面对复杂工程系统设计的高度不确定性与创造性挑战，iDesignGPT框架应运而生。该研究将大语言模型智能体与成熟工程设计方法深度融合，通过多智能体协作工作流，系统化地支持从问题定义到方案评估的全过程。其核心价值在于提升设计方案的原创性与模块化，同时显著降低初学者的认知负担，为高质量概念设计提供了全新且可行的自动化路径。
智能速览
iDesignGPT通过多智能体协作，将大语言模型与工程设计方法深度融合。
框架引入覆盖度、多样性与新颖性等定量指标，量化评估设计方案。
在六项设计挑战中，iDesignGPT的原创性与模块化表现持续优于主流大模型。
用户实验证明，该系统能有效降低设计初学者的认知负担与心理压力。
精华内容
iDesignGPT框架的突破性不仅在于技术本身，更在于其系统化地将成熟工程理论与AI智能体工作流相结合，从而实现设计过程的可控与高效。其核心架构与关键优势具体体现在以下几个方面。
智能体协作架构
该框架构建了一个包含分析员、信息官、创新者与评估者的多智能体系统，协同执行问题定义、信息收集、概念生成与方案评估四个阶段。系统结合了顺序、循环与专家协作三种流程，能够自动化执行质量功能展开（QFD）、发明问题解决理论（TRIZ）、形态分析和生物仿生设计等多种成熟工程方法，确保了设计过程的系统性与可解释性。
量化设计探索
iDesignGPT引入了覆盖度、多样性与新颖性三大定量指标来评估设计空间。通过语义嵌入分析，研究显示生物仿生与头脑风暴策略显著扩展了设计覆盖度约11.4%，而TRIZ与SCAMPER法则更侧重于方案优化，整体设计多样性提升约18.5%。这种量化方式为早期概念设计的创造性提供了客观依据，实现了从定性评估到定量管理的转变。
性能对标验证
在六项公开的工程设计挑战中，iDesignGPT的设计方案在新颖性、原创性和模块化程度上，持续优于GPT-4o零样本、GPT-4o推理提示和Deepseek-r1等主流大模型工作流。尤为关键的是，在与22个真实竞赛获奖方案的对标评估中，iDesignGPT生成的设计结果稳定地处于前25%的区间，证明了其在实际工程应用中的竞争力。
降低专业门槛
两项受控用户实验揭示了iDesignGPT在用户体验上的优势。实验结果表明，该系统能够有效降低用户的设计认知负荷，尤其是在设计流程清晰度、需求发现和决策支持方面。对于初学设计者而言，使用iDesignGPT的心理负担显著低于纯人工设计，设计流程更加清晰。即便是专家用户，也认可其流程化与可控性所带来的价值。
iDesignGPT框架的成功验证了大语言模型智能体在复杂工程设计领域的巨大潜力。它不仅提升了概念设计的效率与质量，更重要的是构建了一套可复制、可扩展的系统化方法论。未来，随着与CAD、CAE等工具的进一步整合，AI将更深入地参与到完整的工程设计生命周期中，人机协作的创新模式值得持续探索。
