Como integrar IA ao T-FLEX: sem chatbots, com agentes controlados

Tentativas de embutir grandes modelos de linguagem em softwares de engenharia como o T-FLEX CAD costumam terminar do mesmo jeito: o processo cai, a licença trava e o projeto volta atrás. Engenheiros do Habr investigaram por que isso acontece e mostraram um jeito prático de resolver.

Por que LLMs alucinam em CAD

O T-FLEX não é um aplicativo web. É um sistema fechado, que funciona por meio de bibliotecas DLL e exige controle rígido de sessão, nomes exatos dos métodos da API e compatibilidade de tipos de dados. Um único erro e o sistema cai.

Por natureza, os LLMs dão respostas probabilísticas. Um modelo pode gerar código com aparência plausível: a sintaxe está correta e a lógica parece razoável. Mas o detalhe importa: pode haver um tipo de parâmetro errado, um erro de digitação no nome de um método ou uma referência a um campo de estrutura que na verdade não existe. Em um aplicativo web, isso exibe um erro na página. Em um CAD, derruba o processo.

Os engenheiros chamam isso de «alucinação»: o modelo entrega com confiança uma resposta errada. E quando dezenas de tentativas seguidas falham, a abordagem usual perde o sentido.

Como funciona o tflex_harness

Em vez de conectar o LLM diretamente, os engenheiros criaram o framework tflex_harness. Não é um chatbot. É um sistema de controle em várias camadas:

• Camada 1: modelo de linguagem — gera uma descrição textual da tarefa com base no pedido do usuário
• Camada 2: laço de controle — analisa o resultado do LLM e verifica os comandos antes de enviá-los ao CAD
• Camada 3: busca local na documentação da API — o sistema sugere ao modelo os nomes corretos de métodos e os tipos de parâmetros
• Camada 4: geração e compilação de código C# — o LLM escreve o código e o compilador o verifica antes de qualquer tentativa de execução
• Camada 5: execução isolada — o código roda em uma sessão separada do T-FLEX, e os erros não derrubam o processo principal

O resultado: se a compilação falha, o modelo vê o erro específico e tenta de novo. O agente aprende. E, principalmente, só chega ao CAD código verificado e compilado.

Adeus às abstrações

Esta é a diferença central em relação às soluções de IA típicas. O tflex_harness abre mão de promessas grandiosas. Em vez disso, o sistema trabalha de forma mais concreta: o modelo não pode inventar métodos e é forçado a usar apenas os registrados na API. O código não existe só na cabeça da rede neural: ele é realmente compilado. Os erros são verificados de forma mecânica, não estatística.

Isso soa como limitação. Na prática, é a única maneira de confiar no resultado.

O que isso significa

Para integrar LLMs a softwares especializados, não é preciso o maior modelo nem a interface mais elegante. É preciso previsibilidade e controle a cada etapa. Para CAD, sistemas CAM e softwares de engenharia em geral, essa abordagem abre um novo cenário: automação segura de tarefas de engenharia, sem risco de perda de dados ou de queda da licença.