EngiWorld：工程智能体距离端到端自动化还有多远？

导语

让智能体在浏览器里点击按钮、填写表单或运行脚本，已经成为通用电脑使用研究的重要方向。但专业工程软件的难点并不只是“会不会操作界面”。一个设计任务往往同时涉及几何关系、物理约束、制造规则、软件间的数据传递，以及从建模到仿真、出图和交付的连续依赖。EngiWorld 试图回答一个更接近产业现实的问题：前沿模型究竟能否在专业工程环境中完成一整个设计闭环？

核心要点

• 覆盖完整设计链路。 基准包含 CAD、CAE、CAM、BIM、EDA 和 3D 可视化六个领域，涉及 26 个专业软件平台，共设计了 1301 项由专家整理的任务。
• 同时考察 GUI 与 CLI。 任务不仅要求智能体理解自然语言目标，也要求它在图形界面或命令行环境中采取连续行动，并处理不同工具之间的衔接。
• 任务类型更加多样。 从软件选择到开放式设计，EngiWorld 设置了六类任务，覆盖从决策、建模到验证和交付的不同环节。
• 评估对象是工程产物。 评测并非只看智能体是否完成了某个点击序列，而是通过统一的领域验证器检查最终和中间产物的几何有效性、物理可行性及规则合规性。对于定量设计，系统还根据规格满足程度给出连续分数，而不是简单判定成功或失败。

结果意味着什么

在七个前沿模型的测试中，最佳模型的 EngiScore 只有 44.3；当任务需要跨多个软件协同完成时，成功率进一步降至 3.6%。这两个结果共同说明，当前模型的瓶颈并不单纯是界面操作速度，而是能否持续维护工程意图和约束。一个局部看似正确的零件、网表、建筑模型或仿真设置，经过格式转换、参数修改或跨软件传递后，仍可能失去可制造性、可计算性或规范符合性。

EngiWorld 的价值在于把“智能体看起来完成了任务”转化为“交付物是否真的可用”。这种以产物为中心的评估思路，有助于区分演示层面的自动化与工程层面的可靠性，也为模型训练、工具调用和工作流设计提供更具体的改进方向。对于企业而言，现阶段更现实的路径可能是将智能体用于局部设计、检索、参数探索和检查，而不是直接替代工程师承担完整交付责任。

当然，基准分数并不等同于真实项目中的全部能力，软件版本、任务范围和验证规则也会影响结果。但至少从 EngiWorld 展示的现状看，工程智能体要从“能操作软件”走向“能对工程结果负责”，仍需要在长期规划、跨工具记忆、约束推理和可验证执行方面取得明显进展。

来源：Hugging Face Daily Papers