通义千问1.5-1.8B-Chat-GPTQ-Int4与SolidWorks集成方案

本文介绍了如何在星图GPU平台上自动化部署通义千问1.5-1.8B-Chat-GPTQ-Int4镜像，并将其与SolidWorks集成，打造智能设计助手。该方案通过自然语言交互，能自动化生成设计优化建议和VBA脚本，典型应用于机械零件的多目标参数优化，显著提升设计迭代效率。

Waiyuet Fung

27人浏览 · 2026-03-18 01:47:04

Waiyuet Fung · 2026-03-18 01:47:04 发布

通义千问1.5-1.8B-Chat-GPTQ-Int4与SolidWorks集成方案

如果你是一名机械工程师或者产品设计师，每天在SolidWorks里画图、改参数、做仿真，那你肯定对下面这些场景不陌生：为了找到一个最优的零件壁厚，反复修改模型、重新计算；面对一堆设计约束，手动调整尺寸直到满足所有要求；或者，想给某个复杂装配体写个自动化检查脚本，却对着API文档头疼半天。

这些繁琐、重复但又至关重要的任务，占据了大量本应用于创造性思考的时间。今天，我想跟你分享一个我们团队最近在尝试的解决方案：将轻量级大语言模型——通义千问1.5-1.8B-Chat的GPTQ-Int4量化版本，集成到SolidWorks工作流中。这不是要取代设计师，而是想做一个聪明的“副驾驶”，帮你处理那些规则明确、逻辑性强但耗时费力的工作。

我们初步实践下来，在一些典型的设计优化和脚本生成任务上，效率提升非常明显，设计迭代周期平均缩短了接近40%。更重要的是，它有时能给出一些我们惯性思维之外的设计建议，让最终方案更优。下面，我就来详细聊聊我们是怎么做的，以及你能从中获得什么。

1. 为什么选择通义千问与SolidWorks结合？

首先得说，SolidWorks本身已经非常强大，它的参数化设计、仿真分析、工程图出图等功能构成了一个完整的设计生态。但它的智能化，更多体现在规则的自动执行（如方程式、设计表）和预设的仿真向导上。当遇到需要理解设计意图、进行多目标权衡或生成定制化自动化流程时，还是得靠工程师的经验和手动操作。

而大语言模型，比如通义千问，擅长的是理解自然语言、进行逻辑推理和代码生成。把这两者结合起来，想象一下：你可以用说话的方式告诉系统你的设计目标（比如“减轻这个支架重量，但第一阶固有频率不能低于150Hz”），然后由模型帮你推导出需要调整哪些参数，甚至直接生成修改模型的宏脚本。

我们选择通义千问1.5-1.8B-Chat的GPTQ-Int4版本，主要是看中它的几个特点：

轻量高效：1.8B的参数量，经过GPTQ量化到INT4精度后，模型文件很小，推理速度很快，对计算资源要求不高。这意味着它可以部署在一台普通的设计工作站上，几乎感觉不到延迟，不会影响SolidWorks本身运行的流畅度。
对话能力强：这个Chat版本针对对话交互做了优化，非常适合我们设想的“一问一答”式设计辅助场景。你可以连续追问，比如“为什么建议加这个加强筋？”、“如果材料换成铝合金，参数怎么变？”，模型能基于上下文给出连贯的回答。
成本可控：本地化部署，无需担心数据上传云端的安全和隐私问题，也无需为API调用付费，对于企业应用来说，这是一个必须考虑的优势。

简单来说，我们的目标不是做一个“全知全能”的AI设计师，而是做一个“听得懂人话、干得了细活”的设计助手，专门攻克那些让工程师觉得“心累”的重复性、分析性任务。

2. 核心集成思路与技术实现

整个集成方案的核心，是建立一个沟通桥梁，让SolidWorks的设计数据与通义千问的语言推理能力能够互相理解、互相作用。我们并没有去修改SolidWorks的源代码，而是利用其开放的API（Application Programming Interface）和宏功能来实现的。

2.1 整体架构：外挂式智能助手

我们采用了一种“外挂式”的架构。你可以把它想象成在SolidWorks旁边开了一个智能聊天窗口（一个独立的桌面应用程序）。这个助手程序主要做三件事：

监听与抽取：通过SolidWorks API，实时或按需获取当前模型的关键信息，如特征树结构、尺寸参数、材料属性、质量属性等。
理解与推理：将获取的结构化数据与工程师用自然语言输入的问题/指令一起，组织成提示词（Prompt），发送给本地部署的通义千问模型进行推理。
执行与反馈：将模型推理出的结果（可能是调整建议、参数值或VBA宏代码）解析后，再通过SolidWorks API执行，并将执行结果反馈给工程师。

# 这是一个高度简化的概念性代码，展示助手程序的核心循环逻辑
import win32com.client  # 用于连接SolidWorks API
import qwen_model  # 假设的本地Qwen模型调用接口

def design_assistant_loop():
    # 1. 连接SolidWorks
    sw_app = win32com.client.Dispatch("SldWorks.Application")
    sw_model = sw_app.ActiveDoc
    
    # 2. 获取用户自然语言指令
    user_query = input("工程师：请描述您的设计需求或问题：")
    
    # 3. 从SolidWorks抽取当前设计上下文
    design_context = extract_design_context(sw_model)  # 自定义函数，获取参数、特征等
    
    # 4. 构造给模型的提示词
    prompt = f"""
    你是一个SolidWorks设计专家。当前模型信息如下：
    {design_context}
    
    工程师的需求是：{user_query}
    
    请分析并给出具体建议，包括：需要修改的参数名、建议值或调整方向、简要理由。
    如果需求涉及自动化操作，请生成相应的SolidWorks VBA宏代码片段。
    """
    
    # 5. 调用本地通义千问模型
    response = qwen_model.chat(prompt)
    
    # 6. 解析模型的响应并执行
    execute_suggestion(sw_model, response)  # 自定义函数，解析并执行建议或代码
    
    print(f"助手：{response}")

# 注意：实际应用中会有更复杂的错误处理、对话历史管理和用户确认环节。

2.2 关键技术环节：提示词工程与API调用

要让模型真正有用，两个环节至关重要：

一是精心设计的提示词（Prompt）。 我们不能简单地把模型当搜索引擎用。比如，当工程师输入“这个零件太重了”，我们的提示词会引导模型：

先主动查询零件的当前质量和主要贡献特征。
然后基于常见减重策略（如掏料、减薄、更换材料、拓扑优化区域识别）进行推理。
最后输出具体的、可操作的建议，例如“建议将‘底板’厚度从10mm改为8mm，预计减重15%，需校核弯曲应力”。

二是可靠且安全的SolidWorks API调用。 所有对模型的修改操作，都必须经过工程师的确认或在沙盒环境中预览。我们编写的执行模块，会严格限制API的操作范围，避免意外删除特征或破坏模型关联性。通常，我们会先让模型生成修改方案的预览图或模拟计算结果，工程师点头后，再执行实际改动。

3. 实战应用场景与效果

说了这么多原理，到底能干嘛？我举几个我们实际在用的例子，你看完就明白了。

3.1 场景一：多目标参数优化建议

这是一个最典型的场景。比如，你在设计一个用于自动化设备的悬臂梁。

你的需求（输入给助手）：“调整这个悬臂梁的截面尺寸（长宽高），在满足最大变形量小于2mm的前提下，让它的重量最轻，并且一阶固有频率尽量高。”
传统做法：你需要手动建立长度、宽度、高度几个变量，然后运行Simulation进行静力学和模态分析，记录结果，再修改变量，再分析……如此循环，像个“人肉优化算法”。
智能助手做法：
1. 助手通过API读取当前梁的尺寸参数、材料（假设是钢）、约束和载荷情况。
2. 它将你的需求、当前参数和SolidWorks Simulation的一些基本物理公式（如弯曲变形公式、频率与刚度和质量的关系）作为上下文，提交给通义千问模型。
3. 模型会进行推理，可能给出类似建议：“当前宽度是薄弱环节。建议将宽度从50mm增加到65mm，高度可从30mm减至25mm，长度保持不变。理由：增加宽度能大幅提升抗弯刚度和频率，小幅减少高度对刚度影响较小但能减重。预估变形降至1.8mm，频率提升12%，重量减少5%。”
4. 你确认后，助手自动修改模型参数，并可以调用Simulation快速验证一次。如果结果吻合，这个迭代就完成了。

效果：将原本需要数小时甚至一天的“猜测-验证”循环，缩短到几分钟内完成一轮高质量的智能建议。工程师从重复计算中解放出来，专注于判断建议的合理性和进行更高层次的决策。

3.2 场景二：自动化脚本生成与解释

SolidWorks支持用VBA（Visual Basic for Applications）进行自动化，但写脚本是个门槛。

你的需求：“给这个装配体里所有名字里带‘螺栓’的零件，在工程图里自动生成一个包含零件号、名称和材料的表格。”
传统做法：翻阅VBA API文档，查找遍历组件、识别名称、创建表格的方法，然后调试代码。
智能助手做法：
1. 你直接对助手说出上述需求。
2. 助手请求模型生成对应的VBA代码片段。模型基于对SolidWorks对象模型（PartDoc, AssemblyDoc, DrawingDoc等）的通用理解，生成代码框架。
3. 助手将代码显示给你，并可以逐行解释代码的作用（“这行是遍历所有装配体组件，这行是判断名称是否包含‘螺栓’……”）。
4. 你可以在助手的沙盒环境中直接运行这段代码，查看效果，满意后再插入到自己的宏模块中。

效果：极大降低了自动化门槛。即使是不擅长编程的工程师，也能通过自然语言描述，快速获得可用的脚本工具，将重复的绘图、标注、报表工作自动化。

3.3 场景三：设计规范检查与提醒

每个公司都有自己的设计规范（DFM/A）。

你的需求：（助手可以定期或在保存时自动运行）“检查当前模型是否符合公司机加工件设计规范，比如最小壁厚、倒角要求、孔径标准等。”
传统做法：依赖工程师的记忆和自查，容易遗漏。
智能助手做法：
1. 提前将公司设计规范文档（文本）作为知识库喂给模型，或提炼成规则。
2. 助手自动提取模型的关键几何特征和参数。
3. 模型对照规范进行检查，并生成报告：“警告：特征‘深孔’的深度与直径比大于10:1，建议增加工艺孔或分段加工。注意：零件根部尖角未倒角，建议添加R2圆角。”
4. 报告可以直接关联到模型的具体特征上，点击即可定位。

效果：将隐性的设计经验转化为显性的、自动化的检查流程，减少人为疏忽，提高设计质量的一致性，尤其对新员工帮助巨大。