توسعه‌ی مشخصات‌محور: تبدیل پرامپت‌های هوش مصنوعی به نقشه‌های دقیق AutoCAD

تصور کنید یک تکالیف فنی پیچیده دارید و می‌خواهید آن را به یک پلان کف حرفه‌ای با تمام جزئیات و یک قاب عنوان (Title Block) استاندارد تبدیل کنید؛ در حال حاضر هیچ هوش مصنوعی‌ای وجود ندارد که اجازه دهد صرفاً مورد اول را آپلود کنید و مورد دوم را دریافت نمایید. تا جولای ۲۰۲۶، هنوز هیچ دکمه‌ی واحدی به نام «تولید» (Generate) برای کارهای تخصصی CAD وجود ندارد، اما یک سیستم انتقال داده با دقت بالا شکل گرفته است: توسعه‌ی مشخصات‌محور (Spec-Driven Development).

این رویکرد تمرکز را از «برنامه‌نویسی حسی» (Vibe Coding) — شبیه به کسی که بدون نقشه و فقط بر اساس حسش آشپزی می‌کند — به یک فرآیند سخت‌گیرانه سه مرحله‌ای منتقل می‌کند: الزامات (Requirements)، طراحی (Design) و وظایف (Tasks). در این روش، کاربر به‌جای درخواست از هوش مصنوعی برای «کشیدن»، یک فایل requirements.md ایجاد می‌کند که یک مشخصات متنی سخت‌گیرانه است؛ سپس هوش مصنوعی زاینده (Generative AI) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — این متن را به کدهای اجرایی برای AutoCAD تبدیل می‌کند تا آن‌ها را رندر کند. این خط لوله برای طراحان، معماران، مهندسان برد مدار و دانشجویان عمران که در کارهای تکراری ترسیم غرق شده‌اند، طراحی شده است. تنها پیش‌نیاز سخت‌گیرانه برای این مسیر، داشتن یک کلید API برای یک مدل کدنویسی قدرتمند است.

وضعیت هوش مصنوعی در AutoCAD ۲۰۲۶

به نقل از صفحات رسمی ویژگی‌های Autodesk که در ۱۹ جولای ۲۰۲۶ تأیید شده‌اند، هوش مصنوعی داخلی در AutoCAD 2026 بیشتر بر پاک‌سازی و سازمان‌دهی روتین متمرکز است تا تولید هندسه‌ی جدید. این نرم‌افزار فرآیندهای تکراری روی نقشه‌های موجود را سرعت می‌بخشد اما نمی‌تواند نقشه جدیدی را از صفر خلق کند.

ویژگی‌های کلیدی AutoCAD 2026 عبارتند از:

• Smart Blocks: Detect and Convert: یک پیش‌نمای فنی در Autodesk AI که اشیا را به عنوان کاندیداهای بلوک شناسایی می‌کند. توجه داشته باشید که این ابزار اشیای جدید نمی‌کشد.
• Smart Blocks: Search and Convert: یافتن اشیای مشابه و تبدیل آن‌ها به بلوک با استفاده از پیشنهادهای AI. این قابلیت نمی‌تواند هندسه‌ای را از نقطه صفر تولید کند.
• Markup Import + Markup Assist: انتقال ویرایش‌های PDF از Autodesk Docs، شامل متون، خطوط حذف (strikethroughs) و علامت‌گذاری‌های محدوده (مانند revcloud). برای نخستین بار، این ابزار علامت‌هایی را که پیش از آپلود در Docs اضافه شده‌اند نیز شناسایی می‌کند.

اتودسک ادعا می‌کند AutoCAD 2026 فایل‌ها را تا ۱۱ برابر سریع‌تر باز می‌کند و سرعت اجرای آن ۴ برابر بیشتر از نسخه ۲۰۲۵ است. اما باید توجه داشت که این‌ها ادعاهای سازنده درباره سرعت رابط کاربری است، نه اندازه‌گیری‌های مستقل. در حالی که یک کاربر شاید یک ساعت در پاک‌سازی یک فایل DWG خارجی صرفه‌جویی کند، اما او همچنان باید ۸ ساعت برای ترسیم دستی یک پلان جدید زمان بگذارد.

در حالی که Autodesk ابزار Neural CAD را معرفی کرد — مدلی که قادر است هندسه‌ی قابل ویرایش را از پرامپت‌های متنی بسازد — این ابزار تا اواسط ۲۰۲۶ همچنان در مرحله «اعلامیه» باقی مانده و به‌صورت عمومی در دسترس نیست. Neural CAD در Autodesk University 2025 به نمایش درآمد و در واقع تکامل‌یافته‌ی پروژه آزمایشی Project Bernini است که روی ۱۰ میلیون شکل سه‌بعدی آموزش دیده بود.

تلاش‌های دانشگاهی مانند Text2CAD از مؤسسه DFKI که در NeurIPS 2024 ارائه شد نیز محدودیت‌های مشابهی داشت. این نخستین چارچوبی بود که مدل‌های CAD پارامتری را از متن تولید کرد و روی مجموعه‌داده DeepCAD شامل تقریباً ۱۷۰ هزار مدل و ۶۰۰ هزار یادداشت (Annotation) آموزش دید. خروجی آن تنها به توالی‌های ساده «اسکچ و اکسترود» (sketch plus extrude) محدود است و به همین دلیل برای پلان‌های کف کاربرد ندارد.

Text2CAD-Bench در می ۲۰۲۶ این موضوع را به‌صورت سیستماتیک با ۶۰۰ نمونه انتخاب شده به صورت دستی در چهار سطح تست کرد: هندسه پایه (L1-L2)، توپولوژی (L3) و دامنه‌های کاربردی (L4). نتیجه این بود که مدل‌های زبانی بزرگ (LLM) در هندسه‌های پایه عملکرد قابل قبولی دارند، اما در توپولوژی‌های پیچیده و عملیات‌های پیشرفته به‌شدت دچار افت کیفیت می‌شوند.

چرا «تولید تصویر» یک بن‌بست است

یک نقشه، تصویر نیست؛ بلکه یک ساختار دقیق است که شامل لایه‌ها، انواع خطوط، تلورانس‌ها و قاب‌ها و مهرهای مطابق با استاندارد (مانند GOST) است. وقتی کاربر از یک مدل می‌خواهد «تصویری از یک نقشه» تولید کند، نتیجه یک «تفاله عصبی» (neuro-slop) است؛ تقلیدی بصری که نمی‌توان آن را به عنوان یک فایل DWG باز کرد و هرگز از کنترل‌های استاندارد (Norm-control) عبور نخواهد کرد.

در اینجا «زیبایی» و «صحت» از هم جدا می‌شوند. مدلی که یک سلفی را استایل می‌دهد یا دیواری را بر اساس توصیفات رنگ می‌کند، در حال حل یک مسئله تزئینی است. اما یک پلان کف به میلی‌متر و لایه نیاز دارد، نه ضربه قلم‌مو.

راهکار «نقشه به‌مثابه کد»

از آنجا که LLMها در ذات خود با متن و کد — پرامپت‌ها، مستندات و منطق برنامه‌نویسی — سازگار هستند، راه حل در ترجمه نقشه‌ها به یک فرمت متنی است. موثرترین مسیر، استفاده از AutoLISP است؛ API-ای که از نسخه Release 2.1 در اواسط دهه ۸۰ در AutoCAD وجود داشته و از سال ۲۰۲۴ در نسخه LT نیز پشتیبانی می‌شود.

به جای آن، کتابخانه پایتونی ezdxf (نسخه ۱.۴.۴، به‌روزرسانی ۱۴ می ۲۰۲۶) به هوش مصنوعی اجازه می‌دهد اسکریپت‌هایی بنویسد که اسناد DXF را برای نسخه‌های R12 تا R2018 ایجاد، خوانده و بازنویسی کنند. AI پایتون می‌نویسد و خروجی فایلی است که AutoCAD بدون نیاز به مبدل‌های خارجی آن را می‌فهمد.

ادغام‌های مدرن این روند را از طریق پروتکل زمینهٔ مدل (Model Context Protocol یا MCP) — که مانند یک استاندارد مشترک برای اتصال مدل به ابزارهای خارجی عمل می‌کند — پیش برده‌اند:

• adn-mcp-autocad: نمونه‌ای رسمی از شبکه توسعه‌دهندگان اتودسک (به‌روزرسانی ۳ مارس ۲۰۲۶ با لایسنس MIT) که Claude را مستقیماً در AutoCAD 2025+ جای می‌دهد. این ابزار زبان طبیعی را به عملیات‌هایی با XData و دیکشنری‌های Extension تبدیل کرده و کلید Anthropic را به‌صورت محلی از طریق Windows DPAPI ذخیره می‌کند.
• autocad-mcp: پروژه جامعه‌محور puran-water برای نسخه AutoCAD LT. این پروژه از یک بک‌اند مبتنی بر ezdxf استفاده می‌کند تا Claude بتواند AutoLISP را اجرا کند. این ابزار دارای قابلیت Undo/Redo است و از بیش از ۶۰۰ نماد P&ID از CAD Tools Online پشتیبانی می‌کند. همچنین با Claude Desktop و Claude Code یکپارچه می‌شود.
• CADAgent: افزونه‌ای برای Fusion 360 که در آن Claude زنجیره‌ای از فراخوانی‌های API Fusion 360 را تولید می‌کند. این روش یک مدل پارامتری بومی با یک درخت ویژگی (Feature Tree) قابل ویرایش می‌سازد، نه یک فایل «کور» STEP.
• Zookeeper: یک عامل دیالوگ توسعه‌یافته توسط Zoo Design Studio که قابلیت‌های تبدیل متن-به-CAD را بیش از پیش تکامل می‌دهد.

پیاده‌سازی توسعه‌ی مشخصات‌محور

در این متدولوژی، «مشخصات» (Specification) به عنوان اثر اصلی و تنها منبع حقیقت برای هر دو گروه انسان و AI در نظر گرفته می‌شود. این روش به‌سرعت از یک مفهوم به ابزارهای صنعتی تبدیل شده است:

• AWS Kiro: پیش‌نمایش عمومی در ۱۴ جولای ۲۰۲۵ برای انتقال توسعه‌دهندگان از «کدنویسی حسی» به سیستم‌های آماده‌ی تولید. نسخه Kiro IDE 1.0 در ۲۵ ژوئن ۲۰۲۶ منتشر شد (در حالی که آمازون تا ۳۰ آپریل ۲۰۲۷ Q Developer را حذف می‌کند).
• GitHub Spec Kit: ابزاری با لایسنس MIT که در ۲۱ آگوست ۲۰۲۵ باز شد. تا ۱۷ جولای ۲۰۲۶، این کیت ۱۲۲,۲۰۵ ستاره دریافت کرد و از بیش از ۳۰ عامل کدنویسی از جمله Claude Code، Copilot و Cursor پشتیبانی می‌کند. این روند هم‌راستا با عرضه مدل‌های تخصصی‌تر کدنویسی است، مانند مدل Kimi K2.7 Code که اخیراً برای کاربران سازمانی گیت‌هاب در دسترس قرار گرفت تا دقت تولید کد در محیط‌های عملیاتی افزایش یابد.

بر اساس تحلیل بیرگیتا بوکلر از Thoughtworks در سایت martinfowler.com، کاربران باید از سه سطح بلوغ عبور کنند: مشخصات-محور (Spec-first)، متصل-به-مشخصات (Spec-anchored) و مشخصات-به‌مثابه-منبع (Spec-as-source). مستندات Kiro یک فرآیند سخت‌گیرانه سه فایلی را دیکته می‌کند: requirements.md (شامل داستان‌ها و معیارهای پذیرش)، design.md (معماری و استراتژی تست) و tasks.md (وظایف مجزا و قابل ردیابی). Spec Kit نیز از خط لوله مشابهی استفاده می‌کند: /speckit.specify $
ightarrow$ /speckit.plan $
ightarrow$ /speckit.tasks $
ightarrow$ /speckit.implement.

برای تولید یک نقشه حرفه‌ای، فایل requirements.md باید از این ۶ بخش پیروی کند:
۱. هدف: شرح نقشه، مقیاس، اندازه شیت و کاربر نهایی مورد نظر.
۲. لایه‌ها و کاربرد: نام‌گذاری صریح (مثلاً "Walls"، "Electrical"، "Dimensions") با رنگ‌ها و انواع خطوط مشخص.
۳. اشکال اولیه و ابعاد: اشیا، سیستم مختصات و تلورانس‌های خاص.
۴. بلوک‌ها و قاب: تعیینات استاندارد و الزامات قاب عنوان (Title Block) مطابق با استانداردهای کتابخانه شما (مانند GOST).
۵. معیارهای پذیرش (فرمت EARS): استفاده از روش «رویکرد آسان به نحو الزامات»: «وقتی [رویداد] رخ دهد، اگر [شرط] برقرار باشد، سیستم باید [رفتار] کند». برای مثال: «وقتی اسکریپت اجرا شود، اگر فایل در AutoCAD 2026 باز شود، نقشه باید شامل تعداد مشخص شده از اشیا در لایه Walls باشد».
۶. ممنوعیت‌ها: محدودیت‌های صریح، مانند «لایه‌های موجود را تغییر نده» یا «از مرزهای شیت فراتر نرو».

دقت در مشخصات حیاتی است. همان‌طور که در بخش "Prompt like a Pro" در سایت zoo.dev (۱۹ جولای ۲۰۲۶) نمایش داده شده، یک پرامپت مبهم مانند «یک درب بازدید» نتایج تصادفی تولید می‌کند. اما مشخصاتی مانند «یک درب بازدید با بریدگی برای بلند کردن، قطر ۶۰۰ میلی‌متر، ضخامت ۵۰ میلی‌متر و سوراخی ۲۰۰ میلی‌متری در مرکز»، هندسه‌ای دقیق تولید می‌کند.

دسترسی به مدل‌ها

اجرای این خط لوله نیازمند یک مدل استدلالی (Reasoning Model) — مدلی که قبل از جواب، یک قدم درنگ می‌کند و فکر می‌کند، مثل شطرنج‌بازی که چند حرکت جلوتر را می‌بیند — با توانایی کدنویسی بالا است. چشم‌انداز جولای ۲۰۲۶ به این صورت است:

• Claude: پایه نمونه‌های رسمی adn-mcp-autocad و عالی برای AutoLISP و پروتکل MCP.
• GPT: لایه کدنویسی اصلی که از طریق APIهای سازگار با OpenAI در دسترس است.
• DeepSeek: مدل کدنویسی باز، ایده‌آل برای تکرارهای متوالی و زیاد روی یک مشخصات.
• Qwen: مدل باز دیگر که به عنوان مرجع ثانویه استفاده می‌شود.
• GigaChat (Sber): مدل روسی که برای محیط‌های تحت نظارت و کانتورهای حاکمیتی ضروری است.

برای دور زدن بروکراسی کلیدهای API منطقه‌ای و چندگانه، پلتفرم‌هایی مانند provod.ai یک API واحد ارائه می‌دهند که با SDKهای OpenAI (/v1/chat/completions) و Anthropic (/v1/messages) سازگار است. این کار به کاربر اجازه می‌دهد مدل را فقط با تغییر یک رشته base_url و api_key عوض کند در حالی که فایل requirements.md را دست‌نخورده نگه می‌دارد. برای دفاتر طراحی، این امر نیاز به چندین اشتراک خارجی را حذف کرده و یک موجودی واحد با ارز محلی (روبل) و اسناد حسابداری رسمی فراهم می‌کند.

from openai import OpenAI
client = OpenAI(
    api_key="PROVOD_API_KEY",
    base_url="https://api.provod.ai/v1",
)
resp = client.chat.completions.create(
    model="<model_from_catalog>",
    messages=[{"role": "user", "content": open("requirements.md", encoding="utf-8").read() + "\n\nНапиши Python-скрипт на ezdxf по этой спецификации"}],
)
print(resp.choices[0].message.content)

این تکه کد قلب سیستم است: مشخصات را می‌خواند و از مدل می‌خواهد اسکریپت ezdxf بنویسد، که سپس یک فایل DXF بومی تولید می‌کند.

مرزهای باقی‌مانده

با وجود این پیشرفت‌ها، این خط لوله جایگزین تخصص مهندسی نمی‌شود. چندین شکاف حیاتی باقی مانده است:

• پیچیدگی توپولوژیک: طبق Text2CAD-Bench، مدل‌ها هنگام مدیریت سطوح آزاد (free-form surfaces) افت می‌کنند. آن‌ها نمی‌توانند یک نقشه را «به گوش» (به صورت شهودی) به لایه‌ها تجزیه کنند؛ آن‌ها به یک مشخصات سخت‌گیرانه و تکرارهای متعدد نیاز دارند.
• مسئولیت‌پذیری: تطابق با استانداردهای GOST، کنترل نرم‌ها (Norm-control) و امضای نهایی در قاب نقشه همچنان بر عهده مهندس انسان است.
• توهمات کد: یک خطای کوچک در اسکریپت می‌تواند تعداد اشیا را تکثیر کند یا مختصات را به‌صورت نامحسوس جابجا کند. همیشه اسکریپت‌ها را روی کپی فایل اجرا کنید.
• حریم خصوصی: مشخصاتی که به مدل‌های خارجی ارسال می‌شوند در معرض نشت داده هستند، مگر اینکه از یک کانتور درون‌سازمانی (On-premise) با حقوق دسترسی مدیریت‌شده استفاده شود.
• هزینه: هر تکرار توکن — تکه‌های کوچکی از متن، مثل برش‌های یک کیک طولانی که مدل تکه‌تکه می‌خورد — مصرف می‌کند. یک مشخصات مبهم منجر به اجرای‌های گران‌قیمت و بیهوده می‌شود.

چه زمانی تجمیع‌کننده API انتخاب درستی نیست

در حالی که یک API واحد راحت است، اما در چهار سناریو کاربرد ندارد:
۱. استانداردهای Sber: اگر سازمان شما موظف به استفاده از GigaChat است، باید مستقیماً به APIهای Sber متصل شوید.
۲. پروژه‌های طبقه‌بندی شده: پروژه‌های تحت محرمانه دولتی نیاز به سخت‌افزار On-premise و کانتورهای ایزوله دارند.
۳. Neural CAD: وقتی اتودسک قابلیت زاینده Neural CAD را منتشر کند، این یک ویژگی داخلی پلتفرم خواهد بود، نه یک سرویس API.
۴. تنظیم دقیق (Fine-tuning) — مثل وقتی به یک پزشک عمومی، تخصص پوست می‌دهیم؛ مدل کلی است و روی یک حوزه دقیق می‌شود — اگر نیاز دارید مدل را به‌طور خاص روی بلوک‌ها و گره‌های اختصاصی شرکت خود آموزش دهید، به کلاسترهای GPU و مخازن داده نیاز دارید، نه یک API چت.

شفاف‌سازی اهداف جست‌وجو

کاربرانی که «هوش مصنوعی برای نقشه» را جست‌وجو می‌کنند، اغلب در نتایج نامرتبط گم می‌شوند. باید این ابزارها را از خط لوله حرفه‌ای CAD تشخیص داد:

• چت‌بات‌های عمومی: جست‌وجوی "GetChat"، "Gemini"، "DeepAI" یا "SberGiga" به مدل‌های متنی اشاره دارد، نه ابزارهای ترسیم.
• AIهای نقش‌آفرینی/شخصیتی: درخواست‌هایی مانند "C AI"، "Janitor AI" یا "Wife/Waifu" برای بات‌های اجتماعی است، نه مهندسی.
• صوتی و موسیقی: درخواست‌هایی برای "Suno"، "Katyusha" یا "Goyda" مربوط به تولیدکنندگان موسیقی AI است.
• بصری: "Topaz Video AI" برای افزایش وضوح (Upscaling) است؛ "Kling" و "Seedance" برای ویدیو هستند؛ "Pinterest" و "Crayon" برای هنر تزئینی‌اند، نه نقشه‌های مهندسی.
• سایرین: "Gamma" برای ارائه (Presentation) است و "Küvera" برای تصاویر «زیبای» دکوراسیون داخلی است، نه نقشه‌های استاندارد GOST.

سوالات متداول (FAQ)

آیا ChatGPT یا Claude می‌توانند در AutoCAD نقشه بکشند؟
به‌طور مستقیم خیر. هیچ چت‌باتی نمی‌تواند یک فایل DWG را باز کرده و خط بکشد. اما آن‌ها می‌توانند کدهای AutoLISP یا پایتون (ezdxf) بنویسند که AutoCAD سپس آن‌ها را اجرا می‌کند. مدل «نویسنده» است و AutoCAD «اجراکننده».

آیا این روش در AutoCAD LT کار می‌کند؟
بله. AutoLISP از نسخه ۲۰۲۴ در LT پشتیبانی می‌شود. پروژه جامعه‌محور autocad-mcp به‌طور خاص برای کاربران LT طراحی شده است.

آیا می‌توانم این کار را با گوشی انجام دهم؟
به‌طور جزئی. می‌توانید مشخصات را در یک اپلیکیشن یادداشت بنویسید و با مدل در iOS چت کنید. اما اجرای AutoLISP و راندن کامل این خط لوله نیازمند نسخه دسکتاپ AutoCAD است.

کدام مدل برای این خط لوله بهترین است؟
در حال حاضر Claude استاندارد طلایی برای نمونه‌های MCP است، اما بهترین انتخاب به تسک شما بستگی دارد. از الگوی ارائه شده در بخش requirements.md استفاده کنید و آن را از طریق provod.ai روی مدل‌های مختلف تست کنید تا ببینید کدام یک هندسه شما را دقیق‌تر مدیریت می‌کند.

گام بعدی شما

• به جای پرامپت‌های مستقیم، یک فایل requirements.md با ساختار ۶ بخشی (هدف، لایه‌ها، ابعاد، بلوک‌ها، معیار پذیرش و ممنوعیت‌ها) ایجاد کنید.
• برای تبدیل متن به کد، از ترکیب Claude و کتابخانه ezdxf در پایتون یا AutoLISP استفاده کنید.
• اسکریپت‌های تولید شده توسط AI را هرگز روی فایل اصلی اجرا نکنید و ابتدا در یک محیط ایزوله تست نمایید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.