05 能力建设与工程实践

整理现有的 C++、CAD 与 Agent 技术基础，通过具体项目持续补齐知识、验证方法和工程协作能力。

一、已有技术基础

• 语言与工具：C++、Python、C、CMake、Git，以及 Linux、Qt 和常用开发工具。
• 几何建模：拉伸、旋转、扫掠、阵列、镜像、拔模与圆角等特征和直接建模操作。
• AI 工具实践：将模型调用、上下文管理、代码检查与回归验证结合到日常开发中。

二、可复用的项目

项目	现有内容	在 Harness 中的用途
Print	基于 OpenCASCADE 的模型查看与可视化工具	展示圆角失败时导出的 BadShape()、坏边或几何结果，辅助定位问题。
geometry-engineer-ai-road	12 周几何建模与 AI 实践课程，涵盖验证、退化输入防御和上下文注入	作为学习路径，并逐步整理为圆角 Harness 的实践教程。

相关技术说明见 04a 圆角 Harness 侦察 与 04b 双线学习路线。

三、四阶段实践路线

以下月份是相对安排，可根据实验结果和可用时间调整。

阶段一：数据表示与接口（第 1–3 月）

• 理解 Open CASCADE、CGAL、openNURBS 中的 B-Rep、网格拓扑与矩阵运算。
• 研究几何数据与 PyTorch 张量之间的转换方式，明确精度、数据结构和接口约定。
• 结合公开技术文档、GitHub Issue 和复现实验，记录表示方法的适用边界。

阶段二：工程原型与文档（第 4–7 月）

• 搭建小型端到端原型，例如拓扑预测与几何内核之间的结果传递。
• 用具体输入和可检查的输出验证每个模块，保留失败样例。
• 使用 Doxygen 与 doxygen-awesome-css 整理 API 文档、接口说明和运行示例。

阶段三：协作与任务拆解（第 8–10 月）

• 把特征识别等任务拆成数据解析、模型实验、算子接入和边界测试。
• 为各项任务明确输入、输出、依赖和验收方式。
• 评估几何有效性、运行性能和装配匹配情况，而不只观察模型 Loss。

阶段四：结果整理与复盘（第 11–12 月）

• 对照相关开源实现和技术分享，记录方法差异及适用范围。
• 整理代码、测试、实验记录与演示材料，使其他人能够复现关键结果。
• 根据失败案例和回归结果确定下一阶段需要补充的知识与实验。

四、适用的工程场景

能力方向	场景	可检查的产出
C++ 几何内核与 B-Rep 拓扑	工程 CAD 内核、几何工具链	可构建的几何模块、数据接口和验证样例
圆角 Harness 与 Agent 编排	几何代码调试和失败诊断	可复现的问题、诊断轨迹和回归测试
评估、文档与知识整理	AI 工程实践中的协作和维护	评价标准、接口文档和复现实验说明

五、实践原则

保留对 C++ 与几何建模基础的深入理解，把 AI 方法作为工程中的一个组成部分。通过具体问题、可复现实验和持续回归来判断方法的价值，并明确记录尚未解决的限制。