CADViewer-Skill:让 Agent 原生支持 DWG 解析、可视化图统计、图纸导出

0 阅读10分钟

最近一直在创业做 AI 产品,也一直在账号里给大家分享高价值的 AI 开源项目。

这两年被问得最多的一句就是:能不能让 Agent 直接读 DWG?一开始我们都觉得这有什么难的,直到自己拿一张门诊楼图纸去喂模型,才发现 AI Agent 能读 PDF、Word、Excel,却一直啃不动工程圈的 DWG。

但是 CADViewer-Skill 的做法很有意思:把「图纸解析」和「图形预览」绑在一起——结构化数据交给 AI,图形交给人,两边对得上。

一、为什么 DWG 是 AI Agent 最难啃的文件?

现在的 AI Agent 能处理的文件格式越来越多:PDF、Word、Excel、网页、图片,丢进去就能对话、提取信息、总结内容。但工程圈有一个绕不开的硬骨头:DWG 图纸。

DWG 是二进制私有格式,不是明文文本,大模型本身没有原生解析能力。很多工程从业者做 AI 图纸问答,只能走「截图 → 给多模态模型看图」这条路,缺陷非常明显:

  • 截图丢失图层、图块、数量、坐标等结构化原始数据;
  • 文字识别容易出错,图纸密集标注、小字体、特殊符号识别翻车;
  • 无法统计图块数量、区分动态块、导出矢量图纸;
  • 模型只能「看图猜内容」,拿不到图纸底层结构化数据。

之前网上也有不少 CAD 方向的 Skill,但体验普遍一般:大多只是调用解析库,把图纸转成一堆原始文本丢给大模型,没有图形预览界面。AI 读完图纸数据,你还是要自己打开 CAD 软件核对图形,文本和图纸对不上,很难排查问题。

一边是 Agent 需要图纸结构化数据做统计、问答,一边是人需要图形预览核对图纸,两者缺一不可。NewbimAI 的 CADViewer-Skill,就是瞄准这个痛点做的开源方案:Agent 解析图纸 + 可视化预览二合一,工程图纸不再只是一串冰冷文本。

项目来源:NewbimAI 原创开源,分为两个分发产物:便携桌面端、可接入智能体的 Skill 轻量包,全部开源。

二、两套交付物:桌面端 + Agent Skill,一套内核,两种用法

整个项目拆成两个工具,底层能力完全一致,面向两类人群:工程人员直接看图、开发者接入智能体。

Tool1:CADViewer 免安装桌面端

面向工程师、造价、施工人员,Windows 下直接打开,不用安装 CAD、不用装快速看图。

Tool2:CADViewer Skill 轻量技能包

面向 AI 开发者、Agent 玩家,一键注册进 WorkBuddy、OpenCode 这类智能体框架。接入之后,你只需要一句话:帮我解析这张图纸。

Agent 自动拉起解析服务,读取 DWG/DXF、统计图元信息、返回结构化图纸数据;同时在对话面板里直接弹出轻量化图纸预览,不再只有纯文本。Skill 内置统一导出能力,解析完成后可以按需导出:JSON 结构化数据、PNG 高清图、DXF、矢量 PDF。

这是和市面上绝大多数 CAD Skill 最核心的区别:解析能力和图形预览绑定在一起,AI 读数据,人看图,双向对齐。

三、核心能力拆解:图层、图块、导出,工程场景刚需全覆盖

以下都是本机真实运行的画面:仓库 clone 到本地、装依赖、起服务(端口 3727),用一张 24m × 15m 的门诊楼二层平面图(11 个图层、24 类图块、含给排水与轴网)实测。

3.1 基础图纸浏览:上万图元依旧丝滑

支持 DWG、DXF 两种主流工程图纸格式,基础交互对标商用 CAD 快速看图:拖拽打开文件、按钮加载;滚轮缩放、鼠标拖拽平移。重点优化了渲染性能:上万图元的复杂施工图,缩放平移依旧跟手,不会卡顿、掉帧。

3.2 图层显隐 + 聚焦灰显:图纸审查神器

图层是 CAD 工程图纸的核心。这套查看器做了非常直观的聚焦交互:单击图层开关直接控制显示/隐藏;双击图层/图块行,当前选中图层保留原色,其余所有图层全部灰显;单击画布即可还原全部图层显示。

这个交互对审图、算量非常友好:看给排水管线时,其余建筑底图全部淡化;核对单一构件图层,不用手动挨个关闭图层。同时支持图层名称搜索,图纸图层几十上百个时,快速定位目标图层。

3.3 图块统计:解决匿名块、动态块识别难题

先说个比方。图纸里的门窗、插座、灯具,不是一根根线画出来的,而是一块块"预制积木"拼进去的——同一个门,复制粘贴到十几个房间。所谓图块统计,就是数这栋楼里到底用了多少块同型号的积木。造价、算量全靠这个数,数错一块,报价就偏一截。

问题在于,积木有两种"不老实"的:一种是动态块——会变的积木;另一种是匿名块——没贴标签的积木。

图块统计是造价、算量、工程量统计的刚需,也是很多开源 CAD 解析库的短板:识别不了动态块、匿名块,统计数量偏差巨大,没法直接用于算量。CADViewer 做了针对性适配:常规块、动态块都可以准确识别。

Agent 拿到这份结构化图块数据之后,可以直接做工程量统计、构件汇总问答。变更日志里也写明:匿名块支持按「所属块 + 插入点」还原,同一块插入两次也能得到两份几何。

3.4 导出全家桶,四种格式一站式交付

解析完成后,支持四种导出,覆盖工程交付、汇报、二次开发场景:

  • PNG:白底、2 倍高清分辨率,适合汇报 PPT、文档插图;
  • JSON:结构化图纸数据,图层、图块、图元信息,给 Agent 做后续计算、问答;
  • DXF:原始矢量图纸,可放回 CAD 继续编辑;
  • 矢量 PDF:A3 单页,文字转轮廓,避免跨设备字体炸版。

对 Agent 来说,JSON 导出是灵魂:结构化数据喂给大模型,模型才能真正看懂图纸构件、数量、图层关系,而不是单纯看图猜。

3.5 顺带发现的两个实用能力:测量与图纸比对

实测过程中还用到两个不在本文主线、但工程上很常用的能力:

  • 连续长度测量:底部胶囊工具栏可切距离/连续长度/面积/角度/半径/坐标,然后取点带端点、中点、圆心等吸附,实现测量线与数值直接贴在图上、缩放时数值不漂移。
  • 图纸比对:同时打开原图与改造版,并排画布做实体级差异,右侧变更集列出「4 条」——新增墙体 LWPOLYLINE(A-WALL)、新增门 INSERT(A-DOOR)等,每条变更都可定位到图上。

四、技术路线与取舍:为什么不做全能 CAD 编辑器?

它的定位非常克制:只做图纸查看、解析、统计、导出,不做复杂绘图编辑。目标不是复刻 AutoCAD,而是补齐 Agent 生态里缺失的「图纸感知层」:

  • 优先保证解析稳定性和预览可用性,先解决工程人最刚需的看图、图块统计、图层筛选;
  • 做成 Skill 插件化形态,低侵入接入现有 Agent 框架(WorkBuddy),不用改造整套 Agent 基座;
  • 分离两套形态:工程师直接用桌面工具,开发者直接集成 Skill,一套内核复用;
  • 渲染与解析优先面向施工图、机电、建筑图纸,而不是机械模型。

当前明确的边界(重要,避免预期偏差):

  • 平台限制:目前仅支持 Windows,Mac、Linux 暂未适配;
  • 天正图纸限制:原生不支持天正自定义对象,天正图纸需提前转 T3 版本,否则无法识别天正构件;
  • 定位边界:它是图纸查看 + 解析工具,不是 CAD 绘图软件,没有绘制、修改、标注建模能力;
  • 精度边界:适合审图、工程量粗统计、图纸问答辅助,高精度算量仍需商用专业算量软件复核。

当前版本桌面端体验基本对标商用「CAD 快速看图」的浏览体验,作为轻量化开源替代方案完全够用。

五、落地工作流示范:在 WorkBuddy 里用 CADViewer-Skill

  1. 把 CADViewer-Skill 注册进 WorkBuddy;
  2. 上传 DWG 图纸,发送指令:帮我解析这张图纸;
  3. Skill 自动启动解析,面板弹出图纸预览,同时输出结构化 JSON 数据;
  4. 继续追问:统计门窗图块数量、只看给排水图层、导出 PDF;
  5. Agent 调用 Viewer 能力,完成图层筛选、图块统计、导出文件。

对比传统方案:旧方案是 DWG → 截图 → VLM 看图,只能看图、拿不到准确构件数量;CADViewer-Skill 方案是 DWG 底层解析 + 实时预览,结构化数据 + 图形对照,AI 的回答有据可查,随时可以看图核对。

六、适合谁?适合什么场景

✅ 适合:

  • 想给智能体增加 CAD 解析能力的 WorkBuddy / OpenCode 深度用户;
  • 需要轻量化看图工具、不想装笨重 CAD 的工程人员;
  • 想在自己系统里嵌入 DWG 看图、图块统计能力的开发者;
  • 需要图纸解析底座做原型 PoC 的 BIM / 工程 AI 团队。

❌ 不适合:

  • 需要直接编辑绘图、复杂参数化建模;
  • 依赖天正自定义构件、不想转 T3 图纸;
  • Mac / Linux 主力开发环境(当前版本不支持)。

同类方案横向对比(精简版)可在项目仓库查看具体使用方案与区别。

七、写在最后:Agent 的工程化,从读懂图纸开始

最近大量 Agent 项目扎堆做文本、表格、PPT,但面向工程行业的 Agent 生态,一直慢半拍。工程世界的核心资产就是图纸,而图纸绝大多数是 DWG。如果 Agent 读不了 DWG,那它在建筑、机电、造价场景里,始终只能做边角辅助工作。

CADViewer-Skill 没有上来就喊「AI 自动画图」,而是从最基础、最务实的一步做起:让 Agent 能看懂 DWG,同时人能看见图纸。先把图纸解析、图层、图块统计、预览这些基础能力做扎实,再往上叠加图纸问答、工程量汇总、图纸比对等高阶能力。

这个项目的思路很值得参考:Agent 不只是 LLM,它是一套工具编排系统;针对行业特殊格式,需要配套专用 Skill 做格式解析 + 可视化,而不是单纯靠大模型的视觉能力硬猜。

如果你平时也用 Agent 处理 CAD 图纸,或对 DWG 解析、图块统计、图纸比对这类工程化能力有想交流的实现细节,欢迎一起探讨。