Automating Structural Engineering Workflows with Large Language Model Agents

📄 arXiv: 2510.11004v1 📥 PDF

作者: Haoran Liang, Yufa Zhou, Mohammad Talebi Kalaleh, Qipei Mei

分类: cs.MA, cs.AI, cs.CE, cs.CL

发布日期: 2025-10-13

备注: Code: https://github.com/DelosLiang/masse

💡 一句话要点

MASSE：基于LLM Agent的结构工程工作流自动化系统

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 结构工程 大型语言模型 多Agent系统 自动化 工作流程 智能Agent

📋 核心要点

  1. 结构工程工作流程长期停滞，效率提升困难，专家依赖度高，自动化程度低。
  2. MASSE利用LLM Agent的推理、规划和工具使用能力，构建多Agent系统实现工作流程自动化。
  3. 实验表明，MASSE能显著减少专家工作量，从数小时降至数分钟，并提升可靠性和准确性。

📝 摘要（中文）

本文提出了MASSE，首个用于结构工程的多Agent系统，它有效地将基于大型语言模型（LLM）的Agent与实际工程工作流程相结合。结构工程是一个基础但传统上停滞的领域，尽管其具有巨大的经济影响和全球市场规模，但核心工作流程几十年来基本没有变化。LLM的最新进展显著增强了其执行复杂推理、长程规划和精确工具利用的能力，这些能力与结构工程任务（如解释设计规范、执行荷载计算和验证结构能力）非常吻合。概念验证表明，大多数实际结构工程工作流程可以通过基于LLM的无训练多Agent系统完全自动化。MASSE能够在专业环境中立即部署，并且我们对实际案例的全面验证表明，它可以将专家工作量从大约两小时减少到几分钟，同时提高实际工程场景中的可靠性和准确性。

🔬 方法详解

问题定义：结构工程领域的工作流程自动化程度低，长期依赖人工操作，效率提升缓慢。现有的方法难以有效整合设计规范、荷载计算等复杂任务，专家需要花费大量时间进行重复性工作，且容易出现人为错误。因此，如何利用新兴技术，例如大型语言模型，实现结构工程工作流程的自动化，是一个亟待解决的问题。

核心思路：论文的核心思路是利用大型语言模型（LLM）作为智能Agent，通过构建多Agent系统（MASSE）来模拟和自动化结构工程的各个环节。LLM Agent具备强大的推理、规划和工具使用能力，可以理解设计规范、执行荷载计算、验证结构能力等任务。通过将复杂的工程流程分解为多个Agent协同完成的任务，实现端到端的自动化。

技术框架：MASSE系统由多个LLM Agent组成，每个Agent负责特定的结构工程任务。整体流程如下：1) 输入结构工程问题描述；2) MASSE系统将问题分解为多个子任务，分配给相应的Agent；3) 每个Agent利用自身的知识和工具，执行分配的任务；4) Agent之间进行信息交互和协同，共同完成整个工程流程；5) 输出最终的结构工程解决方案。

关键创新：该论文的关键创新在于首次将多Agent系统与大型语言模型相结合，应用于结构工程领域。通过构建MASSE系统，实现了结构工程工作流程的自动化，显著提高了效率和准确性。此外，该方法无需针对特定任务进行训练，可以直接应用于实际工程场景，具有很强的通用性和可扩展性。

关键设计：论文中没有详细描述具体的参数设置、损失函数或网络结构等技术细节。由于该方法是基于预训练的LLM，因此不需要额外的训练过程。关键的设计在于如何将结构工程任务分解为适合LLM Agent执行的子任务，以及如何设计Agent之间的信息交互机制，以保证整个系统的协同工作。

🖼️ 关键图片

img_0

📊 实验亮点

论文通过实际案例验证了MASSE系统的有效性。实验结果表明，MASSE可以将专家完成一项结构工程任务所需的时间从大约两小时减少到几分钟，同时提高了结果的可靠性和准确性。与传统的手工方法相比，MASSE在效率和准确性方面都取得了显著的提升，证明了基于LLM Agent的自动化方法在结构工程领域具有巨大的潜力。

🎯 应用场景

MASSE系统具有广泛的应用前景，可应用于桥梁设计、建筑结构设计、隧道工程等领域。通过自动化结构工程工作流程，可以显著提高设计效率，降低成本，并减少人为错误。此外，该系统还可以为工程师提供辅助决策支持，帮助他们更好地理解和解决复杂的结构工程问题。未来，MASSE有望成为结构工程领域的重要工具，推动该领域的智能化发展。

📄 摘要（原文）

We introduce $\textbf{MASSE}$, the first Multi-Agent System for Structural Engineering, effectively integrating large language model (LLM)-based agents with real-world engineering workflows. Structural engineering is a fundamental yet traditionally stagnant domain, with core workflows remaining largely unchanged for decades despite its substantial economic impact and global market size. Recent advancements in LLMs have significantly enhanced their ability to perform complex reasoning, long-horizon planning, and precise tool utilization -- capabilities well aligned with structural engineering tasks such as interpreting design codes, executing load calculations, and verifying structural capacities. We present a proof-of-concept showing that most real-world structural engineering workflows can be fully automated through a training-free LLM-based multi-agent system. MASSE enables immediate deployment in professional environments, and our comprehensive validation on real-world case studies demonstrates that it can reduce expert workload from approximately two hours to mere minutes, while enhancing both reliability and accuracy in practical engineering scenarios.