星宇 Echo

一.立项背景和目标 随着智能制造和数字化转型的深入推进，传统机械结构设计依赖工程师个人经验，存在设计周期长、方案迭代效率低、知识传承困难等问题。本项目立足机械设计领域，提出基于大语言模型（LLM）的智能设计Agent研究，目标是构建机械设计领域知识库，结合RAG（检索增强生成）技术，开发一款能够辅助工程师快速检索设计规范、推荐典型机构方案、进行工程参数分析的智能Agent系统，最终实现机械结构设计的智能化辅助，提升设计效率和方案质量。 二.软件功能及核心功能模块介绍* 本系统核心技术栈包括LLM、RAG、Python后端及Web前端交互。 主要功能模块如下： 1. 知识库构建模块：收集整理机械设计手册、机构原理、设计规范、案例库等专业知识，构建结构化向量数据库。 2. 智能检索与推荐模块：基于RAG技术，实现设计知识精准检索、相似机构方案智能推荐及设计参数优化建议。 3. 参数分析模块：结合LLM推理能力，对推荐方案进行力学性能、运动特性等工程参数初步分析。 4. Web交互系统：搭建用户友好的Web界面，支持自然语言输入查询、方案展示、参数调整及结果可视化。 三、业务流程与功能路径描述 用户通过Web系统以自然语言描述设计需求（如“设计一款用于自动化设备的夹持机构”），系统首先通过RAG从知识库中检索相关设计规范和历史案例，随后调用LLM生成多个机构方案推荐，并提供关键参数分析；用户可进一步与Agent对话进行方案迭代、参数优化；最终输出设计报告和可视化结果。整个流程形成“需求输入→知识检索→方案生成→参数验证→方案输出”的闭环智能辅助路径，显著降低机械设计师的重复劳动，提高创新设计效率。

WMS仓储管理系统主要负责原材料、半成品及成品的入库、出库、库存管理和物流调度。系统通过RFID、条码识别、AGV配送等技术，实现库存实时监控、智能库位分配、物料追溯和数据分析，提高仓储效率，降低运营成本，支撑智能制造生产运行。