CAD Skills : une bibliothèque de compétences d'agent pour la CAO, la robotique et la conception matérielle

Compétences d'agent pour la CAO et la conception matérielle

Le README présente ce projet comme CAD Skills, une bibliothèque de compétences d'agent pour les agents de CAO, de robotique et de conception matérielle. Les métadonnées du dépôt le décrivent comme une bibliothèque de compétences d'agent pour la CAO, l'IAO et la FAO. Le projet organise des flux de travail ciblés qui permettent aux agents de générer, inspecter, sourcer, trancher et remettre des artefacts de CAO et de description de robot à partir de fichiers de projet locaux. La couverture annoncée comprend la modélisation CAO, la fabrication, les fichiers de description de robot, la simulation et la revue locale. Un GIF de démonstration en haut du README montre la compétence CAD générant et prévisualisant de la géométrie dans CAD Viewer.

Onze compétences dans le catalogue

Le tableau des compétences liste onze entrées. CAD crée et modifie des modèles à partir de demandes en langage naturel ou d'images, avec STEP comme sortie principale et des exports optionnels en STL, 3MF et GLB. CAD Viewer affiche des aperçus locaux dans le navigateur pour les fichiers CAO, G-code et robots. step.parts trouve des pièces STEP standard comme des vis, roulements, moteurs et connecteurs. DXF produit des dessins 2D comme des profils, gabarits, joints et plans de découpe. URDF écrit des fichiers de structure de robot avec liens, articulations, limites, inerties et maillages ; SRDF ajoute des groupes de planification MoveIt, effecteurs, poses et règles de collision à un URDF ; SDF crée des modèles et mondes de simulateur avec cadres, physique, capteurs et lumières. SendCutSend vérifie les fichiers DXF et STEP avant l'envoi. G-code tranche les fichiers maillés pris en charge en fichiers FDM .gcode validés et profilés pour imprimante à l'aide de vrais CLI de trancheurs. Bambu Labs fait des essais à sec, téléverse et démarre prudemment des travaux d'impression Bambu Lab locaux à partir de .gcode validés. Implicit CAD crée des modèles CAO implicites natifs au navigateur avec des champs de distance signés GLSL et le rendu raymarch de CAD Viewer, et est explicitement marqué expérimental.

Installation avec la CLI Skills

Le README désigne la CLI Skills comme le chemin d'installation préféré. La commande `npx skills install earthtojake/text-to-cad` installe les compétences individuelles directement pour les agents pris en charge. Pour une utilisation en production, le README recommande d'installer ou de cloner depuis la branche `main`, car cette branche contient les sorties de compétences générées dont les installateurs de fournisseurs ont besoin. Le README ne liste aucune exigence système au-delà de la CLI elle-même et ne documente aucun chemin d'installation manuel en dehors des commandes de plugin traitées dans la section suivante.

Plugins Codex et Claude Code

Des installations de plugin natives au fournisseur sont documentées pour Codex et Claude Code. Pour Codex, les commandes sont `codex plugin marketplace add earthtojake/text-to-cad` et `codex plugin add cad@text-to-cad`, avec Codex 0.142.0 ou plus récent requis. Le README prévient que les versions plus anciennes ignorent silencieusement le plugin et qu'il n'apparaît jamais dans `codex plugin list` ; le correctif suggéré est `npm install -g @openai/codex@latest`. Pour Claude Code, les commandes sont `claude plugin marketplace add earthtojake/text-to-cad` et `claude plugin install cad@text-to-cad`. Le README conseille de redémarrer l'agent si les compétences nouvellement installées n'apparaissent pas.

Cibles de benchmark et stockage LFS

Le dépôt liste dix cibles de benchmark, chacune avec un prompt et un GIF orbital de la sortie : un bloc d'étalonnage rectangulaire à quatre trous, une bride circulaire avec un motif de trous de boulon, un support en L avec goussets et deux directions de trous, un arbre étagé avec clavette, un boîtier électronique ouvert avec bossages, un support à chapes de style aérospatial avec évidements d'allègement, un cylindre de style moteur radial avec ailettes de refroidissement, une roue centrifuge avec pales incurvées vers l'arrière, un escalier en colimaçon avec rampe hélicoïdale et un étage de train planétaire simplifié. Les ressources lourdes dans `assets/` et `benchmarks/` sont suivies via Git LFS et exclues des pulls LFS par défaut, afin que les clones légers ne récupèrent pas les GIF. Le Markdown des benchmarks reste dans Git normal pour des diffs lisibles. La commande pour hydrater localement les ressources de benchmark est `git lfs pull --include="benchmarks/"`. Le README ne publie pas de résultats de réussite, de durées ou de taux de succès pour ces cibles de benchmark.

Processus de contribution et licence MIT

Le développement se fait sur la branche `develop`. Le README demande aux contributeurs de créer une branche à partir de `develop`, d'ouvrir des pull requests contre `develop` plutôt que `main` et de suivre le flux de travail de liens symboliques décrit dans CONTRIBUTING.md, qui couvre également les conseils de liaison et de validation des compétences. Le dépôt porte une licence MIT avec une mention de droit d'auteur 2026 pour earthtojake. La licence accorde la permission d'utiliser, copier, modifier, fusionner, publier, distribuer, sous-licencier et vendre des copies du logiciel, et le logiciel est fourni "tel quel" sans garantie d'aucune sorte, sans responsabilité pour les dommages. Le README et le texte de licence ne disent rien sur les garanties de sécurité, les engagements de support ou la préparation à la production.

Conclusion éditoriale

La licence MIT accorde de larges droits de réutilisation sans garantie. Le README documente les compétences, les commandes d'installation et les ressources de benchmark, mais ne publie pas de résultats de réussite, de durées ou de taux de succès pour les benchmarks.

Sources officielles

1. Official documentation
2. Official README
3. Project repository
4. Release notes