MachinaCheck：在AMD MI300X上構建多智能體CNC可製造性分析系統
MachinaCheck是一個基於AMD MI300X的多智能體AI系統，通過上傳STEP文件快速生成CNC可製造性評估報告，無需手動讀取圖紙。系統採用本地化部署保護知識產權，結合幾何解析與LLM推理，可在30秒內完成全套分析。
文章情報
要點
- 傳統CNC車間手工評估圖紙需30-60分鐘，MachinaCheck僅需30秒
- 利用AMD MI300X的192GB顯存實現完全本地化推理，確保客户IP安全
- 架構包括STEP解析器（純Python）和四個Qwen 2.5 7B智能體
- 工具匹配模塊不依賴LLM，採用純邏輯查詢提升效率與可靠性
為甚麼重要
這條新聞值得關注，因為傳統CNC車間手工評估圖紙需30-60分鐘，MachinaCheck僅需30秒。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
MachinaCheck是一個創新的多智能體AI系統，旨在徹底改變小型CNC加工車間的可製造性評估流程。在傳統模式下，車間經理需要手動查看圖紙、測量尺寸、檢查刀具庫存並估算加工能力，整個過程通常需要30到60分鐘。對於每週收到10到20個報價請求的繁忙車間，這意味着管理者每週需花費5至20小時進行可行性分析，且仍有出錯風險。
MachinaCheck解決了這一痛點：用户只需上傳標準的STEP CAD文件，並提供材料類型、所需公差和螺紋規格等簡單輸入，系統即可在30秒內生成完整的可製造性報告，明確告知能否加工、需要哪些刀具、缺少什麼以及生產前應採取的行動。
該系統選擇基於AMD Instinct MI300X構建，並非偶然。製造客户通常簽訂保密協議，其STEP文件包含專有幾何形狀，屬於高度機密的知識產權。MI300X配備192GB HBM3顯存和5.3 TB/s內存帶寬，使得Qwen 2.5 7B Instruct模型可以完全在本地運行，無需將任何數據傳輸到第三方服務器，真正實現了“設計即隱私”。
MachinaCheck的架構包含五個組件，基於LangChain構建並通過FastAPI編排。第一步是STEP文件解析器，使用cadquery（基於OpenCASCADE的Python庫）直接讀取數學幾何，精確提取圓柱孔、平面、倒角、邊界框等特徵，精度達100%。隨後，經過解析的幾何信息與用户輸入一起傳遞給Qwen 2.5 7B模型（運行在AMD MI300X上，通過vLLM提供服務），該模型作為操作分類器，判斷所需CNC操作和刀具，並應用製造領域知識。工具匹配器則是一個純Python組件，直接查詢車間刀具庫存數據庫，執行確定性邏輯匹配，避免LLM帶來的延遲和幻覺風險。匹配結果返回給可行性決策智能體，該智能體也是基於Qwen 2.5 7B，輸出結構化決策結果，包括決策類型（通過/有條件/拒絕）、置信度、原因、行動項和風險標誌。最後，報告生成智能體彙總所有信息，生成專業可製造性報告。
實際測試中，使用來自GrabCAD的真實STEP文件，特徵提取時間不到1秒，完整流程（所有四個智能體）需25至40秒，決策準確率在測試零件上達到100%，且未傳輸任何STEP幾何數據。
項目團隊強調，LLM應僅用於需要推理的任務。工具匹配模塊使用純Python數據庫查詢，而非LLM，因為後者更慢、更昂貴且可靠性更低。同時，提示工程對於結構化輸出至關重要，需精確指導模型生成JSON格式響應。AMD MI300X在此用例中表現出色，其192GB顯存甚至可運行更大的模型（如Qwen 2.5 72B）以進一步提升推理質量。
MachinaCheck由Syed Muhammad Sarmad和Sabari Doss R在2026年5月的AMD開發者黑客馬拉松上構建，項目源代碼和演示已在Hugging Face Spaces和GitHub上公開。