Hacker News · 27.06.2026 ·Инфраструктура для агентов

Автономный цикл проектирования и оптимизации CAD-моделей с помощью локальных LLM

Разработан агентный пайплайн, автоматизирующий процесс проектирования квадрокоптерных пропеллеров. Система объединяет локальные языковые модели с инженерным ПО для итеративной оптимизации геометрии деталей. Агент самостоятельно генерирует CAD-файлы, запускает симуляции в OpenFOAM для анализа аэродинамических характеристик и корректирует параметры конструкции на основе полученных данных, замыкая цикл проектирования без участия человека.

Решение демонстрирует возможности интеграции LLM в инженерные рабочие процессы, где требуется высокая точность и соблюдение физических ограничений. Вместо использования облачных API, агент работает локально, что обеспечивает конфиденциальность данных и отсутствие затрат на инференс. Процесс включает генерацию кода на Python для управления параметрическим моделированием, что позволяет динамически изменять форму пропеллера для достижения оптимальной тяги и эффективности.

Использование локальных моделей в связке с инструментами вычислительной гидродинамики (CFD) открывает путь к созданию автономных R&D-систем. Такой подход позволяет проводить сотни итераций проектирования в автоматическом режиме, сокращая время разработки прототипов. Система является примером агентной архитектуры, ориентированной на решение прикладных инженерных задач с использованием специализированного софта.

Ключевые факты

В качестве основного инструмента для симуляции физических процессов используется пакет OpenFOAM.
Агент выполняет полный цикл: генерация CAD-геометрии, запуск CFD-расчетов и анализ результатов.
Система функционирует полностью локально, исключая зависимость от внешних проприетарных моделей.
Проект ориентирован на автоматизацию оптимизации аэродинамических характеристик пропеллеров квадрокоптеров.
Реализация опирается на итеративный цикл обратной связи, где результаты симуляции служат промптом для следующей корректировки модели.

Источник: Hacker News

Обсудить с ИИ

Похожие материалы

arXiv · ИИ в бизнесе ИИ-агент для автоматизации проектирования фотонных компонентов Исследователи представили агентную систему на базе большой языковой модели, предназначенную для автоматизированного проектирования кремниевых фотонных устройств, в частности направленных ответвителей. В отличие от традиционных методов, где инженер вручную подбирает параметры, LLM берет на себя роль оркестратора процесса. Она самостоятельно формирует гипотезы о геометрических размерах компонентов, таких как ширина зазора, и направляет запросы к специализированному программному обеспечению для проведения численного моделирования. Hacker News · Инфраструктура для агентов LLM-d: распределенный инференс больших языковых моделей Проект LLM-d предлагает архитектурное решение для распределенного запуска LLM, позволяя объединять вычислительные мощности нескольких узлов для инференса моделей, которые не помещаются в память одного GPU. Система использует механизм разделения весов модели между участниками сети, что снижает требования к локальному «железу» и позволяет запускать тяжелые архитектуры на потребительском оборудовании. Hacker News · Инфраструктура для агентов Modelplane: open-source решение для управления ИИ-инференсом Проект Modelplane представляет собой open-source control plane, предназначенный для централизованного управления инфраструктурой инференса больших языковых моделей. Инструмент позволяет абстрагировать процесс развертывания моделей, обеспечивая унифицированный интерфейс для взаимодействия с различными вычислительными мощностями и облачными провайдерами. Основная задача системы — упростить масштабирование и маршрутизацию запросов между различными инстансами моделей, что критически важно при построении сложных агентных систем. Hacker News · Обучение и дообучение Оптимизация локального обучения и инференса LLM с Unsloth Библиотека Unsloth позволяет значительно ускорить процесс дообучения и запуска популярных языковых моделей на локальном оборудовании. Инструмент оптимизирует использование видеопамяти и повышает скорость вычислений при работе с архитектурами Llama, Mistral и Phi. За счет переработки алгоритмов градиентного спуска и использования специализированных ядер CUDA, разработчики добиваются снижения потребления ресурсов до 70% при сохранении точности весов. GitHub · Оркестрация агентов Looper: визуальное проектирование и ревью агентных циклов для Claude Code Looper — это инструмент для визуального проектирования и предварительного контроля агентных циклов в среде Claude Code. Он позволяет разработчикам проектировать логику работы агента и устанавливать точки ручного подтверждения (review-gated) перед выполнением каждой итерации, что помогает избежать неконтролируемого расхода токенов и ошибок в автономных процессах разработки. Hacker News · Инфраструктура для агентов YAML-ориентированный инструмент для автоматизации процессов с поддержкой LLM Представлен инструмент для создания автоматизированных пайплайнов, позволяющий описывать логику выполнения задач с помощью YAML-конфигураций. Система ориентирована на локальное исполнение и интеграцию шагов, основанных на работе больших языковых моделей, непосредственно в рабочие процессы. Такой подход позволяет разработчикам формализовать последовательность действий агента, где каждый этап может включать вызов модели для обработки данных, принятия решений или трансформации контента. Hacker News · Инфраструктура для агентов Оптимизация стоимости и безопасности в агентных рабочих процессах Разработан новый подход к проектированию агентных систем, направленный на снижение затрат на инференс и повышение предсказуемости поведения моделей. Основная идея заключается в переходе от использования тяжелых LLM для выполнения всех этапов задачи к многоуровневой архитектуре, где сложные логические операции делегируются специализированным компактным моделям или жестко заданным алгоритмическим модулям. Hacker News · Инфраструктура для агентов ModelFit: инструмент для оптимизации стоимости инференса в разработке ModelFit — это утилита для подбора наиболее экономически эффективных LLM, способных выполнять задачи, делегированные основной «тяжелой» модели в процессе написания кода. Инструмент позволяет разработчикам автоматически находить баланс между качеством генерации и затратами на API, подбирая оптимальную альтернативу для простых задач, что критически важно при масштабировании агентных систем и сложных пайплайнов разработки. Hacker News · Инференс и железо Запуск LLM через минималистичный Python CLI с помощью Flama Команда Flama представила инструмент командной строки для упрощенного развертывания больших языковых моделей. Решение позволяет запускать инференс LLM с минимальными настройками, минимизируя количество зависимостей и конфигурационных файлов. Инструмент ориентирован на разработчиков, которым требуется быстрый способ организации API для локальных или облачных моделей без использования тяжеловесных фреймворков и сложных систем оркестрации. MarkTechPost · Инфраструктура для агентов Создание легковесного ИИ-агента с поддержкой MCP и сессионной памяти Опубликовано руководство по сборке компактного ИИ-агента в среде Google Colab, демонстрирующее архитектурные принципы построения автономных систем. Проект охватывает реализацию ключевых компонентов: абстракцию провайдеров, систему регистрации инструментов, механизмы сессионной памяти, жизненный цикл задач и интеграцию с серверами MCP. Вместо использования готовых фреймворков автор предлагает реализовать каждый блок с нуля для глубокого понимания взаимодействия компонентов.

← Все материалы