанием операций. При восстановлении по изображениям она может пропускать элементы, ошибаться в выборе граней и создавать некорректное твёрдое тело. Ценность CADFS состоит в переходе от генерации формы к генерации программы построения. CAD-модель здесь становится кодом, а её создание, выполнение и проверка всё больше напоминают процессы разработки ПО. Плюс ИИ хорошо работает с программным кодом, что облегчает интеграцию. Paper: https://arxiv.org/pdf/2605.01925 Code: https://github.com/VladPyatov/CADFS Dataset: https://huggingface.co/datasets/VladPyatov/CADFS

Вроде бы вот этот инструментарий: https://github.com/Cai-aa/CAE-Agent-Hub

Он же (Chat GPT 5.6 Sol) выполняет automotive 77GHz millimeter-wave radar electromagnetic simulation в CST Studio Suite через его MCP

Китайцы тоже балуются. ChatGPT 5.6 Sol за работой

Исходники LibreCAD: https://github.com/magik6k/LibreCAD-Web OpenSCAD: https://github.com/magik6k/openscad-web FreeCAD: https://github.com/magik6k/FreeCAD-web

история и технические детали реализации https://magik.net/freecad/ Вам месяц нужен чтобы кнопку перекрасить, а кто-то за 4 дня запилил веб версию FreeCAD с помощью ИИ (Fable)