Cómo integrar IA con T-FLEX: abandono de chatbots y transición a agentes controlados

Los intentos de integrar grandes modelos de lenguaje en software de ingeniería como T-FLEX CAD generalmente terminan de la misma manera: el proceso falla, la licencia se congela, el proyecto se revierte. Los ingenieros de Habr investigaron por qué sucede esto y mostraron una forma práctica de solucionarlo.

Por qué los LLM alucinarán en SIST-CAD

T-FLEX no es una aplicación web. Es un sistema cerrado que funciona a través de bibliotecas DLL y requiere control estricto de sesión, nombres exactos de métodos API y correspondencia de tipos de datos. Un error, y el sistema falla.

Los LLM, por su naturaleza, generan respuestas probabilísticas. El modelo puede generar código que se vea plausible: la sintaxis es correcta, la lógica parece razonable. Pero los detalles importan: puede haber un tipo de parámetro incorrecto, puede haber un error tipográfico en el nombre del método, puede haber una referencia a un campo de estructura que no existe. En una aplicación web, esto mostraría un error en la página. En un CAD, esto es una caída del proceso.

Los ingenieros lo llaman «alucinación». El modelo genera con confianza una respuesta incorrecta. Y cuando docenas de intentos fallidos se repiten, el enfoque convencional pierde sentido.

Cómo funciona tflex_harness

En lugar de conectar el LLM directamente, los ingenieros crearon el framework tflex_harness. No es un chatbot. Es un sistema de control multicapa:

• Capa 1: modelo de lenguaje — genera una descripción textual de la tarea basada en la solicitud del usuario
• Capa 2: bucle de control — analiza el resultado del LLM, verifica los comandos antes de enviarlos al CAD
• Capa 3: búsqueda local de documentación de API — el sistema sugiere al modelo los nombres correctos de métodos y tipos de parámetros
• Capa 4: generación y compilación de código C# — el LLM escribe código, el compilador lo verifica antes de intentar la ejecución
• Capa 5: ejecución aislada — el código se ejecuta en una sesión T-FLEX separada, los errores no provocan el bloqueo del proceso principal

Resultado: si la compilación falla, el modelo ve un error específico e intenta de nuevo. El agente aprende. Y lo más importante es que en el CAD solo llega código verificado y compilado.

Rechazo de abstracciones

Aquí radica la diferencia clave con las soluciones típicas de IA. tflex_harness rechaza las promesas brillantes. En su lugar, el sistema funciona de manera más concreta: el modelo no puede inventar métodos, se ve obligado a usar solo los que están registrados en la API. El código no existe solo en la mente de la red neuronal, se compila realmente. Los errores no se verifican estadísticamente, sino mecánicamente.

Suena como una limitación. En la práctica, es la única forma de confiar en el resultado.

Qué significa esto

Para integrar LLM en software especializado, no se necesita el modelo más grande ni la interfaz más elegante. Lo que se necesita es predecibilidad y control en cada paso. Para CAD, sistemas CAM y software de ingeniería en general, este enfoque abre un nuevo escenario: automatización segura de tareas de ingeniería sin riesgo de pérdida de datos o bloqueo de licencia.