《Proceedings of the Design Society》：How would engineers use LLMs for assembly search if they could? – An empirical study for fostering generative AI-driven design reuse in the future
编辑推荐：
本研究考察了工程师在机械设计中如何构建用于检索现有装配体的自然语言提示（prompt）。一项涵盖48名工程师的调查研究产生了针对多种装配体的169条提示。结果表明，提示主要以项目符号形式撰写，平均包含三项需求，最多可达七项。工程师主要通过隐性功能描述以及几何或
本研究考察了工程师在机械设计中如何构建用于检索现有装配体的自然语言提示（prompt）。一项涵盖48名工程师的调查研究产生了针对多种装配体的169条提示。结果表明，提示主要以项目符号形式撰写，平均包含三项需求，最多可达七项。工程师主要通过隐性功能描述以及几何或物理参数来描述装配体。这些发现为开发基于生成式人工智能的提示驱动系统以促进设计复用提供了实证基础。
本研究聚焦于机械工程领域中装配体检索与复用问题，探讨生成式人工智能（Generative AI，简称GAI）背景下基于文本提示（prompt）的搜索输入格式。在工业实践中，装配体设计数据仓库已广泛存在，其在新项目及产品代际中的定向复用可显著提升开发效率。实证研究表明，约75%的新开发零件模型基于现有设计 through adaptation or variation 实现，仅约25%需要完全重新设计。然而，由于手动或计算机辅助识别的复杂性，这些数据的可访问性受到限制。为提供数字支持，企业采用物料号逻辑、基于特征的分类系统以及语义命名规范等方案，但这限制了搜索用户只能用已形式化的信息和句法结构来表达其问题。随着生成式人工智能及大语言模型（Large Language Models，简称LLMs）的出现，提示（prompt）作为一种直观灵活的输入格式应运而生，术语无需再符合形式化命名规范，因为LLMs在解释提示时更依赖术语的语义和句法上下文。先前研究表明，基于提示的计算机辅助设计（Computer-Aided Design，简称CAD）装配体搜索查询 formulation 是从业设计师视角下显著更友好的输入格式，92名受访工程师中81%倾向于基于提示或自由文本的搜索输入。
鉴于提示作为信息输入格式的新颖性，何种关于目标装配体的文本信息适合用于提示构建以发起搜索查询，以及工程师将如何精确构建此类查询，尚属未知。本研究通过结构化调查填补这一空白，所获关于CAD装配体基于提示的搜索查询之句法和语义结构知识，将为后续研究提供基础，从而客观评估生成式人工智能改善装配体复用的潜力。
研究旨在定量洞察设计工程师如何构建面向装配体的基于提示的搜索查询，除提示的语义结构外，其句法构成亦被考察。研究重心不在于提示搜索系统的技术实现，而在于理解用户与该系统交互时的行为，从而为面向未来的研究与开发活动中用户中心的提示搜索系统设计提供科学依据。基于此，研究提出两个研究问题（Research Questions，简称RQ）：Q1，工程师使用何种信息执行现有装配体的基于提示的搜索以实现新项目语境中的复用；Q2，工程师执行基于提示的装配体搜索时，搜索场景及提示的语言表述存在何种异质性。对应假设H1为：工程师主要使用装配体的功能描述，并进一步由详述几何、物理及组织属性的定量参数加以具体化；H2为：提示在细节程度、内容侧重、装配体及参数命名以及语言表述方面存在个体差异。
研究方法采用标准化在线调查，由工程师群体填写并分析，核心聚焦于收集和分析用于搜索特定装配体的示例自由文本提示。调查设计前，研究人员对目标群体代表性用户进行了五次专家访谈，以识别与调查专业相关的实践视角，并收集领域特定术语以确保调查可被参与者正确理解。关键发现为：所有受访者均表示主要基于装配体功能及决定功能性能的装配体特定参数进行搜索，此类参数包括主要几何尺寸、施加力和组件提前期等。将这些参数分类为几何尺寸、物理属性和组织约束被认为具有实用价值，这一定性洞察构成了定量调查评估框架的组成部分，并为假设H1的提出提供了依据。
调查涵盖四种问题类型：个人信息（D1、D2） capture 参与者的人口统计学及专业Profile；多选题（S-I）识别参与者对提示构建的偏好与优先级眼袋；四个搜索场景（P1-P4）构成调查核心，其中三个装配体通过访谈预先确定以确保与参与者日常任务相关，第四个场景要求参与者基于自身设计工作创建提示以补偿标准化语境带来的偏差；探索性问题（E1-E3）收集参与者对基于提示的装配体搜索的优势、劣势及改进建议。调查使用三个来自搬运技术领域的装配体：气动升降单元（a）、双气动平行夹爪（b）以及由多种气动组件组成的搬运单元（c）。对169条装配体提示的分析基于六项提示特征，分为一般属性（G1-G4，独立于被提示装配体，集体分析）和特定属性（S1-S2，针对各搜索场景单独分析）。G1测量提示长度（字符数）；G2关注句法结构（项目符号 versus 连续文本）；G3捕获功能描述的语言表达方式（显式描述、隐式推断或无法推断）；G4记录指定装配参数的数量；S1涉及装配命名；S2涉及用于具体化装配的几何、物理和组织参数。
48名工程师参与了调查，平均设计经验14.5年（中位数11.5年），涵盖从1年至35年的各经验层级。50%负责单个产品设计，27%承担整个客户订单的项目责任，6%担任管理职位，6%为学生，11%为其他角色。在优先搜索信息方面（S-I），83%的受访者认为连续文本中装配体功能的定性描述相关，72%希望使用装配体执行的运动序列规格，71%认为能量供给描述相关，67%认为施加的机械载荷相关，52%提及循环时间等组织属性，43%提及参考项目，37.5%提及外购件信息，37.5%提及安装空间，仅12.5%关注与相邻装配体的连接几何，10%关注装配体质量。
169条提示的分析结果显示：G1方面，83%的提示短于100字符，平均66.1字符；G2方面，92%以项目符号撰写，仅8%为完整句子；G3方面，无提示包含功能性能的显式文本描述，但84%通过语义有意义的装配体命名隐式传达功能；G4方面，提示平均包含2.7个装配参数，多数包含三个及以上参数，最多达七个。装配命名方面（S1），"Lifting Unit"占55%，"Double-Parallel Gripper"占30%（但"Double Gripper"20%、"Gripper"15%、"Parallel Gripper"13%），"Pick & Place"20%（但32%无名称），且存在"Lifter"、"LiftPos"、"Hubix"等多种变体，术语使用不一致。
装配参数方面（S2），功能描述的相关性预测未完全兑现，但运动序列、施加机械载荷和能量供给频繁用作参数，物理和几何参数占主导，组织参数亦有涉及。具体而言：升降单元（P1.S2）中，提升行程（77%）、提升力（68%）、气动能量供给（66%）为主要参数；夹爪装配体（P2.S2）中，夹爪力（65%）、夹爪行程（46%）、夹爪布置（26%）为主；搬运装配体（P3.S2）中，各组件驱动行程（80%）、驱动 力（36%）、运动序列（34%）、能量供给（25%）为主，且该装配体常无名称但参数更多，表明参数对用户搜索过程影响更显著。其他装配体（P4.S2）中，几何尺寸出现频率（50%）高于P1-P3（10%-20%），运动（32%）、力（32%）、能量供给（27%）仍为主要参数。
参与者对基于提示的装配体搜索的评估显示：优势（E1）包括简化和加速搜索过程、减少 作量和时间节省、不受预定义搜索掩码或形式输入结构约束、认知减负、更灵活个性化直观的表述；顾虑（E2）包括结果可靠性和可追溯性、返回结果反映实际搜索意图的准确性、有效性系统验证困难、底层数据质量为核心前提、错误或不完整的历史装配体分类无法由基于提示的方法补偿、有效使用提示技术需要培训；改进措施（E3）中，基于公司核心功能创建本体论装配结构获64.6%支持，整合遗留系统现有搜索机制获62.5%支持，将搜索功能整合为单一工具获54.2%支持，上传技术草图或照片等技术图形源实现多模态搜索获54.2%支持，50%认为提升搜索速度是关键因素。
讨论部分，研究人员基于48份调查响应和169条收集的提示对假设进行评估：H1部分确认，虽无完整功能描述，但大多数提示通过装配体命名隐式描述功能，几何和物理参数占主导，组织参数较少但存在于所有装配体；H2确认，提示在细节、语义命名和句法结构方面存在显著差异。LLMs的灵活性特别适合处理这种分歧。研究局限性在于调查在无实际搜索系统的背景下进行，平均完成时间10-15分钟表明提示为自发构建，认知心理学 supports 此解释——人类同时处理约七个信息单元（Miller, 1956），Cowan（2001）则限定为无记忆策略时的四个，观察到的最多七个参数及平均2.7个参数与此相符，表明输入为直觉性和情境驱动而非系统准备，虽可能降低提示深度但增强了真实世界情境中的真实性，为面向提示搜索原型的用户中心研究提供了务实基础。交互式提示结构及LLM的澄清问题对改善搜索质量具有前景；提示普遍较短，表明针对 性提示的经验有限，有效提示构建的培训可优化系统使用；命名和参数的多样性凸显了对非正式或不精确提示进行灵活语义解释的需求，这是基于LLM方法的关键优势。
研究结论与展望：本研究调查了机械工程中装配体搜索与复用问题，聚焦文本提示作为搜索系统输入格式的应用。由于其高度的 formulation 灵活性，提示被潜在用户视为装配体搜索辅助系统的有前景方法。基于48名参与者和169条示例提示的调查，确定了装配体搜索所使用的开发信息（Q1）以及此类搜索提示的典型构建方式（Q2）。结果为利用生成式人工智能技术支持装配体搜索的未来搜索系统的用户中心设计提供了实证基础。未来研究可将提示中包含的装配体信息与现有装配体数据（如CAD模型、技术图纸和物料清单）进行比较，以评估此类系统的技术可行性。若证明可行，可随后开发并评估原型提示式装配体搜索系统，以科学探究其对工程设计工作的效益和影响。
