项目背景

在传统的装备设计过程中通常涉及大量非结构化的文档，包括系统架构、组件交互、模式转换等关键信息。然而，传统设计方式中的知识抽取难以处理多模态混杂的内容，例如文本描述与图表信息割裂、专业术语语义模糊等问题，导致抽取的结果出现碎片化和一致性差。尽管目前已出现AI辅助模型自动生成的新型设计方式，但大语言模型（LLM）在生成长篇幅的结构化数据时经常出现格式错位、信息遗漏等情况，从而导致 AI辅助下的系统设计仍然高度依赖人工校验，不仅耗时耗力，还易引入主观错判。

解决方案

为解决上述行业痛点，我们创新性地构建了"多Agent协同+验证器迭代"智能处理框架，实现了从多模态设计文档到标准SysML模型的“端到端”方式的自动化转换（图1），让系统工程师摆脱繁琐的手动建模，专注于高价值的系统创新。具体流程包括以下几个主要阶段（图2）：

图1  总体设计框架示意

◆ 预处理与多模态融合

该阶段接收来自工程实践的异构多模态设计文档。针对传统方法难以处理图形语义的痛点，采用"图表文本化"策略可通过专用Agent将Visio等嵌入式矢量图形中蕴含的拓扑结构、连接关系和设计逻辑精准地转译为结构化文本。该过程实现了图形工程语义与文档文本描述在统一语义空间的深度融合，为后续的知识抽取奠定坚实基础。

◆ 知识抽取与自修正闭环

该阶段处理核心知识抽取与自修正。利用LLM的推理能力，自动抽取出系统功能/接口/行为等信息，生成预定规范的结构化数据。同时，为解决输出格式偏差与逻辑不一致的问题，设计了一个自修正循环。当后端验证器解析LLM生成的结构化数据失败时，系统会将包含错误上下文的反馈信息传回至LLM，引导其动态生成正确逻辑并进行自我修正。此过程循环往复，直至LLM的输出完全符合预定的规范。

◆ 形式化模型生成

该阶段涉及验证后的结构化数据完成转换。采用明确的形式化映射规则作为引擎，将领域数据精准映射为标准的SysML模型元素：系统的层级结构生成为模块图，交互逻辑转换为序列图，状态转换映射为状态机图，活动流程构建为活动图。整个过程可确保信息零损耗、语义无歧义，最终输出符合SysML标准的模型。

图2  各阶段设计示意

案例成效

通过构建智能体辅助建模的方法，系统能够从结构各异的设计文档中自动提取出系统组件、交互关系及行为逻辑，生成符合规范的结构化知识表格。在处理包含多层代理端口、跨系统信号触发等复杂关系的场景时，基于验证器迭代的自我修正机制，规避了常见的AI辅助建模中常见的格式错位与逻辑断裂等问题。该技术路径在实践中形成了一套从文档到模型的标准化转换框架，能够适应于不同客户和不同阶段的输入差异，为高端复杂装备的数字化设计提供可复用的方法。