为生成式AI解锁第三维度（第一部分）
内容提要
生成式AI在3D建模方面取得了显著进展，但在工程和制造应用中仍存在局限。neThing.xyz通过“代码CAD”提高3D建模效率，利用AI生成代码并快速转换为3D模型。整合检索增强生成（RAG）技术后，neThing.xyz显著降低了用户查询的成本和复杂性，旨在为工程师提供更智能、快速、经济的3D生成AI。
延伸解读
代码CAD：工程3D生成的新路径
文章指出，当前3D生成AI在工程和制造领域实用性有限，作者两年未能生成一个可制造的模型。neThing.xyz转向“代码CAD”，利用AI生成代码再转换为3D模型。代码CAD通过编程创建和操作模型，相比传统图形界面，能提供更高精确度和自动化，尤其适合复杂设计。这一方法为工程应用提供了新思路。
RAG如何大幅降低查询成本
初始版本中，每次用户查询需约10000个token，成本高昂。集成RAG后，系统从AstraDB检索最相关代码示例，将平均token数降至约2000，OpenAI账单减少80%。作者强调，仅用一天时间重组信息即获得显著ROI，对小型企业意义重大。这展示了RAG在优化LLM应用成本上的直接价值。
当前局限与未来方向
尽管取得进展，作者坦言从自然语言生成复杂零件仍非常困难，目前只是起步。neThing.xyz的目标是让工具更快、更智能、更便宜，并借助LlamaIndex编排RAG流程。文章呼吁社区参与，强调AI的智能程度取决于社区贡献。读者可关注其后续发展，但需认识到工程级3D生成AI尚未成熟。
Q&A
生成式AI在3D建模方面有哪些进展和局限性？
生成式AI在3D建模方面取得了显著进展，但在工程和制造应用中仍存在局限，尤其是在生成可实际制造的物理对象方面。
什么是代码CAD，它如何提高3D建模效率？
代码CAD是一种新的设计方法，通过编程来创建和操作3D模型，提供更高的精确度和自动化，从而提高3D建模效率。
neThing.xyz是如何降低用户查询成本的？
neThing.xyz通过整合检索增强生成（RAG）技术，显著降低了用户查询的成本和复杂性。
RAG技术在neThing.xyz中的作用是什么？
RAG技术帮助neThing.xyz处理长提示，提供更相关的代码示例，从而提高生成3D模型的效率和准确性。
neThing.xyz的目标是什么？
neThing.xyz的目标是为工程师提供更智能、快速、经济的3D生成AI，专注于“文本到CAD”的转换。
neThing.xyz如何实现从自然语言提示生成3D模型？
neThing.xyz正在努力解决如何从自然语言提示生成3D模型的挑战，目前仍在探索阶段。
