一句话看懂：一个完全运行在本地、由多个AI智能体协作的工程优化系统，能够自主完成四旋翼无人机螺旋桨的参数设计、3D建模、物理仿真和多目标优化——最终输出可3D打印的CAD文件，且全部依赖Ollama提供的免费本地LLM和开源的CadQuery、OpenFOAM工具链。
事件核心：发生了什么
开发者ostenjap在GitHub上开源了一个名为“LLM-Agent-generated-Quadcopter-Prop”的项目，其核心思路是组建一支“AI设计团队”：多个廉价本地LLM担任“初级研究员”，负责大量生成候选方案；一个名为Antigravity的高级代理充当“首席研究员”，负责分析结果并引导搜索方向；设计的好坏则由不可篡改的物理代码（BEMT动量叶素理论、结构力学、OpenFOAM CFD）进行评分，AI无权干预评分过程。整个迭代在Pareto前沿上自动推进，直至找到噪声、效率与推力三者之间的最佳权衡曲线。
为什么重要
这个项目展示了AI从“聊天对话”向“自主工程工具”跃迁的一种可行路径。它严格遵循“AI提议，可靠代码裁决”的原则——这正是当前生成式AI在制造、航天、流体力学等高风险工业场景中落地的核心难题。通过让本地开源LLM仅负责创意发散和参数组合，而将所有计算逻辑交给确定性程序，系统在保证结果可信的同时，把传统依赖昂贵工业软件和资深工程师反复试错的设计周期，压缩成一组可随时运行的本地脚本。此外，从实用角度，它验证了即使使用免费的本地Ollama模型（而非GPT-4等云端大模型），也能完成有意义的CAD与CFD协同优化。
对用户/开发者/创作者的影响
对于AI开发者，这个项目提供了一个很好的“智能代理+传统工程”参考实现。一是低门槛：所有组件（CadQuery建模、OpenFOAM仿真、scikit-learn代理模型、SQLite数据库）均可免费获取，并支持用户用Ollama替换不同的本地LLM。二是可迁移：虽然示例是螺旋桨，其多智能体协作框架（提案→CAD→BEMT快速评估→Pareto筛选→CFD精确验证）适用于任何参数化工程对象。三是警惕性教益：项目明确警告“不要把评分权交给AI”，这一原则可以扩展到内容生成、代码审查、数据标注等其他领域。对于3D打印爱好者或小型无人机团队，它意味着未来可以用一台普通电脑完成过去需要整个仿真团队才能跑通的初始设计循环。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，项目目前仍以GitHub仓库形式发布，未打包成一键式工具或独立应用，技术门槛偏高，需要用户具备一定的Python和OpenFOAM配置经验。第二，开源社区是否会在此基础上封装出面向旋翼、机翼或泵叶的通用“AI设计流水线”，将决定该思路能否走出小众实验。第三，OpenFOAM的CFD求解器在消费级硬件上的收敛速度和精度，依然是整个循环的瓶颈——代理模型（高斯过程）能否有效减少高成本仿真次数，需要更多项目实例来反复验证。
来源：github.com
