LDraw-Nova permite que agentes de IA gerem modelos CAD LEGO construíveis em LDraw

LDraw-Nova é um conjunto de ferramentas de código aberto que dá a agentes de programação de IA as primitivas, os prompts e a documentação necessários para gerar arquivos-fonte .ldr e .mpd — a linguagem de montagem de baixo nível que descreve modelos LEGO uma instrução de posicionamento por vez. Esses arquivos são renderizados como modelos CAD interativos em ferramentas como LDView, LeoCAD e Studio.

O autor iterou por cerca de um ano em várias tentativas anteriores — ldbuilder-ai, py2bricks e py4bricks — antes de chegar a duas conclusões funcionais:

• Há um caminho de resistência mínima até a matemática da geometria. Agentes são muito melhores gerando código Python que produz a matemática do que emitindo rotações e posições por conta própria. Por isso, o ferramental contorna a geometria LDraw direta fazendo com que os agentes escrevam Python que a emite.
• Agentes aprendem melhor a partir de código Python que produz modelos do que dos próprios modelos.

O que você obtém ao final de uma build

• Código LDraw do modelo
• Visualizador 3D, player 3D e saída interativa em VR (Meta Quest 3)
• glTF (.glb) editável no Blender, com metainformações armazenadas como Propriedades Personalizadas do Blender
• Histórico completo do chat e o processo de raciocínio do agente

Configuração

Você vai precisar de Git e Docker. O aplicativo web fica em um repositório irmão, então clone os dois lado a lado na mesma 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

Depois, compile e inicie:

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

A primeira build demora um pouco e precisa de cerca de 5 GB de espaço em disco. O aplicativo expõe duas portas:

• https://localhost:8443 — necessária para VR no Quest 3. Certificado autoassinado, então espere um aviso do navegador na primeira vez.
• http://localhost:8765 — HTTP puro, sem aviso de certificado. VR não funciona aqui.

Outros dispositivos na mesma rede acessam via IP da sua máquina, por exemplo https://192.168.1.20:8443. Não há login — só execute em redes confiáveis. Pare com docker compose down.

Busca e reordenação

Os agentes usam o jev-rerank (também do mesmo autor) para busca semântica com reordenação, com suporte do Jev System One da TypeSafe. Se você definir TYPESAFE_API_KEY na seção Configurações do app, a reordenação funciona. Sem ela, os agentes recorrem à busca por texto completo, que o README alerta que pode gerar modelos piores.

Provedores e modelos

O aplicativo web suporta OpenAI, Claude e OpenRouter como backends de agentes. O autor credita o GPT-6 Astra e o Opus 5.5 por fazer o pipeline funcionar. Exemplos de saída estão publicados em anteloc.github.io/index-samples.html. Se você quiser ver o que o agente estava pensando ao construir determinado modelo, abra o arquivo .mpd em um editor de texto e leia a primeira linha abaixo do cabeçalho 0 FILE.

O repositório está com 157 estrelas, 32 commits, licenciamento no estilo MIT exibido como CC-BY-SA-4.0 na árvore de arquivos. Vale a pena dar uma olhada se você tem interesse em fazer agentes produzirem resultados fisicamente montáveis, em vez de texto ou imagens.