нейросеть для чертёж в автокада: сначала requirements.md - spec-driven development

Запрос «нейросеть для чертёж в автокада» вбивают с понятной надеждой: загружаешь техзадание - получаешь готовый план этажа со штампом по ЕСКД. Скажу сразу: такой кнопки нет. Вместо неё есть интеграции, где модель пишет код или вызывает операции AutoCAD.

Рабочий конвейер есть, и выглядит он неожиданно. Сначала ты пишешь чертежу файл requirements.md - обычный текстовый документ со спецификацией. Нейросеть превращает его в код, а AutoCAD выполняет этот код как чертёж. Методология называется spec-driven development, её уже упаковали AWS Kiro и GitHub Spec Kit, а Autodesk Developer Network выпустил официальный сэмпл, встраивающий Claude прямо в среду чертежа.

Текст для всех, кто тонет в рутинной отрисовке: конструкторы и чертёжники, архитекторы, схемотехники, студенты строительных вузов. У конвейера одно условие - API-ключ к сильной кодовой модели. Ссылка на provod.ai приведена для справки. К подключению вернёмся в разделе про модели.

Существует ли нейросеть, которая сама чертит в автокаде?

Коротко: нет, и в 2026 году это видно со всех трёх сторон. На официальной странице функций AutoCAD 2026 (проверено 19 июля 2026) весь «искусственный интеллект» - ассистент для чистки и разметки, а не генератор. Neural CAD анонсирована, но недоступна. Научный text-to-CAD работает только на простой геометрии.

Neural CAD показали на Autodesk University 2025: модель строит редактируемую CAD-геометрию из текстового промта и выросла из экспериментального Project Bernini, обученного на 10 млн 3D-форм. Звучит как ровно то, что ты ищешь. Но на середину 2026 года её нет в публичном доступе - это анонс, а не инструмент.

Наука тоже не закрывает вопрос. Text2CAD от DFKI (NeurIPS 2024) - первый фреймворк генерации параметрических CAD-моделей из текста - обучался на датасете DeepCAD: около 170 тысяч моделей и 600 тысяч аннотаций. Выход - последовательности «эскиз плюс выдавливание», геометрически простые детали. План этажа так не соберёшь.

Что реально умеет ИИ в AutoCAD 2026?

Коротко: ускоряет рутину вокруг уже существующего чертежа - ищет объекты, сводит их в блоки, переносит правки с PDF. Чертёж с нуля не создаёт. Сводка - по официальным страницам Autodesk на 19 июля 2026.

Функция AutoCAD 2026	Что делает (по Autodesk)	Чего не делает
Smart Blocks: Detect and Convert	Техпревью на Autodesk AI: распознаёт объекты - кандидаты в блоки	Не рисует новые объекты
Smart Blocks: Search and Convert	Ищет похожие объекты и конвертирует их в блоки с AI-подсказками	Не генерирует геометрию с нуля
Markup Import + Markup Assist	Переносит правки с PDF из Autodesk Docs: текст, зачёркивания, boundary-разметка как revcloud; впервые видит разметку, добавленную до загрузки в Docs	Не создаёт геометрию - только разметку

Autodesk заявляет до 11 раз более быстрое открытие файлов и до 4 раз более быстрый запуск против AutoCAD 2025 - это слова вендора, а не независимый замер, и они про скорость интерфейса. Вся встроенная автоматика - про чистку и повторное использование: час на приведение чужого DWG в порядок экономится, восемь часов отрисовки нового плана - нет.

Почему «сгенерируй мне картинку чертежа» - тупик?

Коротко: чертёж - не изображение, а точная структура: слои, типы линий, допуски, рамка и штамп по ГОСТ. Картиночная модель выдаёт похожую имитацию, которая не открывается как DWG и не проходит нормоконтроль. Такой результат уже окрестили нейрослоп.

Бенчмарк Text2CAD-Bench (май 2026) проверил это системно: 600 вручную отобранных примеров, четыре уровня сложности - от базовой геометрии L1-L2 до топологии L3 и прикладных доменов L4. Вывод авторов: современные LLM справляются приемлемо на базовой геометрии, но существенно деградируют на сложной топологии и продвинутых операциях.

Не путай задачи. Модель, которая делает роспись стены по твоему описанию или стилизует селфи под карандаш, решает декоративную задачу - и решает хорошо. План по ЕСКД она не начертит: там миллиметры и слои, а не мазки. Это одна из тех типовых ситуаций, где «красиво» и «правильно» расходятся.

Почему тогда код срабатывает? LLM изначально заточена под текст: промт, документация, роботекст программы - её родная среда. B-Rep-топология - нет. Значит, чертёж надо перевести в текстовую форму. И для этого всё давно готово.

Рабочий обход: чертёж - это код

Коротко: исполнитель кода чертежа встроен в любой современный AutoCAD из коробки. AutoLISP появился как API ещё в Release 2.1 в середине 1980-х, а с версии LT 2024 он есть и в дешёвой редакции. Осталось заставить нейросеть писать на этом языке.

Схема простая: модель превращает описание в скрипт, AutoCAD или библиотека его выполняет. Python-библиотека ezdxf (актуальная версия 1.4.4, документация обновлена 14 мая 2026) создаёт, читает и пишет DXF-документы версий R12-R2018: LLM пишет Python, на выходе - файл, который AutoCAD понимает без конвертеров.

Вторая дорожка - протокол MCP, соединяющий модель со средой чертежа. И показательно, кто опубликовал образец связки: сам Autodesk Developer Network. Плагин adn-mcp-autocad (обновлён 3 марта 2026, лицензия MIT) встраивает Claude прямо в AutoCAD 2025+: естественный язык превращается в операции с XData и Extension Dictionaries, а ключ Anthropic хранится локально в зашифрованном виде (Windows DPAPI).

Живое доказательство из сообщества - проект puran-water/autocad-mcp: MCP-сервер для AutoCAD LT, где Claude по запросу на естественном языке выполняет AutoLISP. Внутри - бэкенд на ezdxf, undo/redo и поддержка P&ID-символов (600+ обозначений CAD Tools Online); работает с Claude Desktop и Claude Code.

Тот же паттерн - в соседних CAD. Адд-ин CADAgent для Fusion 360: описываешь деталь простым английским - Claude генерирует цепочку вызовов Fusion 360 API, и внутри CAD строится нативная параметрическая модель с редактируемым деревом фич, а не «слепой» STEP-файл. А Zoo развила text-to-CAD в Zookeeper, диалогового агента в Zoo Design Studio. Вывод один: генерация внутри CAD-среды бьёт импорт геометрии снаружи.

Что такое spec-driven development и при чём тут requirements.md?

Коротко: это методология, в которой спецификация - первичный артефакт и источник истины и для человека, и для ИИ. Код пишется по ней, а не наоборот. За год она дошла от идеи до инструментов AWS и GitHub.

Хронология. 14 июля 2025 AWS запустила Kiro в публичном превью - агентную IDE, которая должна увести разработчиков «от vibe coding к production-ready системам». 21 августа 2025 GitHub открыл Spec Kit: тулкит под MIT, на 17 июля 2026 у него 122 205 звёзд и поддержка 30+ кодинг-агентов (Claude Code, Copilot, Cursor и другие). 15 октября 2025 вышел канонический разбор Биргитты Бёкелер из Thoughtworks на martinfowler.com. А 25 июня 2026 вышел стабильный Kiro IDE 1.0 (попутно Amazon сворачивает Q Developer: конец поддержки 30 апреля 2027).

Механика у всех одна - три файла. По документации Kiro каждый spec генерирует requirements.md (истории и критерии приёмки), design.md (архитектура и стратегия тестирования) и tasks.md (дискретные отслеживаемые задачи); процесс строго трёхфазный: Requirements, Design, Tasks. У Spec Kit тот же конвейер: /speckit.specify -> /speckit.plan -> /speckit.tasks -> /speckit.implement. Бёкелер добавила уровни зрелости: spec-first, spec-anchored, spec-as-source. И формат критериев приёмки - EARS: «Когда <событие>, если <условие>, то система должна <поведение>». Запомни конструкцию, пригодится через раздел.

Как написать requirements.md к чертежу?

Коротко: как техническое задание самому строгому исполнителю. Шесть частей - шаблон можно скопировать и заполнить.

1. Цель: что за чертёж, масштаб, лист, для кого.
2. Слои и их назначение: «стены», «электрика», «размеры» - с цветом и типом линий каждого.
3. Примитивы и габариты: какие объекты, в каких координатах, с какими допусками.
4. Блоки и рамка: стандартные обозначения, штамп ЕСКД, что берётся из твоей библиотеки.
5. Критерии приёмки в формате EARS: «Когда скрипт выполнен, если открыть файл в AutoCAD 2026, то чертёж должен открываться без ошибок и содержать заданное число объектов на слое "стены"».
6. Запреты: например, не трогать существующие слои и не выходить за габариты листа.

Два совета из практики. Первый: вычитай спеку, как главред чужой текст, - каждое двойное толкование станет ошибкой в геометрии. Второй: если формулировка не даётся, попроси ту же модель о синонимизации - пусть перефразирует требование три раза, а ты выберешь самое однозначное.

Что детализация меняет радикально, показывает рубрика «Prompt like a Pro» на zoo.dev (проверено 19 июля 2026): расплывчатое «a manhole cover» против спецификации «a manhole cover with cuts for lifting, 600mm diameter, 50mm thick, with a 200mm hole in the middle» - то есть люк с прорезями, диаметр 600 мм, толщина 50 мм, отверстие 200 мм посередине. Второй вариант даёт точную геометрию, первый - что попало. Твой requirements.md - та же идея, доведённая до целого документа.

Какую модель подключить к этому конвейеру?

Коротко: любую сильную кодовую модель, к которой есть API-доступ из России. Спрос на такой доступ виден даже в выдаче: запрос «молекула агрегатор нейросетей» и отзывы о нём - люди ищут единый вход ко многим моделям. Подборка актуальна на июль 2026.

Модель	Роль в конвейере	Как подключить
Claude	На нём построен официальный сэмпл adn-mcp-autocad; AutoLISP и MCP	Ключ Anthropic; из России - через агрегатор с рублёвым балансом
GPT	Тот же кодовый слой через OpenAI-совместимый API	Ключ плюс смена base_url
DeepSeek (в поиске - «ддипсик»)	Открытая кодовая модель, удобна для частых итераций по спеке	OpenAI-совместимый API
Qwen («куин» в запросах)	Открытая кодовая модель, вторая точка сравнения	OpenAI-совместимый API
GigaChat	Российская модель Сбера, вариант для регламентированных контуров	Напрямую через API Сбера

Вся схема заводится из России сменой двух строк: ключ и base_url единого API provod.ai - он совместим и с OpenAI SDK (/v1/chat/completions), и с Anthropic (/v1/messages), так что MCP-серверы, IDE и собственные скрипты подхватывают его без переписывания кода. Один ключ вместо пяти, оплата картой РФ или по счёту, для юрлиц - договор и закрывающие: для конструкторского бюро это снимает главную бюрократию доступа к мировым моделям.

from openai import OpenAI

client = OpenAI(
    api_key="PROVOD_API_KEY",
    base_url="https://api.provod.ai/v1",
)

resp = client.chat.completions.create(
    model="<модель из каталога>",
    messages=[{"role": "user", "content":
        open("requirements.md", encoding="utf-8").read()
        + "\n\nНапиши Python-скрипт на ezdxf по этой спецификации"}],
)
print(resp.choices[0].message.content)

Этот фрагмент - сердце конвейера: читает твой requirements.md и просит модель написать скрипт на ezdxf. Ответ сохраняешь как .py, запускаешь - и получаешь DXF, который AutoCAD открывает нативно. Модель меняется одной строкой, спека - без правок кода.

Что этот подход не решает?

Коротко: сложную 3D-топологию, инженерную экспертизу и ответственность за подпись. Пять границ, которые честнее назвать сразу.

• Сложная геометрия. По Text2CAD-Bench модели деградируют на свободных поверхностях и прикладных доменах. Нейросеть разложит песню на стемы за секунды - а чертёж на слои «на слух» не разложит: только спека плюс итерации.
• Экспертиза и подпись. ГОСТ, нормоконтроль и подпись в штампе остаются на человеке.
• Галлюцинации в коде. Скрипт с ошибкой наплодит объектов или молча сместит координаты; прогоняй на копии файла.
• Конфиденциальность. Спека уходит во внешнюю модель; для коммерческой тайны нужен корпоративный контур с разграничением прав.
• Деньги. Каждая итерация стоит токенов; размытая спека - сожжённые прогоны.

Когда provod.ai не подходит?

Коротко: когда задача выходит за пределы связки «доступ, оплата, единый API». Четыре сценария, где агрегатор не нужен или не поможет.

• Ваш отдел стандартизирован на GigaChat: provod.ai его не предоставляет - идите напрямую в Сбер.
• Проекты под грифом, нужен on-prem: там свой контур и своё железо, никаких внешних API.
• Ждёте генеративный Neural CAD от Autodesk: его не даст ни один агрегатор - функция анонсирована, но недоступна вообще нигде.
• Нужен fine-tuning собственной модели под ваши узлы и блоки: это про репозитории и GPU, а не про чат и API.

Словарик запросов кластера

Коротко: выдача вокруг «нейросети для чертежей» замусорена соседними интентами. Что люди ищут рядом - и почему это про другое.

Чат-боты, которых ищут с ошибками и по слуху:

• «гетчат», «джимити», «дипаи» - народные написания GetChat, Gemini и DeepAI: чаты для текстов, не чертёжные инструменты.
• «ига», «сбергига» - коверканный сберовский чат-бот; «ругент», «аск», «лейн», «имаге» - обрывки запросов про чат-ботов и картинки в чате.
• «сиаарт», «сиааарт» - искажённое «C AI» (Character AI); «жанитор» - Janitor AI; «файфу» - аналоги компаньонов Grok: ролевые чаты, не САПР.
• «варенберг» - «Жан-Клод Ван Варенберг», шуточное прочтение Claude; а ведь это та самая модель, что в нашей схеме пишет код.

Музыка и голоса:

• «катюша», «гойда», «армейские» песни, «валим на гелике», «колокола», «пушка», «розенбаума», «медведица» - «Алиса, включи трек» и каверы в Suno.
• «три девицы под окном», «рязанское небо», «ханпаша», «пожн» (обрывок «что посеешь, то и пожнёшь») - тексты для Suno.
• «обривература», «шаумаров» - расшифровки и переделки треков; «брейк» - брейк-данс или «джейлбрейк» модели, оба мимо темы.
• «палочка», «пенсии», «гостья из будущего» - бытовые диалоги с Алисой.
• «лосяша», «тайлера», «мидория», «кулкид», «катамонстра», «кработов» - голоса героев «Смешариков», «Бойцовского клуба», аниме и «Фиксиков».

Картинки и видео (2D, не чертежи):

• «ватер» - удаление вотермарок; «сидэнс» - Seedance и Kling; «кинематографического» - апскейл роликов; «топаз» - Topaz Video AI.
• «фотопортретов», «сфоих», «фейс» - ретушь портретов, свои фото, фейс-своп.
• «пинтереста», «стволе», «крейон» - идеи и генераторы рисунков; «адский», «азиатка» - персонажи и люди для арта.

Ролевые чаты и взрослые интенты:

• «вайфу», «медсестра», «мафию», «зонтики», «феминизации» - чат-персонажи и партнёры для игр.
• «извращенец», «амоур», «телками», «мачеха» - взрослые запросы; платформы отклоняют их фильтром на входе, к инженерной теме отношения нет.
• «дамбы» - ключ от комнаты в Arc Raiders, игровой квест.

Оживление и дипфейки:

• «ленина» - «оживить Ленина» и другие дипфейки исторических фигур.

Профессии, курсы, быт:

• «библиотекаря», «кадровика», «кондитера», «модельера», «нутрициолог», «общепита», «бьюти», «рукодельниц» - нейросети для текстов и рекламы этих профессий.
• «девиз», «собесов» - девиз команды и подготовка к собеседованию; «гусев», «созоник» - ищут курсы по нейросетям.
• «супервайзингом» - термин из обучения моделей: про тренировку, не про промт.
• «мексидол», «нейронтина» - лекарства, о которых спрашивают Алису; «нейронаук» - про мозг, не про модели; «нумерология» - гадание; «снохи» - поздравления.
• «владивостоке», «павлодара» - погода и время у голосового ассистента.
• «руфусе» - Rufus и разметка флешек; «квантастика» - тест «какая ты нейросеть»; «энциклопедии» - генерация текстов (наша статья - не энциклопедия, а конвейер); «гама» - Gamma, презентации, не DWG.

---

provod.ai — официальный уровень цен в удобном для бизнеса контуре

Один рублёвый баланс заменяет расчёты с несколькими зарубежными сервисами: юридические лица получают договор, счёт и закрывающие документы, а команда — единый API.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

Цены 1:1 с провайдером — это минимальная наценка provod.ai, равная нулю: платформа не увеличивает официальную стоимость токенов и генераций.

Посчитайте стоимость своего AI-сценария: форма регистрации · цены на модели · защита данных по 152-ФЗ · реквизиты и документы

FAQ

Коротко: пять вопросов, которые остаются после сборки конвейера.

Может ли ChatGPT или Claude сам начертить чертёж в AutoCAD?
Сам по себе - нет: ни один чат-бот не откроет твой DWG и не проведёт линию. Через код - да: модель пишет AutoLISP или Python на ezdxf, а AutoCAD или MCP-сервер выполняет скрипт. Чертит исполнитель, модель - только автор кода.

Работает ли схема в AutoCAD LT?
Да. AutoLISP поддерживается в LT начиная с версии 2024, это подтверждает официальный Autodesk Help. Community-проект autocad-mcp как раз ориентирован на LT.

Можно ли всё это делать с телефона?
Частично. Чат с моделью и AutoCAD web работают и на айос, спеку можно писать хоть в заметках. Но выполнение AutoLISP - территория десктопного AutoCAD: полный конвейер живёт на рабочей машине.

А как же сервисы text-to-CAD - Zoo, CADAgent, «кьювер»?
Zoo и CADAgent строят 3D-детали внутри CAD-сред - для простых деталей это рабочий путь. «Кьювер» (так ищут Küvera) - визуализация интерьеров: красивая картинка для заказчика, а не чертёж по ЕСКД. Это разные классы инструментов.

Подойдёт ли российская модель - например, гигача?
GigaChat от Сбера подключается через собственный API, и для регламентированных отраслей это иногда требование. Насколько хорошо он пишет AutoLISP - честного ответа без прогона нет: возьми свою спеку из шаблона выше и проверь на своей задаче, это займёт вечер.

Источники

• S1: Хабр, В. Рассказов (X5 Tech), 2026 - https://habr.com/ru/amp/publications/1054646/
• S2: документация Kiro, 25.06.2026 - https://kiro.dev/docs/specs/
• S3: GitHub Spec Kit, проверено 19.07.2026 - https://github.com/github/spec-kit
• S4: Б. Бёкелер (Thoughtworks), 15.10.2025 - https://martinfowler.com/articles/exploring-gen-ai/sdd-3-tools.html
• S5: TechTarget, 14.07.2025 - https://www.techtarget.com/searchsoftwarequality/news/366627715/AWS-Kiro-coding-agents-highlight-spec-driven-development
• S6: ByteIota о Kiro IDE 1.0, 01.07.2026 - https://byteiota.com/kiro-ide-1-0-awss-spec-driven-agentic-ide-explained/
• S7: функции AutoCAD 2026 - https://www.autodesk.com/products/autocad/features
• S8: Autodesk Help, Markup Assist - https://help.autodesk.com/view/ACD/2026/ENU/?guid=GUID-7DEBC745-EA11-4A40-81B4-96EDC8DD8F1C
• S9: Autodesk Help, AutoLISP в LT 2024 - https://help.autodesk.com/view/ACDLT/2024/ENU/?guid=GUID-49AAEA0E-C422-48C4-87F0-52FCA491BF2C
• S10: ezdxf 1.4.4, 14.05.2026 - https://ezdxf.readthedocs.io/
• S11: Text2CAD, NeurIPS 2024 - https://arxiv.org/abs/2409.17106
• S12: Text2CAD-Bench, 18.05.2026 - https://arxiv.org/abs/2605.18430
• S13: ADN-DevTech, adn-mcp-autocad - https://github.com/ADN-DevTech/adn-mcp-autocad
• S14: puran-water/autocad-mcp - https://github.com/puran-water/autocad-mcp
• S15: Zoo, «Prompt like a Pro» - https://zoo.dev/text-to-cad
• S16: CADAgent для Fusion 360 - https://github.com/er-fo/CADAgent
• S17: EngineerLive о Neural CAD, 20.01.2026 - https://www.engineerlive.com/content/how-generative-design-reshaping-engineering-workflows
• S18: CIMdata о Project Bernini, 05.2024 - https://www.cimdata.com/images/Newsletter/LBNPDF/10MAY2024Weekly.pdf

Чертёж - это код, а спецификация - новый промт. Кто пишет requirements.md к чертежу, получает от нейросети черновик скрипта; перед запуском нужны синтаксическая, геометрическая и человеческая проверки. Кто пишет «начерти мне план» - получает картинку, которая не открывается в AutoCAD.

Первый шаг занимает минут десять: получи ключ на provod.ai - все модели для этого конвейера лежат в одном каталоге и на одном балансе в рублях, без VPN и без наценки к официальным тарифам. Тестируешь спеку в чате, в прод уводишь через тот же ключ.

И вопрос напоследок, с которым можно не согласиться. Готов ли ты потратить полчаса на спеку ради трёх сэкономленных часов отрисовки - или доверие к коду, который нейросеть пишет для чертежа, всё ещё нулевое? Особенно интересно услышать нормоконтролёров.