02 · ブログ · 2026-09-13

無線スキャンから法廷の証拠まで——設計データが取得・検証・量産を貫く全工程の資産になる

AI × インダストリアルデザインのデイリーブリーフ（2026-09-13）：16件の情報源から、AIと工業デザイン、最新AIプロジェクト、注目のGitHubプロジェクトをまとめました。

公開日 · 2026-09-13 読了時間 · 約 26 分 タグ · AI · インダストリアルデザイン · デイリーブリーフ

今日のブリーフは16件の情報源をもとに、AI × インダストリアルデザイン、最新AIプロジェクト、注目のGitHubプロジェクトの3つのセクションでお届けします。一日を通して見えてきたのは、設計データが設計工程の中にとどまらなくなっているという流れです。データは現場で取得され、患者の気道のシミュレーションに使われ、法廷では証拠として提示され、量産機に入っていきます。そして、その周辺のツールは無線化し、AI支援を備え、検証可能になりつつあります。

AI × インダストリアルデザイン

  1. SHINING 3Dが無線版FreeScan Combo+を発表——産業用3Dスキャンを工場の現場と屋外へ（VoxelMatters、2026-09-12。ハードウェアはSHINING 3D）：SHINING 3Dは、産業検査向けFreeScan Comboシリーズの無線版「FreeScan Combo+ Wireless」を発表しました。スキャンデータはWi-Fi 7で伝送し、内蔵の充電式バッテリーは約2時間の連続スキャンに対応。従来のComboシリーズで必要だったケーブル接続をなくし、工場の現場や屋外で、大型の自動車部品、産業機械、鋳造品、航空機の構造部品を対象にします。大型または形状の厳しい部品では、特許取得のビデオフォトグラメトリを採用。部品の周囲に置いたスケールバーで大規模な基準フレームを先に構築し、その後レーザースキャンへ切り替えることで、大きな部品を接合する際に蓄積する誤差を抑えます。速度も向上し、高速スキャンモードは93本のレーザーライン、詳細スキャンモードは25本の並列レーザーラインを使い、最大180fpsで取得します。ソフトウェア側にはAI認識機能が加わり、スキャン中に部品の穴を自動で識別。完了後はワンステップで検査ソフトウェアに切り替え、3Dカラーマップ比較、GD&T解析、板金検査を行えます。注目ポイント：産業用スキャンは「部品を測定室へ運ぶ」から「スキャナーを現場へ持っていく」へ移りつつあり、AIによる穴の認識は、最も手間のかかる点群の後処理をスキャン中に前倒しします。設計チームにとっては、大型実物のリバース、改型前の現状モデリング、サプライヤー部品の確認を、工場や顧客先で直接行えるということです。無線化の意味はケーブルが減ることだけでなく、スキャンデータを設計プロセスの第一手の入力にしやすくすることにあります。
  2. 3Dプリント靴がミラノMICAMのメイン会場へ——Syntilayは足のスキャンとAI生成形状を組み合わせる（VoxelMatters、2026-09-12。MICAM Milano第102回）：世界最大級の靴見本市MICAM Milanoが第102回を迎え、3Dプリントはイノベーション展示からメイン会場へと歩みを進めています。各社は異なる路線を示しました。レッチェ発のスタートアップServatiは、特許取得の嵌合構造で3DプリントしたTPUソールとアッパーを接着剤や溶剤なしで接合し、寿命後に分解してリサイクルできるようにしています。Elmec3DはHPのMulti Jet Fusionでプリントした構造と、カスタムフィットのインナーソックを組み合わせました。NETXは試作ではなく、そのまま履ける完成品を展示。Syntilayは3Dの足スキャンとAI生成のジオメトリを組み合わせ、一人の履き手に合わせてラティスソールとアッパーを合わせ込みます。6〜14歳の子ども向けの4Stepsは、数か月ごとに標準サイズを超えて成長する足に対応するモジュール式の3Dプリント靴です。中国の材料メーカーeSUNの靴事業部門iSUN3Dは、量産向けの単一成分弾性レジンと大型プリンターを展示します。注目ポイント：靴は「スキャン→AI生成形状→積層造形による量産」という流れが最も完成されたコンシューマー向けの事例になりつつあります。足のスキャンが個人データを提供し、AIがそれを印刷可能なラティスに変換し、3Dプリントが小ロットのコストを平準化します。この各段階は、ウェアラブル、スポーツ、リハビリ製品に取り組むチームにそのまま応用できます。接着剤を使わない嵌合とリサイクル可能な構造は、グリーンデザインがもはや材料選定だけではなく、接合部そのものが設計上の制約になることを示してもいます。
  3. Artificial EngineeringがサウジアラビアでADRENAの建築群をコンクリート3Dプリント——2か月で印刷、曲面が動線を導く（VoxelMatters、2026-09-12。開発はRed Sea Global、設計とエンジニアリングはEXP Arabia、施工プリントはArtificial Engineering）：サウジアラビアのArtificial Engineeringが、Red Sea Globalが開発する紅海の目的地「The Red Sea」内の冒険・エンターテインメント地区ADRENAの建築群をコンクリートで3Dプリントしました。エンジニアリングと全体設計はEXP Arabiaが担当し、施工プリントはArtificial Engineeringのチームが担いました。建築の印刷は約2か月、リゾート全体は3か月弱で完成しています。ADRENAの曲面は単なる装飾ではなく、来場者の動線を導き、空間を区切り、建築と海岸景観の間の移行をやわらげる役割を持ちます。こうした形状を従来工法でつくるには複雑な型枠、より多くの材料、そして追加の時間が必要でした。曲面の壁ごとに型を組んで外す必要があったからです。敷地は完全に再生可能エネルギーで運用され、スカイグロウを抑える照明、閉ループの海水システム、材料消費と建設廃棄物を減らすためのコンクリート3Dプリントを採用しています。注目ポイント：自由曲面が造形言語から持続可能性の手段へ変わる具体例です。必要な場所にだけコンクリートを押し出し、型枠とそれに伴う廃棄物をなくします。プロダクトと空間の設計チームにとっての意味は、積層造形の価値が形状の自由度だけではなく、材料使用量・施工手順・リサイクルの複雑さをまとめて再設計できる点にあるということです。曲面が高いコストを意味しなくなれば、形態判断の評価基準も変わります。
  4. AltFormがIMTS 2026でPrint Brilliance 400を展示——430×430×450 mmの造形領域と4基の完全重なりレーザー（VoxelMatters、2026-09-12。IMTS 2026は9月14〜19日、シカゴのMcCormick Place）：産業用金属積層造形向けレーザーシステムを手がけるイタリアのAltFormは、IMTS 2026で親会社Sodick Inc.のブースに出展します。両社は横浜に本社を置く日本の精密工学企業Sodickグループに属しており、Sodickは2025年5月に、当時Prima Additiveという名称だったAltFormの過半数株式を取得し、イタリア企業の金属AMとレーザー加工事業をグループの産業ポートフォリオに組み入れました。目玉はPrint 400シリーズの旗艦で、同社で最も先進的な粉末床溶融方式のプラットフォームであるPrint Brilliance 400です。造形領域は430×430×450 mm、4基の完全重なりレーザーがそれぞれ造形領域全体をカバーでき、造形速度は最大4×100 cm³/hに達します。Sodick Inc.のイリノイ州Schaumburgの拠点には常設ショールームがあり、顧客はAltFormのシステムを評価し、アプリケーションエンジニアに生産要件を相談できます。注目ポイント：4基の完全重なりレーザーと430 mmクラスの造形領域は、分割・溶接・金型を前提としてきた大型金属部品を、1回で造形する方向を指しています。このクラスの装置が北米に常設拠点を持つようになると、大型金属AMのコストと納期をプロジェクト計画に組み込みやすくなります。構造部品、治具、ヒートシンクに取り組むチームにとって、金属AMは特殊工法から計画可能な選択肢へ変わりつつあります。
  5. CADファイルが法廷の証拠になるとき——3D再構築が製品の傷害訴訟に入る仕組み（SolidSmack、2026-09-11）：記事は、製造物責任訴訟の立証方法の変化をたどります。10年前の証拠は破損した現物そのもので、あらゆる角度から撮った写真、切断した部品、工場の図面でした。現在の証拠は、法廷のモニター上で回転させ、その場で断面を切り、破断面を強調し、設計意図を製造者の元のCADファイルから直接重ねたソリッドモデルであることが少なくありません。最も一般的な方法は、人を傷つけた製品（はしごの踏み桟、折りたたみ椅子のヒンジ、リチウム電動工具のハウジングなど）を構造光やレーザーでスキャンし、メッシュ化したうえでパラメトリックなソリッドとして再構築し、肉眼では捉えられない肉厚、溶け込み深さ、R形状を測定することです。説得力の源は比較にあります。破断した部品のスキャンと製造者の元CADを並べれば、より薄いボス、欠けたガセット、サプライヤー変更で削られたRが、読むものではなく見るものとして陪審に伝わります。注目ポイント：CADデータは設計工程をはるかに超えて法的な責任を負うようになっています。設計者にとって最も直接的な意味は、バージョン、改訂履歴、サプライヤー変更の追跡可能性が、もはやプロセスの潔癖さではなく立証チェーンの一部になるということです。逆に、スキャンとパラメトリック再構築という逆方向の流れは、設計意図がファイル内でどう表現されているかが、数年後にその部品を説明できるかどうかを左右しうるという問いも投げかけます。
  6. 画面から気道へ——CADと3Dシミュレーションが呼吸器デバイスの設計を書き換える（SolidSmack、2026-09-11）：記事は、呼吸器デバイス（人工呼吸器、ネブライザー、マスク、気道ステント）の設計パイプラインが、なぜCAD駆動のモデリングと3Dシミュレーションへ大きく傾いたのかを整理します。かつてのループは「平均的な気道、平均的な顔、平均的な一回換気量」から始まり、エンジニアは仕様書どおりに図面を描き、向こう側の解剖が合わせてくれることを期待していました。新しいループはCTスキャンや高解像度の表面取得から始まり、患者固有の形状をそのままCADに取り込みます。理由は、呼吸器の解剖が平均値を強く嫌うからです。同じ長さの気管でも、断面、気管分岐部の角度、軟化の程度が大きく異なります。出発点が患者自身の形状であれば、肉厚、フランジの位置、エアロゾルの到達といった下流のパラメータがすべて現実の解剖を引き継ぎ、その後は数値流体力学が、経験と試作で決めていた流れと沈着の問いに答えます。注目ポイント：これは「カタログ寸法から患者固有の形状へ」というパラダイムシフトであり、CADとシミュレーションが設計の起点へ前倒しされる典型例です。ウェアラブル、医療機器、人間工学製品に取り組むチームが参考にすべきは特定のデバイスではなく順序です。まず実在の人体データを形状に変え、試作の前にシミュレーションで適合と流れの問いに答えさせる。同日のスキャンのニュースと合わせると、設計の第一手の入力が「仕様書」から「実測データ」へ移りつつあることが見えてきます。

最新AIプロジェクト

  1. 生数科技が世界モデルMotus2を発表——ロボットが結果を予測し、自分で採点して、再帰的自己改善を探る（#新モデル #世界モデル。量子位、2026-09-12。生数科技が発表）：生数科技は、身体性知能向けの世界モデルMotus2を発表しました。前世代のMotusを土台に、視覚・言語・行動・触覚という複数のモダリティを1つのモデルへ拡張し、同時に3つの能力を持たせています。行動を生成するWAM（World Action Model）、行動の結果を予測するAC-WM（Action-Conditioned World Model）、結果の良し悪しを評価するVM（Value Model）です。三者は「行動を生成→結果を予測→結果を評価→方策を更新」というループを形成し、チームは再帰的自己改善（RSI）への初期的な探索と位置づけています。時間的なカンニングを防ぐため、学習はAction-firstの情報フローを採用します。現在の観測からまず行動を生成し、次に結果を予測し、最後に評価する順序です。推論時はBest-of-Nプランニングで複数の候補行動を想定し、それぞれの実行後の画面をシミュレートして価値モデルが最高得点のものを選びます。学習時はそのスコアを方策更新のシグナルに変え（チームはモデルベース強化学習と呼びます）、行動に関わるパラメータだけを更新して予測と評価の部分は動かしません。実機テストでは、スマートフォンの設置と多指操作の2タスクで、基本方策の平均成功率は65%。プランニングの追加で67.5%、MBRLの追加で72.5%、両者の組み合わせで75%になりました。注目ポイント：世界モデルが「結果の予測」と「結果の採点」を初めて閉ループにつなぎ、失敗した軌跡をノイズから学習信号へ変えました。設計チームにとって、予測と評価を生成プロセスに埋め込むこの発想は、設計レビューが「まず使われ方をシミュレートし、良し悪しを判断する」流れと同型です。生成モデルが自前の評価器を持つようになれば、AIの出力は「正しく見える」から「判定済み」へ向かう道ができます。
  2. GPT-6 AstraがFrontierMath Tier 4の最後の問題を攻略、Epoch AIがベンチマークの飽和を宣言（#新モデル #ベンチマーク。量子位、2026-09-12。ベンチマークはEpoch AIが運営）：Epoch AIはFrontierMath Tier 4の飽和を宣言しました。これまでAIが一度も解けなかった最後の問題をGPT-6 Astraが攻略し、OpenAIが公表したスコアは97.6%です。Epochの「全問解決」の定義は、異なるモデルと異なる時点の試行を積み上げた結果、Tier 4のすべての問題が少なくとも一度は正しく解かれたことです。Tier 4は2025年に登場し、当初の50問は数学の教授とポスドクが自身の研究方向を数週間かけて自動検証可能な問いに圧縮したものでした。公開時、すべてのモデルの合計でも3問しか解けず、サイトには「AIが解くまで何十年かかるかもしれない」と記されていました。2026年6月のv2では12問を修正し7問を削除して43問が残り、その後GPT-5.6 Solが83.0%、Claude Fable 5が90.2%、GPT-6 Astraが97.6%に到達しています。出題者のJay Pantone氏は、これまでAIは数値的な近道を探していたが、今回のAstraの解法は自分自身のものにかなり近かったと述べています。Epochはすでに、未解決の真正なOpen Problemsと、Erdősの未解決問題をLeanで形式化する取り組みへ移っており、そこではAstraは68問中2問しか解けませんでした。注目ポイント：研究級のベンチマークが飽和したからといって数学が解かれたわけではありませんが、モデル能力の進歩の速さを測る指標になります。1年2か月で2%未満からほぼ全問へ。設計チームにとってより有用な信号は、ベンチマークの移動方向です。「答えがあるか」から「形式検証を通過する完全な証明を書けるか」へ。これは、AIに追跡可能で検証可能な根拠を求める設計の流れと重なります。
  3. ByteDance SeedのHarnessDev——モデル自身にagent harnessを書かせると、64の変更のうち汎化したのは34のみ（#オープンソース #エージェント。MarkTechPost、2026-09-11。ByteDance Seed、SUTD、Georgia Tech、M-A-P、TokenWave.AIのチームが提案）：agent harnessとは、モデルの周囲にあるコード、つまり実行ループ、ツール、コンテキスト、状態、回復、検証を指します。Terminal-Bench 2.1のリーダーボードでは、同じ重みのGPT-5がTerminus 2では35.2%のタスクを解く一方、Codex CLIでは49.6%を解きます。しかし多くのベンチマークはharnessを固定したままです。HarnessDevは対象を反転させます。評価される成果物は、モデルが書いた実行可能なharnessであり、モデルが生み出した答えではありません。Creation段階では、すべての作成者が同じ弱い種を与えられます。受動的なファイル、検索、プロセスのプリミティブと、結果と軌跡のライターだけで、ループ、プランナー、検証器、リトライ、停止規則はありません。未改変ではどこでもスコアは0です。作成者はタスクファミリの仕様、短い設計チュートリアル、1〜3の開発ケースを得て完全なharnessを構築し、隠されたタスクの前に凍結します。Evolution段階では、自分が凍結したCreationのコードから出発し、固定された100のSWE-bench Proタスクの実行フィードバックで改訂します。結果は、64の変更のうち汎化したのは34のみでした。注目ポイント：モデルの「周辺のエンジニアリング」を、評価でき、モデル自身が書き換えられる対象に変えました。harnessを固定するかどうかで、同じモデルのスコアは14ポイント以上変わります。設計チームのAIワークフローを組むエンジニアにとって、本当の差はモデルの乗り換えではなく、ツール、検証、回復の設計にあるというメッセージです。「64のうち34しか汎化しない」は、サンプルに合わせた過剰な調整がすぐに無効になることも示しています。
  4. AnthropicがClaude Codeにプラグイン評価を追加——6種のグレーダー、プラグインなしのベースライン、スキル用のCIゲート（#製品 #ツール。MarkTechPost、2026-09-11。Anthropicが公開）：AnthropicはClaude Code向けのプラグイン評価ワークフローを公開しました。claude plugin evalコマンドは、現実的なプロンプトでプラグインを実行し、Claudeの出力を採点し、プラグインを読み込まない実行と比較します。これにより、開発者がこれまで測定できなかった3つの問いに答えます。スキルが発火するか、編集や新モデルへの変更後も有効か、そして素のモデルより実際に優れているか。評価スイートはプラグイン内のevals/ディレクトリに置き、各ケースはprompt.mdとgraders/を含むサブディレクトリです。プロンプト本文は書かれたとおりにClaudeへ渡され、@pathの参照は展開されません。prompt.mdのfront matterではmax_turns（既定10）、timeout_seconds（既定300）、model、tags、allowed_toolsを設定できます。グレーダーはmarkdownファイルで、front matterでtype、任意のweight、任意のarmを指定します。この機能にはClaude Code v2.1.269以降が必要で、各評価の実行と審査グレーダーは実際のモデル呼び出しとしてプランまたはAPIアカウントに課金されます。注目ポイント：設計チームは工程ルール、チェックリスト、レビュー手順を再利用可能なAIスキルとして書くことが増えていますが、これまで「そのスキルが本当に効いたか」を知る手段はありませんでした。プラグインなしのベースライン比較を標準の動作にすることで、設計規範の下でのAI出力の品質を回帰テストできる指標にできます。公開後にモデルが規範を無視していたことに気づく、という事態を避けられます。
  5. AnthropicのCEOが「フロンティアの歩調を緩める」3つの方針を示し、そのうち1つに一方的にコミットすると表明（#業界 #安全性。TechCrunch、2026-09-12。Anthropic CEO Dario Amodei氏のブログ記事）：AnthropicのCEO、Dario Amodei氏は、OpenAIのCEO、Sam Altman氏が以前に示した「AI開発の歩調を緩めるべきかもしれない」という発言に呼応し、そのための3つの大きな方針を示すとともに、Anthropicがそのうち1つに「一方的にコミット」していると述べました。記事は、大手AI企業が「私たちの命を賭けている」として今週辞任した研究者Jacob Coxon氏の件に直接触れてはいませんが、Amodei氏は、より慎重な姿勢を取るべきだと考えた2つの出来事を挙げています。OpenAIとHugging Faceに関わるハッキング事件と、「AIはすでに……」という判断です。AIの安全性とアラインメントをめぐる議論は、他の研究者による警告もあって、今週さらに高まっています。注目ポイント：フロンティアラボが「減速」を口にすると、リリースのペース、利用可能な地域、ライセンス条件に直接影響します。これは設計チームのツール選定で最も不安定な変数です。能力を提供する側のペースとコンプライアンス姿勢をリスク一覧に入れることは、モデルのリリースを追いかけるよりも重要です。安全性の議論が高まるときは、APIの審査やデータ条項が厳しくなる傾向もあり、機密性の高いクライアント案件を扱うチームは早めに評価する必要があります。

GitHubの注目プロジェクト

  1. jangtrinh/design-os-3d-blender——Blender 5.2向けのAIエージェントOS、受け渡し可能性を検証ゲートにする（#オープンソース。GitHub、2026-09-06作成、Python、68★、MIT）：Blender 5.2 LTS向けの「AIエージェント・オペレーティングシステム」です。エージェントスキル、エンジニアリングの読み物、実行ツール、検証ゲート、完了済みのビルドを含みます。AGENT_OK/AGENT_FAILの実行契約と、3Dプリント可能な部品のためのproduction gateを定義し、ロボットアーム、自動巻き時計、5つの地熱ORCコンポーネントについて、実物レベルのビルドと画像の証拠を添えています。ドキュメントは「レンダリングのレビュー」と「物理的な適合」は別物であると繰り返し強調し、各項目で証拠の適用範囲を明示しています。注目ポイント：多くのBlender AIプロジェクトは形状生成で止まりますが、このリポジトリは「納品可能」をスキル、実行契約、検証ゲートに分解し、AIモデリングで最も難しい部分、すなわち生成した部品が本当に製造できるかを正面から扱います。構造部品や印刷部品にAIを導入したいチームにとって、検証を工程の前段に置く参考アーキテクチャになります。
  2. gokayfem/H3-Max-Blender——GPT-6 AstraとH3 MaxによるBlenderのニューラルレンダリング、形状が育つと4種のスタイルプレビューも更新（#オープンソース。GitHub、2026-09-06作成、Python、31★、GPL-3.0）：GPT-6 AstraとH3 Maxをfal上で組み合わせたBlenderのニューラルレンダリングのデモです。シンプルな灰色の船がBlender上でディテールのある船体へと育ち、それに合わせてカートゥーン、クレイメーション、リアル、ペイントの4種のスタイルの動画プレビューが並行して更新されます。実行にはWindows上のBlender 5.1.2、Python、PATH上のFFmpeg、falのAPIキーが必要で、1回のフル実行で32回の有料生成リクエストが発生します。実験的な機能のため、プレビューは非同期で更新され、生成されるディテールは変わりえます。注目ポイント：モデリングとスタイル化されたレンダリングを同じライブループに入れ、形状が変わればプレビューも変わります。コンセプト段階の造形探索では、モデルを完成させてから1枚ずつ画像を出すのではなく、1つのシーンで形状とレンダリングの質感を同時に比較できます。外部APIで課金され、結果が非決定的である点には注意が必要で、直接の納品よりもプロセスの検証に向いています。
  3. Rjxshr1/idea-to-print——一文から印刷可能な彫刻へ、生成・検査・スライス・受け渡しを1つの実行台帳に（#オープンソース。GitHub、2026-09-08作成、Python、13★、MIT）：中国語名が「一文でモノをつくる」を意味するこのプロジェクトは、一文、参照画像、既存モデルから編集可能な3D彫刻を作り、形状検査、サイズ適合、印刷前の受け渡しまでを担います。3つのインストール可能なエージェントスキルと、それを支えるPythonツールを同梱し、画像生成、Tencent Hunyuan 3D、Blender、Bambu Studioをつなぎます。テキストと画像の入口は元画像とSHA256を保存し、image-to-3Dは公式SDKを使い、主画像と指定した補助視点、Geometryの白モデル、150万面のリクエストに対応します。検査は参照の一致、輪郭とボリューム、毛束・鱗・羽根の順に段階化。Blender側では元のハイポリモデルを保持し、STL、GLB、BLEND、軽量プレビューを書き出します。さらに統一された実行台帳（next/status/record/reconcile/export）が段階、試行、リモートジョブを管理し、試行回数の制限と回復の方針を備えます。注目ポイント：生成の周辺で最も見落とされがちな工程、すなわちバージョン、証拠、サイズの正規化、スライスの検証、失敗からの回復をプロセスに書き込み、実行台帳に記録します。AIで作ったものをデモではなく実際の納品に使いたいチームにとって、「印刷可能で追跡可能」を第一級の要件として扱う数少ないオープンソース実装です。
  4. carpentry-liu/awesome-astra-3d——Blender、Houdini、Rhino、CADにまたがるAstra 3D事例170件のエンジニアリング索引（#オープンソース。GitHub、2026-09-06作成、TypeScript、8★、NOASSERTION）：GPT-6 Astraの3D作品とプロジェクトを継続的に更新する索引です。2026-09-12時点で170件の事例、54件のソースまたはエンジニアリング、64件のデモ入口、82本のフル動画、さらに12件の独立した手法の参考を収録し、Blender、Houdini、Three.js、WebGL、CAD、VRM、インタラクティブゲームをカバーします。事例は出典別に格付けされ、オンラインデモサイトとコントリビューションガイドへのリンクも用意されています。注目ポイント：モデルのリリースを追いかけるより、実際のユーザーが何をしているかを見るほうが有用です。SNS上に散らばったAstraの3D事例を検索可能なエンジニアリング一覧に変えており、生成AIが現在の3Dワークフローで何ができるかを素早く判断する入口になります。ただしコミュニティの事例で品質にはばらつきがあるため、結論ではなくインスピレーションと選定の手がかりとして扱うのが適切です。
  5. HazAT/codex-fusion-360——実際のFusionモデリング1回分の知見を再利用可能なCodexスキルに（#オープンソース。GitHub、2026-09-09作成、MIT）：最初の印刷の後も調整しやすいAutodesk Fusionのモデルを作るための、再利用可能なCodexスキルです。実際のCADセッションから得た知見を規則として固定します。実測寸法とクリアランス、派生形状を分けて管理する。名前付きパラメータでスケッチ、押し出し、切除、パターン、フィレットを駆動する。独立した物理部品をモデリングする前にコンポーネントを作成してアクティブにする。装飾的なフィレットは後工程に回し、構造上のRとベッド接触部のエッジは意識して扱う。パラメータの依存関係、フィーチャーの結果、ネイティブの書き出し、物理的な適合に関する主張の限界を検証する。中身は指示だけで、バックグラウンドのフック、テレメトリ、実行可能なCAD自動化、MCPサーバー、同梱のセッション記録はありません。ABS/ASAの印刷上の注意と、Computer Useが固まった状態からの回復手順も含みます。注目ポイント：設計の経験をエージェントスキルとして書く軽量な例です。パラメータとコンポーネント管理でモデルの反復可能性を保ち、物理的な適合のようにソフトウェアでは検証できない結論を明示します。AIアシスタントをCADワークフローに組み込みたいチームにとって、指示だけで構成され、そのままレビューできるスキルパッケージは、自動化スクリプトよりも既存の品質プロセスに取り込みやすいものです。