如何为 Multi-Agent-CAD 的每个阶段挑选不同模型混合路由策略与成本优化实战【免费下载链接】Multi-Agent-CADMAC (Multi-Agent CAD): A decoupled multi-agent framework for text-to-CAD generation via constrained test-time compute项目地址: https://gitcode.com/gh_mirrors/mu/Multi-Agent-CADMACMulti-Agent-CAD是一个用自然语言直接生成可打印 3D 模型的 text-to-CAD 多智能体框架4 个智能体分工协作token 消耗降低 116 倍、推理成本降低 13 倍。它的核心亮点之一是混合路由Hybrid Routing——流水线 4 个阶段各自独立配置模型、温度与推理开关你可以为「需求解析」挂便宜小模型为「几何设计」用旗舰大模型把每一分钱花在刀刃上。本文带你完整跑通这套模型选择与成本优化策略。一、先搞懂 MAC 的 4 个阶段理解混合路由的前提是理解流水线。MAC 把 text-to-CAD 拆成 4 个阶段由 LangGraph 状态机串联阶段之间只传递紧凑的结构化 JSON不传对话原文阶段智能体输入输出任务难度1Spec Planner自然语言需求CADBriefJSON⭐ 简单2Geometric ArchitectCADBriefArchitectPlanJSON草图/步骤/选择器⭐⭐⭐ 高3Python CoderArchitectPlanbuild123d 代码⭐⭐ 中4Autonomous Skill Loop代码 STEP/STL最终模型 QA 报告⭐⭐⭐ 高正因为交接面只有两个小 JSONCADBrief、ArchitectPlan任意阶段换成什么模型其它阶段都毫无感知——这就是「每个阶段自由选模型」的架构基础。二、模型配置在哪里改所有模型参数集中在multi_agent_cad/config.py一个文件里每个阶段都有独立的四元组MODEL模型 ID、TEMPERATURE、MAX_TOKENS、KWARGS推理开关等额外参数。各阶段配置速查阶段 1SPEC_PLANNER_MODEL/SPEC_PLANNER_KWARGS阶段 2ARCHITECT_MODEL/ARCHITECT_KWARGS阶段 3CODER_MODEL/CODER_KWARGS阶段 4AIDER_MODELAider 主修复带供应商前缀如openai/、anthropic/REPAIR_MODEL直连 API 兜底所有阶段共享DS_BASE_URL端点且 MAC 通过OpenAI 兼容接口调用模型——OpenAI、DeepSeek、Gemini、本地 Ollama 都能直接接入只需换 URL 和模型名。三、每个阶段该怎么挑模型核心原则按任务难度分配模型档位简单任务用便宜模型复杂任务才上旗舰。阶段 1Spec Planner —— 挂最便宜的模型任务只是「读一段话输出结构化 JSON」。这类工作轻量模型甚至本地小模型完全胜任建议云端选该供应商最便宜的入门级模型即可本地Ollama 上的 7B~32B 代码模型也能胜任TEMPERATURE 0.0保证输出确定阶段 2Geometric Architect —— 必须用强模型这是整条流水线最考验空间想象力的一步设计草图、规划拉伸/旋转/布尔运算步骤还要遵守 5 条 Iron Rules如自定义多边形必须给control_points。换弱模型后面的几何错误会成倍放大。默认配置刻意关掉了思维链enable_thinking: False因为该阶段追求 JSON 输出的确定性而非发散推理——这是一个值得学习的成本细节省掉的输出 token 就是省下的钱。阶段 3Python Coder —— 通常「零成本」MAC 用确定性翻译器_plan_to_code位于multi_agent_cad/nodes.py直接把ArchitectPlan翻译成 build123d 代码支持 extrude、hole、布尔运算、阵列、圆角等常见操作全程不花 1 个 token。只有翻译器不覆盖的步骤如拔模、加强筋才留# TODO_AIDER占位符交给 LLM。所以CODER_MODEL只是兜底配置一般保持中档模型即可。阶段 4Aider 修复 —— 按「代码修复能力」选修复循环QA 报告 → 修代码 → 重跑最多 5 轮是真正烧钱的地方选模型的思路擅长代码的模型优先Claude、GPT 系列或旗舰级代码模型AIDER_MODEL改成anthropic/claude-sonnet-4-6即可REPAIR_TEMPERATURE可略高默认 0.3修复问题往往有多条有效路径一点创造性反而更快收敛进阶玩法训练一个只处理「QA 报错 build123d 参考 → 修复补丁」的本地专用模型把最贵的一轮迭代成本打到接近零四、成本优化实战三档推荐组合以单 prompt 为例10 个基准 prompt 的总成本从单智能体基线的 ¥125.69 压到 ¥9.67明细见docs/qwen3.7_token.md。混合路由还能再省三种典型组合供参考组合阶段1阶段2阶段3兜底阶段4适合场景全旗舰默认旗舰旗舰旗舰旗舰追求质量上限性价比推荐入门级旗舰中档旗舰代码模型日常批量生成全本地Ollama 小模型Ollama 32B基本不用本地微调模型零 API 成本几个通用的省钱开关架构阶段关思维链ARCHITECT_KWARGS {extra_body: {enable_thinking: False}}输出 token 直接减半量级利用缓存pipeline_cache/会保存前两阶段的输出重跑同一 prompt 时直接跳过 Spec Planner 和 Architect 两次 LLM 调用秒级重启于 Coder 阶段选对端点本地 Ollamahttp://localhost:11434/v1完全免费适合先验证流程再切云端改错配置想回退执行python -m multi_agent_cad._config_defaults --reset一键还原默认值。五、为什么单智能体做不到这一点单智能体架构里提示词、文档、对话历史深度耦合在同一个上下文里你只能选一个「全能型」模型通吃——既为简单任务多付费也没法针对单点优化。MAC 的结构化交接让单个阶段可以被独立替换哪怕只训一个小模型专读CADBrief输出ArchitectPlan就能把架构阶段的调用成本打下来其余阶段纹丝不动。这种模块化正是「受约束的测试时算力constrained test-time compute」思路的落地。总结按难度分档解析用便宜模型、几何设计用旗舰、代码阶段靠确定性翻译器白嫖、修复阶段挑最会写代码的模型一切配置在multi_agent_cad/config.py四阶段各自独立改完即生效OpenAI 兼容端点让你自由切换云端/本地供应商配合缓存机制与思维链开关单模型成本可以压到基准的 ¥0.3~3 元区间更多阶段设计细节可查阅multi_agent_cad/WORKFLOW.md各阶段提示词模板在multi_agent_cad/prompts/目录下想深入调优时它们是第一手资料。【免费下载链接】Multi-Agent-CADMAC (Multi-Agent CAD): A decoupled multi-agent framework for text-to-CAD generation via constrained test-time compute项目地址: https://gitcode.com/gh_mirrors/mu/Multi-Agent-CAD创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考