AI for Mechanical Design — An Open-Source Failure Case
尝试让大模型完成机械工程设计的开源实验系统：公开源码、系统架构与失败记录，供后来者研究、复盘和借鉴。
Failed experiment · 供研究、批评和代码借鉴 · 不是成熟的机械工程设计产品
项目作者的评价：“这是一个失败案例项目，它甚至不如直接使用大模型直接去做机械工程设计。”
正因为实际结果没有达到作者的预期，作者决定公开系统的实现、架构、过程和失败记录。希望别人能借鉴其中有用的部分，也避免把它误当成已经解决机械设计问题的可靠产品。
以上是作者对本项目实际使用结果的评价。本仓库没有把这个评价包装成经过控制变量、盲测和统计检验的模型对照实验。代码、测试通过记录和复杂架构都不能替代最终工程效果。
下载完整公开归档与校验清单：除本页可浏览的源码外，还提供全部源码历史包，以及保留 376,542 条文件路径、66 个来源根的运行与工作树归档。重复内容按 SHA-256 去重为 89,645 个对象；原有 50 个分支和 20 个历史标签可直接浏览，95 份第三方来源和许可证记录随归档提供。
EAI（Engineering AI System，工程人工智能系统）的目标是让 AI / 大模型完成机械设计：尝试把文字需求、设计参数、CAD 建模、CAE 分析、工程图纸、来源追踪、门禁、审查和交付记录串成流程。它是一套在 Linux/FreeCAD 环境中逐步堆叠出来的机械工程自动化实验，并试图约束大模型及其工具调用。
如果你正在探索“AI 机械设计”“大模型做机械设计”“AI CAD 建模”或“机械设计自动化”，本仓库提供一个可以查看实现和失败过程的案例。你可以从架构导览和失败说明开始，判断哪些实现值得借鉴、哪些路线需要重新验证。
它积累了很多实现和局部测试，但作者不认为这些投入转化成了比直接使用大模型更好的机械工程设计体验或结果。请按失败案例研究它，不要按生产可用产品选型。
公开内容包含原有成功记录和失败记录；候选分支、没有收口的实现、被阻断的流程也具有研究价值。历史文档中出现的“通过”“验收”“权威”等词，应结合当时的版本、范围和证据阅读，不能据此推断整个系统或某个设计产品已经可靠。
| 内容 | 位置 |
|---|---|
| 完整架构与模块关系 | 架构导览 |
| 为什么作为失败案例公开 | 失败说明与证据阅读方法 |
| 公开范围、历史、数据附件与例外 | 发布范围 |
| 附件下载、分片合并和恢复 | 下载说明 |
| 系统主体源码 | src/engineering_ai |
| 工具适配、辅助脚本与部署 | adapters、tools、deploy |
| Agent 定义、提示和流程 | agents |
| 数据合同与门禁 | schemas、gates、validators |
| 能力、来源与准入登记 | capabilities、config、knowledge |
| 项目实例、阶段状态与失败现场 | projects、PROJECT_STATE.md、DECISIONS.md |
| 软件回归测试 | tests |
| 发布前的原始首页 | 原 README |
- 这是原本机系统的公开研究副本，保留了绝对路径、依赖版本、来源哈希、部署耦合及失败关闭逻辑；不是下载后即可完成任意机械设计的一键产品。
- 新机器没有原机器的资格包、合法知识文件、工具版本或权威状态时，相关执行被阻断是原实现的一部分。不要为了跑通示例直接关闭门禁。
- 局部模板生成、软件测试通过、可打开的 STEP、几何外观、求解器执行和制造可用是不同结论。本项目不能代替有资质工程人员对载荷、材料、失效、标准、制造和安全的审查。
- 公开代码不授予任何既有设计的制造发布、采购或正式产品接受权限。
- 本仓库没有提供承诺式维护、可靠性保证或生产支持。
本项目作者有权授权的原创代码和原创文档采用 MIT License。第三方代码、模型、数据和文档继续受其原有许可证约束，不因放入本项目而变成 MIT。
“完整公开”涵盖本项目自有实现和可以合法分发的关联材料，不包括账号密钥、系统凭据、没有再分发权的书籍/标准/厂商正文。相关接入代码、来源记录、哈希和缺件说明会保留；发布副本的脱敏与缺件也会明确记录。详见发布范围。
欢迎借鉴、复核和批评。请不要把这个失败案例重新包装成已被证明优于大模型直接设计的工程系统。
Engineering AI System (EAI) is an experiment in AI for mechanical design: using large language models (LLMs) and engineering tools to connect requirements, design parameters, CAD modeling, CAE analysis, engineering drawings, and review. It is published as a case study for people exploring AI mechanical design, LLM-driven CAD, and mechanical design automation, with source code, architecture, and failed runs available for inspection.
This is an open-source failure case, not a production-ready mechanical engineering system. The project owner's assessment is that it performed worse in practice than using a large language model directly for mechanical engineering design. This is an experience-based assessment, not a claimed controlled benchmark.
The code and architecture are published for inspection, reuse where useful, and criticism. Passing software tests or local acceptance gates does not establish engineering fitness, manufacturability, or safety. Historical candidate implementations and failed runs must be read with their original scope and status. Credentials and third-party content without redistribution rights are excluded and documented. First-party code is MIT-licensed; third-party licenses remain in force.