Lokales RAG für CAD-API: Wie man Wissenslücken einer proprietären Schnittstelle überwindet

Ein Autor, der mit dem CAD-System Hexagon Smart3D (Intergraph Smart 3D) arbeitet, stand vor einer Herausforderung bei der Automatisierung: Die Kenntnis der proprietären API war teuer und schwer zugänglich, während öffentliche große Sprachmodelle (LLMs) aufgrund von Datenknappheit fiktive Methoden generierten. Er entschied sich für den Aufbau einer lokalen RAG-Pipeline (Retrieval-Augmented Generation), die Wissen aus den systemeigenen Bibliotheken extrahiert. Zunächst dekompilierte er die kompilierten Smart3D-Assemblies und schrieb einen Parser, um Signaturen, XML-Dokumentation und Fakten aus Methodenrümpfen (Aufrufe, Ausnahmen, erstellte Objekte) zu extrahieren. Dann verwendete er ein Sprachmodell, um diese Daten anzureichern: Er formulierte Nutzungsszenarien und Suchhinweise, wobei er sich strikt auf bestätigte Fakten beschränkte. Für die Einbettungen wählte er das mehrsprachige Modell bge-m3, da die Anfragen der Ingenieure zweisprachig (Russisch und Englisch) sind. Als Chunks dienten Entitätskarten, die Signatur, Beschreibung, Fakten und Hinweise enthielten. Das Ergebnis war ein Agent, der relevante Entitäten mittels Vektorsuche findet, sie als Kontext für die Generierung von C#-Code verwendet und das Ergebnis durch Rückgriff auf die Quelldaten verifiziert. Das System wird bereits in einem realen Projekt eingesetzt, um die Automatisierung zu beschleunigen.