CADAM: Open-Source Text-zu-CAD mit parametrischen Schiebereglern und WebAssembly-Rendering
Adam (YC W25) hat CADAM veröffentlicht, eine Open-Source-Text-zu-CAD-Web-App, die aus natürlicher Sprache oder Bildreferenzen parametrische 3D-Modelle generiert. Sie gibt OpenSCAD-Code mit automatisch extrahierten Parametern aus, die als interaktive Schieberegler für sofortige Dimensionsänderungen erscheinen. Testen Sie es live unter adam.new/cadam.
Hauptfunktionen
- Zwei Generierungsmodi: Der parametrische Modus schreibt/bearbeitet OpenSCAD über ein
build_parametric_model-Tool; der Mesh-Modus generiert texturierte 3D-Meshes. - Deterministische Schieberegler-Updates: Das Anpassen eines Schiebereglers führt eine Regex-basierte Aktualisierung des SCAD-Quellcodes durch – keine LLM-Aufrufe für einfache Parameteränderungen erforderlich.
- Modellunabhängiges Backend: Nutzt das Vercel AI SDK zur Unterstützung von Anthropic (Claude), Google (Gemini), Gemini 3.1 Pro (beste Leistung in Evaluierungen) und OpenAI/andere über OpenRouter. Adaptives Denken wird bei neueren Modellen automatisch aktiviert.
- Browserbasiertes Rendering: Kompiliert OpenSCAD zu WebAssembly in einem Web Worker, die Benutzeroberfläche blockiert nie. Rendert mit Three.js über React Three Fiber.
- Bibliotheksunterstützung: Enthält BOSL, BOSL2 und MCAD. Integrierte Geist-Schriftart für Text in Modellen.
- Exportformate: .STL, .SCAD, .OBJ, .GLB/GLTF, .FBX, .DXF.
Im Hintergrund
Gebaut mit React (TanStack Start) und Supabase für Authentifizierung, Datenbank und Dateispeicherung. Das Repository enthält Benchmarks für komplexe Baugruppen – V8-Motor, Radialmotor, Turbofan-Triebwerk – alle aus einem einzigen Prompt mit mehreren parametrischen Steuerungen generiert.
Zukunftspläne
- Hinzufügen von build123d und CadQuery für constraints-gesteuerte Modellierung jenseits von CSG-Primitiven.
- Besseren räumlichen Kontext: Benutzeroberfläche für Flächen-/Kantenauswahl und Viewport-Bildintegration für LLMs.
Klonen Sie das Repository von github.com/Adam-CAD/CADAM und führen Sie es lokal aus. Beiträge willkommen.
📖 Vollständige Quelle lesen: HN AI Agents
👀 Siehe auch
Engram Memory SDK: Graph-basierte Speicherlösung für KI-Agenten mit lokalen Modellen
Engram Memory SDK ist ein Open-Source-Graphgedächtnissystem für KI-Agenten, das mit lokalen Modellen über LiteLLM funktioniert. Es benötigt nur einen LLM-Aufruf für die Aufnahme und verwendet dann Vektorsuche und Graphendurchlauf für den Abruf ohne laufende LLM-Kosten.
Warum KI-Kopfgeldjäger Geld verlieren: Daten aus 60 Ausgaben
Ein Entwickler versuchte, Claude mit einem Token-Budget von 20 $ dazu zu bringen, Geld mit Open-Source-Bounties zu verdienen. Nachdem er über 80 Algora-Bounties gescannt hatte, stellte er fest, dass die meisten mit 10+ offenen PRs, 1 $-Spam oder für Interviews reserviert sind. Erwarteter Wert: 0 $.
Eine 4-stufige Wissensdatenbank-Architektur zur Verbesserung der Genauigkeit von KI-Agenten
Ein Entwickler erstellte eine strukturierte Wissensdatenbank mit über 200 Artikeln, um KI-Agenten domänenspezifischen Kontext zu bieten, und implementierte eine 4-stufige Pipeline mit Abfrageklassifizierung, die die Token-Kosten um etwa 40 % senkte.
Prompt-Caching-MCP-Plugin reduziert automatisch die Claude-API-Kosten, indem es stabilen Kontext identifiziert.
Das Prompt-Caching-MCP-Plugin identifiziert automatisch stabile Kontextteile wie Systemprompts und Werkzeugdefinitionen, markiert sie dann für Anthropics Caching-Funktion und reduziert so die API-Kosten in Codingsitzungen um 80-92%.