💻 computer science

Verication-driven closed-loop multi-agent large language modelframework for code-compliant structural design

本文介绍了一种验证驱动的闭环多智能体大语言模型框架，该框架通过集成外部基于物理的验证器与双节点修复机制，将代码违规转化为可操作的约束，从而在提高结构设计代码合规性与安全性的同时，显著降低了材料使用量。

原作者： Jianbin Luo, Weibin Lin, Yiran Lin, Qing Wei, Wei Guo

发布于 2026-08-11

📖 1 分钟阅读☕ 轻松阅读

原作者： Jianbin Luo, Weibin Lin, Yiran Lin, Qing Wei, Wei Guo

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

数字建筑师的安全网

想象一下，你正在试图教一个超级聪明的机器人如何建造一座桥梁。你给机器人一个语言模型——一个经过数百万本书籍、文章和蓝图训练的大脑——让它能够理解你的需求并“构思”出一个设计方案。这就是**大语言模型（LLMs）**的世界。它们在写故事、编写软件甚至用简单的语言解释复杂的物理学方面表现得非常出色。但问题在于：LLM 是语言大师，而非物理学大师。它可以描述一座听起来完美的桥梁，使用所有正确的专业术语，但如果你真的按照这个设计去建造，它可能会坍塌，因为数学逻辑并不成立。这就是所谓的“幻觉”——机器人的语气很自信，但结论是错误的。

在现实世界中，特别是在建造摩天大楼或桥梁时，“大致正确”是远远不够的。你需要规范符合性（code compliance），这意味着设计必须严格遵守规则手册（建筑规范），以确保安全。几十年来，工程师一直使用计算机来检查这些规则，但将人类的想法转化为计算机模型并进行检查的过程一直既缓慢又依赖人工。研究人员提出的核心问题是：我们能否制造出一种 AI，它不仅能猜想出一个设计，而且实际上能检查自己的工作，并在触碰任何钢材之前就修正自己的错误？这篇论文深入探讨了这一挑战，试图将一个“能言善辩”的 AI 转变为一个可靠、具有安全意识的工程师。

“自我修正”陷阱与魔法循环

研究人员从一个常见的想法开始：也许只要要求 AI “检查自己的工作”并重试，它就会变得更好。但他们发现了一些令人惊讶的事实。当他们让 AI 在没有外部帮助的情况下尝试修复自己的错误时，AI 往往会让情况变得更糟，或者只是在原地打转。这就像要求一个数学考试不及格的学生在没有老师或计算器的情况下“再试一次”；他们可能只是带着更强的自信心写下同一个错误的答案。论文指出，仅靠自我修正对于安全至关重要的任务来说是不可靠的。

相反，团队构建了一个由验证驱动的闭环框架（verification-driven closed-loop framework）。不要把它仅仅看作一个学生，而要把它看作一支拥有极其严格、不眨眼的监察员的施工队。该系统的工作原理如下：

梦想家（AI）： 一个 AI 智能体团队协作设计一个结构，例如一根梁或一个桁架。
检查员（物理验证器）： 在设计被批准之前，它会被发送到一个“硬核”计算机程序（有限元求解器）中，该程序充当物理模拟器。这不是 AI 在瞎猜，而是一个计算结构在重量和压力下会如何表现的数学引擎。
规则手册（规范检查器）： 第二个工具会根据实际的建筑规范（如针对混凝土的 GB 50010 和针对钢材的 GB 50017）来检查设计。
循环： 如果设计失败，系统不仅仅是说“再试一次”。它会向 AI 发送一条具体的备注：“你的梁太薄了，薄了 21%”或者“应力过高”。然后，AI 利用这些硬性数据调整设计并再次尝试。这个循环不断重复，直到设计通过了每一项测试。

他们的发现：从“也许”到“肯定”

团队在涉及五种结构类型的 44 个不同设计案例上测试了这个系统，包括简支梁、悬臂梁、连续梁、桁架和框架。结果非常显著。

当他们让 AI 在没有这种严格循环的情况下工作（“开环”方法）时，AI 只有 56.8% 的时间能得到正确的设计。这意味着近一半的时间，AI 提交的设计违反了安全规则。但一旦他们开启了带有外部物理检查员的闭环系统，成功率飙升至 98.6%。

这不仅关乎通过，还关乎效率。经过该循环设计的 AI 使用的材料比那些没有经过循环的设计减少了约 5.8%。这意义重大，因为这意味着 AI 学会了停止“过度设计”（为了安全而把东西做得过于庞大），并找到了一个“甜点区”，即结构既安全又节省资源。设计的整体质量得分从 63.8 提升到了 71.4。

“双节点”修复是如何运作的

论文将修复过程分解为两个不同的“节点”或阶段，它们就像工具箱中的不同工具：

节点 1（硬性修复）： 如果设计违反了规则（例如梁弯曲过度），该节点将其视为硬性约束。它告诉 AI：“你必须把它做大。”这就像一位严厉的教练说：“跑，直到你能做到正确为止。”这一步修复了那些严重的、危险的错误。
节点 2（软性润色）： 一旦设计变得安全，该节点会查看一个四维评分（安全性、成本、效率和可持续性）。如果评分较低，它会轻轻地推动 AI 微调设计，使其变得更好，而不会冒安全风险。

研究人员发现，节点 1 为最初出错的设计承担了主要修复工作，而节点 2 则负责对已经安全的设计进行润色。如果移除其中任何一个节点，系统的性能都会下降，这证明了“硬性修复”和“软性润色”两者都是必要的。

“黑箱”问题已得到解决

关于 AI，人们最大的担忧之一是它是一个“黑箱”——你得到了一个答案，但不知道其背后的原因。这个系统解决了这个问题。由于使用了检索增强生成（RAG）系统，每当 AI 犯错时，它不仅仅是说“错了”，它还会调出被违反的建筑规范的具体页码和段落。这就像一个学生在答错题时，可以指向教科书中解释该规则的具体句子。这使得 AI 的决策是可审计的且可追溯的。

局限性与未来

论文非常诚实地说明了该系统目前还不能做的事情。AI 擅长调整梁的大小或钢材的数量（参数），但如果原始形状本身存在根本性缺陷，它无法重新设计整个建筑的形状（拓扑结构）。例如，如果 AI 试图修复一座对于需要跨越的间隙来说过短的桥梁，无论如何调整梁的大小都无济于事。在这种情况下，系统会“大声失败”——它会停止运行并告知人类工程师：“我无法修复这个，你需要更改设计。”它拒绝给出危险的答案。

研究人员还测试了这是否适用于不同的 AI 大脑（从一个大型模型切换到另一个模型）。他们发现，无论使用哪种 AI 模型，成功率都保持不变。这表明，安全性来自于外部物理验证器，而不是取决于 AI 是否更“聪明”。是安全网，而不是杂技演员，保证了表演的安全。

总结

这篇论文表明，我们不能仅仅依靠 AI 通过“思考”来创造一座安全的建筑。相反，我们需要建立一个这样的系统：由 AI 进行创意工作，但由一个严格的、基于数学的检查员检查每一个步骤。通过闭合“制造”与“检查”之间的环路，研究人员将一个成功率仅为 56.8% 的系统，变成了一个成功率高达 98.6%、材料利用率更高且完美遵循规则的系统。这是迈向未来的一步——在那个未来，AI 不仅仅是在谈论工程，而是真正帮助为每个人建造更安全、更智能、更高效的结构。

技术摘要：面向合规结构设计的验证驱动闭环多智能体大模型框架

1. 问题陈述

结构设计需要在严格的代码约束下，在安全性与经济性之间进行迭代平衡。虽然 CAD、BIM 和有限元软件（如 SAP2000、ANSYS）等工具在建模与分析方面已趋于成熟，但依赖专业判断的关键步骤——将意图转化为参数、解读规范条款以及协调计算结果——仍然是人工操作的瓶颈。

将大语言模型（LLM）直接应用于这些任务面临着根本性的可靠性问题：LLM 是语言模型，而非力学求解器。它们经常生成逻辑连贯但物理上不合理或违反规范的设计（即“幻觉”）。近期研究表明，缺乏外部反馈的 LLM 自我修正是不可靠的，甚至可能降低性能。因此，对于安全性至关重要的工程设计，不能依赖未经验证的 LLM 输出或无引导的自我反思。目前缺乏能够集成外部基于物理的验证器，并以此驱动自动、定向改进的闭环修复机制的框架。

2. 方法论

作者提出了一种验证驱动的闭环多智能体框架，该框架通过外部仲裁机制取代了 LLM 的自我修正。系统构建在三层架构（表现层、业务层、工具层）之上，并利用由任务编排器（PlanningFlow）驱动的五阶段状态机。

核心组件

多智能体系统：
- 结构设计智能体 (StructuralDesignAgent)： 理解需求与参数。
- 有限元分析智能体 (FEAnalysisAgent)： 执行有限元分析（使用 OpenSeesPy）并进行规范检查。
- 评估智能体 (EvaluationAgent)： 进行四维评估及基于 RAG 的规范溯源。
- CAD 绘图智能体 (CADDrawingAgent) 与报告生成智能体 (ReportGenerationAgent)： 处理输出生成。
  各智能体通过结构化的 JSON 合约进行通信，确保各阶段间的数据完整性。
三层有限元可信度验证系统：
为防止错误传播，框架实施了深度防御策略：
- 第一层（引擎精度）： 通过针对解析解或独立 ANSYS 模型的回归测试，确保有限元封装器的准确性（容差 < 1–3%）。
- 第二层（模型构建）： 对节点连接性、边界条件和荷载施加进行预分析验证，并结合几何预览供人工确认，以捕捉参数误读。
- 第三层（结果合规性）： 针对极限值（挠度、应力、细长比）进行静态规范检查，生成结构化的违规列表。
双节点闭环反馈机制：
系统并非采用开环生成，而是通过两个连续节点驱动修复：
- 节点 1（硬约束修复）： 若存在规范违规，则将其转化为带有特定约束的修复提示（例如：“将截面高度增加 X%”）。LLM 进行迭代（最多 $k_{max}=10$ 次），直到解决违规问题。这使盲目重试转变为定向修复。
- 节点 2（软约束优化）： 在符合规范后，计算四维评分（安全性、经济性、效率、可持续性）。若得分低于阈值，系统将在安全优先的约束下生成多个候选方案，并通过独立验证选择最优方案，进而优化设计。
可追溯的 RAG 规范库：
使用 ChromaDB 索引中国建筑规范（GB 50010、GB 50017）的检索增强生成（RAG）系统。违规行为会被溯源至具体条款，且引文会被嵌入报告中，确保可审计性。
四维评估：
设计根据安全性、经济性、结构效率和可持续性进行评分。权重通过透明、可审计的两因子程序确定，该程序基于失效后果严重程度和经济优化潜力。

3. 主要贡献

本文解决了现有文献中的三个具体空白：

闭合生成-验证环路： 不同于依赖人工干预或无引导重试的开环多智能体系统，本框架将外部基于物理的反馈注入到自动、定向的修复环路中。
三层验证： 引入了一种通用的 LLM 驱动工程验证模板，该模板不仅验证引擎，还验证模型构建和最终结果，而非仅进行事后对比。
可解释性与可审计性： 通过 RAG 确保每项违规都能追溯到具体的规范条款，并使用透明的权重进行质量评估，使 AI 的决策过程具备可审计性。

此外，作者开源了完整的框架、包含 44 个案例的基准测试以及所有的实验脚本。

4. 实验结果

该框架在涵盖五种结构类型（简支梁、悬臂梁、连续梁、桁架和框架）的 44 个参数化案例上进行了评估。

合规性提升： 闭环框架 (B4) 实现了 98.6% 的规范合规率，较之开环基准 (B1–B3) 的 56.8% 有显著提升。该差异具有统计学意义 ( $p < 10^{-6}$ )。
设计质量： 综合评分从 63.8（开环）提升至 71.4（闭环）。
经济性： 在保持合规的前提下，该框架减少了约 5.8% 的材料使用量，这表明它避免了开环尝试中为了确保安全而常见的过度设计现象。
节点贡献：
- 节点 1 承担了非合规场景中大部分的增益（负责修复可行性），贡献了约 8.2 分。
- 节点 2 在已合规场景中提供质量优化，贡献了约 1.8 分。
- 消融实验证实，移除任一节点都会显著降低性能（移除节点 1 使合规率降至 ~71%；移除节点 2 则降低了质量评分）。
模型独立性： 将主干 LLM（DeepSeek V4）更换为 Claude Sonnet 4.6 后，合规率或评分均未出现统计学上的显著差异，这表明驱动可靠性的是验证环路而非特定的 LLM。
识别出的局限性： 框架无法修复源于结构拓扑（例如受力路径较差的框架配置）的缺陷；它是在固定拓扑下优化参数。在拓扑本身存在问题的情况下，系统会通过明确的警告进行“大声失败”（fail loudly），而非静默交付一个不合规的设计。

5. 意义与主张

本文主张，LLM 驱动结构设计的可靠性并非通过更强大的模型实现，而是通过利用外部验证器闭合“生成-验证”环路来实现。

范式转变： 本研究表明，单纯增加智能体数量或使用 ReAct 模式并不能提高可靠性；关键因素在于集成一个基于物理的外部仲裁机制。
实际应用价值： 该系统扮演的是“可验证助手”而非“自主设计者”的角色。当结构拓扑合理，挑战在于构件尺寸和规范合规性时，该系统最为有效。
安全第一： 通过“大声失败”（即通过明确标记由于拓扑限制导致的非合规情况，而非静默通过错误）而非静默传递错误，该框架符合安全性至关重要的工程要求，将最终判断权留给人类工程师。
效率： 自动化过程将设计时间从数小时缩短至数分钟（每个任务约 5–12 分钟），且成本极低（每个任务约 0.05 元人民币），使其成为工程工作流中可行的工具。

作者总结道，尽管目前的范围限于平面线性弹性系统和参数调整，但所提出的三层验证系统和闭环机制，为其他安全性至关重要的工程领域提供了可推广的可靠 AI 模板。