MachinaCheck：在AMD MI300X上构建多智能体CNC可制造性分析系统
MachinaCheck是一个基于AMD MI300X的多智能体AI系统，通过上传STEP文件快速生成CNC可制造性评估报告，无需手动读取图纸。系统采用本地化部署保护知识产权，结合几何解析与LLM推理，可在30秒内完成全套分析。
文章情报
要点
- 传统CNC车间手工评估图纸需30-60分钟，MachinaCheck仅需30秒
- 利用AMD MI300X的192GB显存实现完全本地化推理，确保客户IP安全
- 架构包括STEP解析器（纯Python）和四个Qwen 2.5 7B智能体
- 工具匹配模块不依赖LLM，采用纯逻辑查询提升效率与可靠性
为什么重要
这条新闻值得关注，因为传统CNC车间手工评估图纸需30-60分钟，MachinaCheck仅需30秒。
技术影响
可能影响模型选型、推理成本、产品能力和评测基准。
MachinaCheck是一个创新的多智能体AI系统，旨在彻底改变小型CNC加工车间的可制造性评估流程。在传统模式下，车间经理需要手动查看图纸、测量尺寸、检查刀具库存并估算加工能力，整个过程通常需要30到60分钟。对于每周收到10到20个报价请求的繁忙车间，这意味着管理者每周需花费5至20小时进行可行性分析，且仍有出错风险。
MachinaCheck解决了这一痛点：用户只需上传标准的STEP CAD文件，并提供材料类型、所需公差和螺纹规格等简单输入，系统即可在30秒内生成完整的可制造性报告，明确告知能否加工、需要哪些刀具、缺少什么以及生产前应采取的行动。
该系统选择基于AMD Instinct MI300X构建，并非偶然。制造客户通常签订保密协议，其STEP文件包含专有几何形状，属于高度机密的知识产权。MI300X配备192GB HBM3显存和5.3 TB/s内存带宽，使得Qwen 2.5 7B Instruct模型可以完全在本地运行，无需将任何数据传输到第三方服务器，真正实现了“设计即隐私”。
MachinaCheck的架构包含五个组件，基于LangChain构建并通过FastAPI编排。第一步是STEP文件解析器，使用cadquery（基于OpenCASCADE的Python库）直接读取数学几何，精确提取圆柱孔、平面、倒角、边界框等特征，精度达100%。随后，经过解析的几何信息与用户输入一起传递给Qwen 2.5 7B模型（运行在AMD MI300X上，通过vLLM提供服务），该模型作为操作分类器，判断所需CNC操作和刀具，并应用制造领域知识。工具匹配器则是一个纯Python组件，直接查询车间刀具库存数据库，执行确定性逻辑匹配，避免LLM带来的延迟和幻觉风险。匹配结果返回给可行性决策智能体，该智能体也是基于Qwen 2.5 7B，输出结构化决策结果，包括决策类型（通过/有条件/拒绝）、置信度、原因、行动项和风险标志。最后，报告生成智能体汇总所有信息，生成专业可制造性报告。
实际测试中，使用来自GrabCAD的真实STEP文件，特征提取时间不到1秒，完整流程（所有四个智能体）需25至40秒，决策准确率在测试零件上达到100%，且未传输任何STEP几何数据。
项目团队强调，LLM应仅用于需要推理的任务。工具匹配模块使用纯Python数据库查询，而非LLM，因为后者更慢、更昂贵且可靠性更低。同时，提示工程对于结构化输出至关重要，需精确指导模型生成JSON格式响应。AMD MI300X在此用例中表现出色，其192GB显存甚至可运行更大的模型（如Qwen 2.5 72B）以进一步提升推理质量。
MachinaCheck由Syed Muhammad Sarmad和Sabari Doss R在2026年5月的AMD开发者黑客马拉松上构建，项目源代码和演示已在Hugging Face Spaces和GitHub上公开。