---
name: Agent 路线与多源架构（2026-10-15）
description: dwg_review agent 的总目标、多源图纸分层架构（视觉为最大公约数）、工具层与 agent 层的正交分工、第一步多源证据层与后续路线
type: project
---

# Agent 路线与多源架构

## 总目标（用户 2026-10-15 明确）

实现 **AI 自动识别 + 评审 DWG 图纸**。分阶段：**先 MCP（已完成），再 agent（进行中）**。
最终要支持的图纸来源**不限于自家自定义实体**：

1. 自家软件的自定义实体 DWG；
2. **其他软件出的 DWG**（各种自定义实体）；
3. 将来 **PDF** 图纸；
4. 将来**纯图片**图纸。

## 架构分层（用户认可）

**核心洞察：视觉模型（VLM）是"最大公约数"**。DWG 自定义实体 / PDF / 图片本质是
"拿不到结构化数据时靠视觉理解"的同一件事——**任何图纸只要能渲染成图，VLM 就能审**。
所以结构化数据（ARX 读普通实体）是**增强**，视觉是**兜底**。

```
Agent 推理层（审查逻辑 / 清单 / 规则）
        ▲  统一 evidence schema
感知适配层（能力从高到低降级）
  CAD结构化(ARX) → CAD几何 → 离线解析(DWG/PDF) → 视觉(VLM)
```

- **MCP 工具层只管 CAD**（进程内能力）；**PDF / 图片在 agent 侧**（PyMuPDF / Pillow），
  **不塞进 MCP**、不编 DLL。
- **统一证据模型 + 多源适配 + 能力降级**；agent 推理层不关心来源格式。

**How to apply**：新增"支持某格式"时，优先在 agent 侧感知层加适配器；只有"CAD 进程内的
正交感知能力"才考虑加 MCP 工具。

## 第一步已落地（2026-10-15，提交 `1c9fc72`）

**取证层多源化 + 视觉多图**：

- 新增 `dwg_review/evidence_model.py`：统一证据模型（`source_type` +
  `images:[{b64,mime,label}]`），访问器 `evidence_images()` 兼容旧 `image_b64/image_mime`
  单图字段（历史 evidence.json 仍可读）。
- `phases/evidence.py`：`collect()` 多源分发 seam（当前仅 CAD）、`capture_images()`
  整体 + 等分象限多图（结束**复位视口**）、`sub_windows()`。
- 默认 `EVIDENCE_DETAIL_TILES=4` / `EVIDENCE_MAX_IMAGES=5`（每图框 5 图，**默认开启**）。
- 实测：真实 Plant 3D 图纸上多图让审查更细（多报出线型误用 `CENTER2`、图签块属性为空、
  按 handle 定位的图层混用等）。

## 后续路线（未做）

1. **VLM 主动放大（自适应取证）**：复用受控只读取证子循环，让 VLM 请求放大看不清处。
   - 两条路径：① 按实体 `zoom_to_entity(handle)`（可靠）；② 按区域（需把 VLM 归一化坐标
     映射成 WCS，依赖 grounding，**需先实测 `deepseek-flash` 的 grounding**）。
   - 必须设**迭代上限 + 兜底**；**不把"看清没"完全交给 VLM**（会过度自信/幻觉）。
   - 现有 `zoom_to_window`/`zoom_to_entity`/`get_viewport_screenshot` 已在只读白名单，
     **无需新增工具**。
2. **PDF / 图片源**：在 `phases/evidence.collect()` 加分支，产出**同形** evidence
   （`window=None`、结构化空信封、`images` 带 label）；规划阶段抽象"审查单元"
   （CAD=图框 / PDF=页 / 图片=单）；批注对非 CAD 源降级（`annotator` 已天然跳过无 handle 的 issue）。
3. **审图规范接入**：清单升级为规范库。