从提示到结构：基于知识的大语言模型辅助清代建筑程序化建模

《Journal on Computing and Cultural Heritage》：Prompt-to-Structure: Knowledge-Grounded LLM-Assisted Procedural Modeling of Qing Dynasty Architecture

　　大语言模型（LLM）的最新进展为将自然语言交互与程序化内容生成（PCG）相结合开辟了新的机遇。然而，文化遗产建筑建模不仅仅需要语法正确的参数生成，所生成的形制还必须遵循基于历史依据的营造规则、构件依赖关系以及可执行的资源约束。本研究以清代官式木结构建筑为案例，提出了 **Prompt-to-Structure**——一个基于知识接地（knowledge-grounded）的框架，旨在将自然语言生成意图转化为最小化、可执行的程序化规格。该框架整合了源自建筑典籍与学术研究的参考语料库、编码了建筑规则及适用性约束的领域知识图谱，以及具有元数据索引的三维构件库。给定用户提示词后，检索增强接地支持规格生成，而确定性验证与构件解析确保所生成的参数能够在Blender中以程序化方式实例化。实验表明，与无引导的LLM基线相比，完整流水线在保持语义对齐与可靠程序化可执行性的同时，提高了规则合规性。这些结果展示了受限的LLM–PCG工作流在基于历史约束的条件下进行规则一致的文化遗产建筑生成与假设可视化的潜力。