arXiv于2026年7月7日提交了一篇题为《ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation》的论文，作者包括Yunhan Xu在内的13位研究人员。该论文提出了一种名为ArtisanCAD的工业级计算机辅助设计（CAD）智能体，旨在解决现有文本到CAD方法在处理模糊、不完整或仅描述高层设计意图的用户提示时的不足。
ArtisanCAD的核心创新是CAD中间表示（CAD-IR），这是一种可执行的程序化表示，能够编码参数、有序操作、MCP工具绑定、依赖关系、生成实体以及验证规则。CAD-IR承担了两个关键角色：首先，它作为载体，将专家CAD流程蒸馏为可复用的参数化技能；其次，它提供了一个程序化支架，将模糊或中等层次的提示转化为完整的可执行CAD操作。这种设计使得系统能够充分利用工业流程中自然存在的专家知识，如CATIA操作记录、宏日志、图纸注释和工程描述。
该智能体的工作流程包括：检索专家衍生的技能、实例化和修订CAD-IR、通过专用CATIA-MCP后端执行生成的程序，并利用多视图视觉反馈进行迭代优化，最终生成生产就绪的B-Rep模型。这一流程确保了从用户意图到可编辑参数化模型的端到端转化，同时保证了模型的工业级质量。
实验结果表明，在Text2CAD基准测试中，CAD-IR显著提升了中间提示的生成质量，将平均倒角距离从14.83降至9.88，展示了其在弥合模糊文本意图与可执行CAD构建之间差距的能力。此外，在四个复杂的汽车部件上，CAD-IR使得专家CATIA录制内容能够被蒸馏为可复用技能，从而使ArtisanCAD能够针对新的变体需求生成可编辑的CATIA原生B-Rep模型。该论文已被收录于cs.AI和cs.GR主题，可通过arXiv:2607.05750访问。