FINAL — Занятие 1 МАИ: CAD и ранняя проектная оптика (B1)

Generated: 2026-06-27 (Variant C, Phase 5) Дидактическая ось МАИ: B1 (конфигурируемый генератор) + B1' (reverse engineering) Связанные оси: A2-A3, C1-C3, D2,D7,D11 Источники: FINAL_corpus_v1_unified_registry.json (фильтр L1_CAD, 58 кейсов), FINAL_typology_8_types.md, FINAL_anti_analog_registry.md.

Цель занятия

Студенты должны различить CAD как конфигурируемый генератор (B1) от его двух соседей — B0 «спросил у ChatGPT» и B2 среда испытаний. Главный вопрос: на каком шаге AI остаётся ideation-tool, а на каком становится design partner? Без этого различия любое «AI в проектировании» съезжает в tool_augmentation.

Структура занятия (90 мин)

Базовые кейсы для разбора (5)

1. freecad-ai-workbench — FreeCAD AI Workbench (INT)

• A3 / B1 / C2 / D1,D2,D12
• Open-source интеграция LLM в CAD-workbench. Студент видит, где LLM генерирует параметры геометрии, а где — параметризацию конструкции. Конкретный пример настройки regenerative loop без облака.
• Что разбираем: какой объект design partner порождает? Что входит в configuration space LLM?

2. kicad-llm-plugin — KiCad LLM plugin (INT)

• A3 / B1-B3 / C2 / D2,D3,D12
• LLM-плагин для electronic schematic design. Прямой пример B1 → B2 перехода: LLM генерирует netlist, потом проверяет on physical constraints.
• Что разбираем: где заканчивается генерация и начинается верификация?

3. text2cad-open-source — Text2CAD (INT)

• A3-A4 / B1 / C2-C3 / D1,D2,D3,D12
• Прямой пример B1 на уровне геометрии: текстовое описание → CAD primitives. Open-source аналог Anthropic-style geometric reasoning.
• Что разбираем: какой класс ошибок порождает text-to-geometry? Когда нужен B2 fallback?

4. sutd-trilingual-triad-smart-city — SUTD Trilingual Triad Smart City (SG)

• A3 / B5 / C4 / D2,D7,D9,D12
• C4-candidate. Студенты проектируют domain-specific custom GPTs: ИИ становится designed collaborator, не answer-box. Это позднее проектное — но образец того, как студент может строить generator-под-задачу.
• Что разбираем: какая граница между «настроил GPT» и «спроектировал generator»?

5. ru-graphic-disciplines-genai — Графические дисциплины с GenAI (RU)

• A3 / B1 / C2 / D2,D7,D11
• Российский кейс в чертёжных/графических дисциплинах. Полезен для МАИ-контекста — есть локальный аналог.
• Что разбираем: как русскоязычный курс адресует traceability?

Adjacent кейсы (5)

• kicad-ai-assistant — близок к kicad-llm-plugin, но другой dev cycle
• bath-ai-engineering-design-msc (GB) — institutional buildout с B1 acoustic
• nus-formula-sae-siemens (SG) — student team formula SAE + Siemens design stack
• autotriz — TRIZ-AI на стороне B1 ideation
• aiche-process-engineering-genai-seminar — pacing для process design

Anti-analogs (3)

chatgpt-statics-construction

• Tool_augmentation: ChatGPT как калькулятор без redesign цикла.
• Студенческий tag: где здесь B0/B1 граница?

mext-genai-guidelines

• B0 framing: общие guidelines, без curriculum architecture. Использовать как контекст, а не как образец.

upc-human-ai-ideation

• Concept_washing: «blended ideation» без архитектурной фиксации. Полезен как граничный случай — граница между ideation-helper и design partner.

Студенческие задания

Задание 1 — Reverse engineering (B1' track)

Дано: FreeCAD AI Workbench source code. Задача: реконструировать architecture diagram — где LLM делает inference, где парсится результат, какие constraints применяются, где fallback к manual CAD. Оценка: схема + 1 страница описания «что делает LLM, что делает CAD-engine».

Задание 2 — Traceability matrix

Дано: 3 design claims, сделанных AI (например, через text2cad). Задача: для каждого claim указать на каком слое его можно верифицировать — geometric, physical, regulatory. Оценка: матрица claim × verification layer.

Задание 3 — B0 vs B1 vs B2 классификатор

Дано: 10 кейсов из anti_analog registry + 10 valid кейсов. Задача: классифицировать каждый по B-уровню, обосновать. Оценка: классификация + 1 фраза «почему» на кейс.

Задание 4 — Design partner test

Дано: ChatGPT + конкретное design specification. Задача: проверить, может ли LLM сыграть роль design partner — то есть возразить на проектную ошибку, не только соглашаться. Оценка: 3 диалога + анализ моментов несогласия.

Задание 5 — Generator spec

Задача: написать spec для domain-specific custom GPT (по примеру SUTD trilingual triad) для собственной инженерной дисциплины студента. Оценка: spec + примеры use cases + ограничения.

Что НЕ должно входить

• Wholesale «обзор всех CAD-плагинов» — не задача курса
• ChatGPT для writing reports — это D11/D7 территория, не CAD
• Generic AI ethics — это занятие 5

Связь с другими занятиями

• L2 (CAE) — B1 → B2 переход в kicad-llm-plugin
• L3 (CAO) — где CAD-traceability сходится с regulatory loop
• L4 (Orchestration) — multi-agent CAD (text2cad evolution)
• L5 (Hybridity) — SUTD trilingual triad как C4-candidate

Метрики занятия

• Каждый студент классифицирует ≥10 кейсов по B-уровню с точностью ≥80%
• Каждый студент пишет valid generator spec
• Различение B0 / B1 / B2 в групповом обсуждении достигается без подсказки преподавателя