拿到一个新 CAD 模型，想让 AI 直接找出企业过去设计过的相似零件，少翻文件、少猜名称。这件事单靠大语言模型做不到——LLM 不会比较两个零件的几何形状，还需要专门的几何检索工具配合。

Synera 与 HOOPS AI 的集成给出了一个可参考的实现路径：工程师通过对话提出需求，工程智能体调用几何检索流程，再返回相似模型。2026 年 7 月，Tech Soft 3D 已公布由 HOOPS AI 支撑的 Synera Advanced AI 插件发布消息。

Synera 里从一句话到返回相似零件的完整流程

Synera 是一家德国工程软件公司，平台用可视化节点连接工程工具、组织工作流，并引入 AI 智能体做任务编排：工程师把多步操作组织成流程，智能体根据请求调用。

演示中的操作序列是这样的：

1. 系统接收"初始化数据库"指令，执行对应流程
2. 演示者输入五个 STEP 文件，系统将零件形状转化为用于检索的向量记录
3. 向量记录加入数据库，返回编号
4. 演示者要求查找与某个支架相似的零件，系统根据对话上下文确定对象
5. 调用检索流程，返回对应记录及模型截图

图1 在 Synera 中通过对话发起相似零件检索，结果带模型截图

这段演示的关键在于分工：对话上下文和工具调用由智能体组织，实际的几何比较由检索工具完成。

HOOPS AI 的形状嵌入：给 CAD 模型生成"几何指纹"

找相似零件，首先要有比较形状的手段。仅凭文件名、标签或文字描述，判断不出两个 CAD 模型在几何上是否接近。

HOOPS AI 提供的能力是"形状嵌入"：把几何形状编码成一组用于比较的数字（向量），再通过相似性搜索找出候选模型。讲者把它比作"指纹"——但它不是零件的唯一身份证，也不代表系统已掌握完整设计意图。

这类应用的标准结构：

环节	做什么	输出
编码	为每个模型生成向量	向量记录
索引	向量入库并建立索引	可检索的数据库
关联	保留向量与原模型记录的对应关系	能定位回具体零件
查询	目标模型向量与已有记录比较	相似候选列表

注意： 检索结果要能定位回具体零件，向量与原模型记录的对应关系必须维护好。这是开发团队自己的事，HOOPS AI 不会自动完成。

检索效果怎么验证？开发团队要自己做这几步

在 Synera 案例中，HOOPS AI 承担几何编码与检索；对话编排、业务流程由 Synera 的应用环境组织。开发团队仍需准备模型数据、维护记录关联，并验证检索结果。

一个可照做的验证方法：

• 选定一组业务上认可的相似零件作为基准集
• 逐一检索，检查它们能否进入搜索结果
• 分析遗漏和不相关的候选，判断现有模型是否适用
• 再决定是否需要针对自有数据进一步训练

找到相似零件之后，设计复用怎么继续？

检索最直接的用途是为设计复用提供候选：先找到值得查看的已有模型，再判断哪些结构可参考、哪些差异要处理。

如果企业已把零件与历史资料建立关联，检索结果还能成为工程知识的入口——找到相似零件后，调取对应的制造工艺、历史成本或采购记录。这需要上层系统接通业务数据。

图2 Synera 通过可视化工作流组织数据库初始化、几何记录添加与相似零件检索

易错点： 形状相似不代表可以直接复用全部经验。材料、公差、载荷和制造要求都可能不同，历史信息能否用于新任务，仍需规则检查和工程判断。

FAQ

Q：形状嵌入是不是给每个零件一个唯一 ID？

A：不是。它是用于相似性比较的向量，可以理解为"指纹"，但不具备唯一身份属性，也不包含完整设计意图。

Q：检索返回的相似零件能直接复用吗？

A：不能直接复用。几何接近只是线索，材料、公差、载荷、制造要求需逐项核对后再判断。

Q：怎么判断几何检索在自己的数据上好不好用？

A：先准备一组业务认可的相似零件基准集，检查召回与误报，再决定是否用自有数据进一步训练。

写在最后

• 对话发起、智能体编排、几何检索三件事各管一段，HOOPS AI 负责其中的形状编码与相似性搜索
• 向量与原模型记录的对应关系、检索效果验证，都是开发团队要自己完成的工作
• 形状相似是设计复用的入口，不是复用的终点

几何检索帮你找到值得参考的零件，但能不能参考、参考多少，仍由规则检查和工程判断决定。

相关资料

• 慧都持续关注工业软件、CAD 数据处理与研发数字化，欢迎共同探讨