arXiv於2026年7月7日提交了一篇題為《ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation》的論文，作者包括Yunhan Xu在內的13位研究人員。該論文提出了一種名為ArtisanCAD的工業級計算機輔助設計（CAD）智能體，旨在解決現有文本到CAD方法在處理模糊、不完整或僅描述高層設計意圖的用户提示時的不足。
ArtisanCAD的核心創新是CAD中間表示（CAD-IR），這是一種可執行的程序化表示，能夠編碼參數、有序操作、MCP工具綁定、依賴關係、生成實體以及驗證規則。CAD-IR承擔了兩個關鍵角色：首先，它作為載體，將專家CAD流程蒸餾為可複用的參數化技能；其次，它提供了一個程序化支架，將模糊或中等層次的提示轉化為完整的可執行CAD操作。這種設計使得系統能夠充分利用工業流程中自然存在的專家知識，如CATIA操作記錄、宏日誌、圖紙註釋和工程描述。
該智能體的工作流程包括：檢索專家衍生的技能、實例化和修訂CAD-IR、通過專用CATIA-MCP後端執行生成的程序，並利用多視圖視覺反饋進行迭代優化，最終生成生產就緒的B-Rep模型。這一流程確保了從用户意圖到可編輯參數化模型的端到端轉化，同時保證了模型的工業級質量。
實驗結果表明，在Text2CAD基準測試中，CAD-IR顯著提升了中間提示的生成質量，將平均倒角距離從14.83降至9.88，展示了其在彌合模糊文本意圖與可執行CAD構建之間差距的能力。此外，在四個複雜的汽車部件上，CAD-IR使得專家CATIA錄製內容能夠被蒸餾為可複用技能，從而使ArtisanCAD能夠針對新的變體需求生成可編輯的CATIA原生B-Rep模型。該論文已被收錄於cs.AI和cs.GR主題，可通過arXiv:2607.05750訪問。