LDraw-Nova ermöglicht KI-Agenten die Generierung baubarer LEGO-CAD-Modelle in LDraw

LDraw-Nova ist ein Open-Source-Toolset, das KI-Coding-Agenten die Grundbausteine, Prompts und Dokumentation liefert, die sie benötigen, um .ldr- und .mpd-Quelldateien zu erzeugen – die Low-Level-Assemblersprache, die LEGO-Modelle Befehl für Befehl beschreibt. Diese Dateien werden in Tools wie LDView, LeoCAD und Studio als interaktive CAD-Modelle gerendert.

Der Autor hat etwa ein Jahr lang mehrere frühere Ansätze – ldbuilder-ai, py2bricks und py4bricks – durchiteriert, bevor er zu zwei funktionierenden Schlussfolgerungen gelangte:

• Es gibt einen Pfad des geringsten Widerstands zur Geometrie-Mathematik. Agenten sind weit besser darin, Python-Code zu erzeugen, der die Mathematik hervorbringt, als darin, Rotationen und Positionen selbst auszugeben. Daher umgeht das Toolset die direkte LDraw-Geometrie, indem Agenten Python schreiben, das sie erzeugt.
• Agenten lernen besser aus Python-Code, der Modelle erzeugt, als aus den Modellen selbst.

Was Sie am Ende eines Builds erhalten

• LDraw-Quellcode für das Modell
• 3D-Viewer, 3D-Player und interaktive VR-Ausgabe (Meta Quest 3)
• In Blender editierbares glTF (.glb) mit Metainformationen als Blender Custom Properties
• Vollständigen Chat-Verlauf und den Denkprozess des Agenten

Einrichtung

Sie benötigen Git und Docker. Die Web-App liegt in einem Schwester-Repo, klonen Sie also beide nebeneinander mit demselben Tag:

git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova.git
git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova-docker.git

Dann bauen und starten:

cd ldraw-nova-docker
docker compose build
docker compose up -d

Der erste Build dauert eine Weile und benötigt etwa 5 GB Speicherplatz. Die App stellt zwei Ports bereit:

• https://localhost:8443 – erforderlich für VR auf Quest 3. Selbstsigniertes Zertifikat, daher ist beim ersten Mal eine Browserwarnung zu erwarten.
• http://localhost:8765 – reines HTTP, keine Zertifikatswarnung. VR funktioniert hier nicht.

Andere Geräte im selben Netzwerk erreichen sie über die IP Ihres Rechners, z. B. https://192.168.1.20:8443. Es gibt keinen Login – betreiben Sie es nur in Netzwerken, denen Sie vertrauen. Stoppen mit docker compose down.

Suche und Reranking

Agenten verwenden jev-rerank (ebenfalls vom selben Autor) für semantische Suche mit Re-Ranking, unterstützt durch TypeSafe's Jev System One. Wenn Sie TYPESAFE_API_KEY im Bereich Einstellungen der App festlegen, funktioniert das Reranking. Ohne diesen Schlüssel fallen Agenten auf Volltextsuche zurück, was laut README zu schlechteren Modellen führen kann.

Anbieter und Modelle

Die Web-App unterstützt OpenAI, Claude und OpenRouter als Agenten-Backends. Der Autor schreibt GPT-6 Astra und Opus 5.5 das Zustandekommen der Pipeline zu. Beispielausgaben sind unter anteloc.github.io/index-samples.html veröffentlicht. Wenn Sie sehen möchten, was der Agent beim Erstellen eines bestimmten Modells gedacht hat, öffnen Sie die .mpd-Datei in einem Texteditor und lesen Sie die erste Zeile unter dem 0 FILE-Header.

Das Repo hat 157 Sterne, 32 Commits, MIT-ähnliche Lizenzierung, im Dateibaum als CC-BY-SA-4.0 angezeigt. Einen Blick wert, wenn Sie daran interessiert sind, Agenten dazu zu bringen, physisch baubare Ergebnisse statt Text oder Bilder zu erzeugen.