CAD 领域的自动化正在从"录屏回放"走向"能决策的 Agent"。三个阶段，本质差异在哪？
阶段一：RPA（规则化脚本）
最早的 CAD 自动化，是"录屏 + 回放"或写死脚本：
- 把工程师的点击序列录下来，下次自动重放；
- 或用宏/脚本批量执行固定操作。
局限：脆弱。模型结构一变、界面一升级，脚本就废。它只能处理"完全相同的重复动作"。
阶段二：参数化 + API 驱动
进步到用 CAD 的 API（CAA/COM）直接驱动建模与出图：
- 不再模拟鼠标，而是调用底层接口；
- 结合参数化建模，改几个参数就能生成新变体。
进步：稳定、可批量。但仍需人把"意图"翻译成"确切的 API 调用序列"——它不会自己判断"该标什么公差"。
阶段三：Agent（能决策的智能体）
Agent 的关键不是"自动执行"，而是在模糊意图下做决策：
工程师说："把这个支架的出图标准按我们公司规范检查一下"
↓
Agent 理解规范 → 调用解析 → 规则引擎判断 → 输出问题清单它把"人翻译意图"这一步也接住了。这正是我们做智能研发助手的切入点：
- 用 COM/CAA 解决"执行"（阶段二的能力）；
- 用 规则引擎 + 大模型 解决"判断"（阶段三的能力）；
- 工程师只做最终确认。
为什么结构设计最适合 Agent
结构工程师的重复劳动，大量是有标准可依的决策——标什么、查什么、写什么，标准里都写了。这恰恰是 Agent 比 RPA 强、又比纯 AI 可靠的中间地带。
*相关阅读：让 AI 操控 CATIA 的实验*