atlisp-dwg-kb

基于本体(Ontology)的 CAD 图纸知识库管理系统。将历史 DWG 图纸转化为可检索、可追溯的知识图谱。

功能

• DWG 元数据提取: 从 DWG 文件提取图层、块、文字标注等元数据（支持多进程并行、断点续传）
• OWL 本体: 形式化知识表示 (15类 + 20属性)
• RDF 三元组存储: rdflib 图存储，规模随图纸量增长
• 自动推断: 设计演进链、跨专业关联、共享构件
• SPARQL 查询: 支持自然语言关键词和 SPARQL 查询
• REST API: FastAPI 服务端 (15+ 端点)
• Web UI: Gradio 界面 (7 标签页)
• Neo4j 导出: 可选导出到 Neo4j 图数据库

对设计人员的价值

十年积累的图纸散落在几百个项目目录里，找一张图要翻目录、记文件名、问老同事。本系统把这些 DWG 变成可提问的档案库：

1. 秒级找图，告别翻目录

"列出所有暖通图纸"
"2023 年港达项目有哪些结构图"
"所有节点详图"

按专业（建筑/结构/暖通/电气/给排水）、项目、年份、图纸类型直接筛选，不再依赖个人记忆和目录命名习惯。

2. 版本与审图轮次自动追溯

系统自动识别 _t3、(1)、日期等版本标记，以及"意见/审图/二次意见/答复"等审图轮次关键词，还原每张图的设计演进链：

• 这个节点大样改过几版？每版属于哪一轮审查？
• 初版和最终版之间图纸经历了什么过程？

3. 跨专业关联一目了然

自动发现图纸间的坐标/引用关系和共享构件——做专业协调时，快速定位"这张建筑图对应哪些结构图、机电图"，减少扯皮和漏配。

4. 标准件与详图复用

识别跨项目重复使用的图块（标准节点、设备图例、大样），新项目直接参考过往做法，不再重复画详图。

5. 团队经验沉淀

历史方案（绿建、人防、消防等专题图纸）从"存在某人电脑里"变成全团队可检索的素材库，人员流动不再带走经验。

定位：它是图纸档案的检索与追溯工具，不替代 CAD——设计、绘图仍在 CAD 中完成，本系统解决"找、查、追、复用"的问题。

安装

# 本地开发（全部依赖）
pip install -e ".[all]"

# 按需选择 extras
#   [dwg]    ezdxf (DWG 提取)
#   [ui]     gradio (Web 界面)
#   [neo4j]  neo4j (图数据库导出)
#   [watch]  psutil (CPU 空闲自动构建)
#   [service] pywin32 (Windows 服务)
#   [all]    以上全部

安装后提供 atlisp-dwg-kb 命令；未安装时也可从仓库根直接运行：

PYTHONPATH=src python -m atlisp_dwg_kb.cli <command>

系统依赖：DWG 提取（atlisp-dwg-kb extract）需要 [dwg] extra（ezdxf），且 dwg2dxf（libredwg）必须安装到系统 PATH，Python 依赖不够。

# Ubuntu/Debian
sudo apt install libredwg-tools
# Windows 无官方二进制，需自行编译，或在 Linux 上先完成提取

数据处理流程

raw/ (DWG 源) ──atlisp-dwg-kb extract──▶ dwg-extract/ (JSON+MD)
                                               │
                              atlisp-dwg-kb build
                                               │
                                    ~/.dwg-kb/ (RDF + 图谱)
                                               │
                     query / stats / API(:8000) / UI(:7860) / export-neo4j

使用

1. 提取 DWG 元数据

# 试跑 50 个文件
atlisp-dwg-kb extract raw --limit 50

# 全量提取（默认 8 进程并行，--workers/-w 可调）
atlisp-dwg-kb extract raw -w 8

# 断点续传（跳过 dwg-extract/.processed.json 中已处理的文件）
atlisp-dwg-kb extract raw --resume

# 只处理某年份子目录 / 指定输出目录
atlisp-dwg-kb extract raw --project 2025
atlisp-dwg-kb extract raw -o /data/dwg-extract

• 源目录需按年份组织（2016–2025），项目名取自年份目录的下一层
• 输出为每张图一个 <stem>.json + <stem>.md，保留源目录结构
• 另有 extraction.log 与 summary.json 记录运行日志和统计

2. 构建知识库

atlisp-dwg-kb build --extract-dir raw/dwg-extract

产物（默认写入 ~/.dwg-kb/）：

• rdf/knowledge.trig — RDF 三元组
• graph/knowledge.json — NetworkX 图谱 + 社区检测
• graph/graph.html — 自包含交互式图谱（Cytoscape.js，可直接浏览器打开）

3. 查询

atlisp-dwg-kb query "列出所有暖通图纸"
atlisp-dwg-kb stats

4. 启动服务

atlisp-dwg-kb serve          # API: http://localhost:8000
atlisp-dwg-kb ui             # UI:  http://localhost:7860
atlisp-dwg-kb all            # 同时启动（UI 在 port+1，即 8001）
atlisp-dwg-kb export-neo4j   # 导出 Neo4j Cypher 到 ~/.dwg-kb/graph/

5. 管理多个 DWG 目录

合并为一个知识库：各目录分别提取到不同输出目录，构建时指向它们的共同父目录。build 会递归加载所有 *.json，同名图纸按源文件绝对路径区分，不会互相覆盖：

atlisp-dwg-kb extract /data/root1 -o /kb/extract/root1
atlisp-dwg-kb extract /data/root2 -o /kb/extract/root2
atlisp-dwg-kb build --extract-dir /kb/extract        # 合并 root1 + root2

各自独立知识库：用 DWG_KB_DATA_DIR 隔离存储（build / query / stats / serve / ui 需带同一变量）：

DWG_KB_DATA_DIR=~/.dwg-kb/root1 atlisp-dwg-kb build --extract-dir /data/root1/dwg-extract
DWG_KB_DATA_DIR=~/.dwg-kb/root1 atlisp-dwg-kb query "列出所有暖通图纸"

注意：不要让两个源目录提取到同一个 -o 目录（每张图输出为 <相对目录>/<stem>.json，相对结构重叠时会互相覆盖）。

6. 空闲时自动构建（autobuild）

常驻守护：定时采样 CPU，连续多次低于阈值（默认 30%）且源目录有更新时，自动执行 extract --resume + build 全流程。适合放在夜间/空闲时段自动跟进新图纸。

# 需要 [watch] extra (psutil) 与 [dwg] extra (ezdxf)
atlisp-dwg-kb autobuild raw

# 自定义：采样 30s，CPU<20%，连续 3 次空闲触发，仅提取 2025 年
atlisp-dwg-kb autobuild raw --interval 30 --cpu-threshold 20 --idle-checks 3 --project 2025

# 只跑一轮（等到空闲构建一次即退出），适合 cron/计划任务
atlisp-dwg-kb autobuild raw --once

• 触发条件：knowledge.trig 不存在，或源 *.dwg / 提取 *.json 的 mtime 晚于上次构建
• --interval 既是 CPU 采样窗口也是检查周期；需连续 --idle-checks 次空闲才触发（默认 3 次 × 60s ≈ 3 分钟）
• 后台/服务场景用 --log-file <path> 追加带时间戳的日志
• 按 Ctrl-C 退出

Windows 后台运行（服务）

在 Windows 上把 autobuild 注册为服务：开机自启、崩溃重启、无需登录。两种方式任选。

方式一：内置命令（pywin32，推荐）

pip install -e ".[dwg,watch,service]"     # [service] = pywin32
# 以管理员 PowerShell 运行：
atlisp-dwg-kb service install D:\dwg --interval 60 --cpu-threshold 30 --idle-checks 3 --log-file D:\dwg\dwg-kb-service.log

atlisp-dwg-kb service status
atlisp-dwg-kb service stop
atlisp-dwg-kb service start
atlisp-dwg-kb service uninstall

• service install 把运行参数写入 %PROGRAMDATA%\atlisp-dwg-kb\service.json，再注册并启动服务（SERVICE_AUTO_START）。
• 需管理员权限；若 pywin32 的服务宿主未注册，运行 python Scripts\pywin32_postinstall.py -install。
• 仅 Windows 可用，其他平台会提示 Windows service is only supported on Windows。

方式二：NSSM 脚本

1. 下载 NSSM，将 nssm.exe 加入 PATH。
2. pip install -e ".[dwg,watch]"。
3. 管理员 PowerShell 运行仓库脚本：

powershell -ExecutionPolicy Bypass -File .\scripts\windows\install-service.ps1 -DwgRoot D:\dwg

管理：

nssm status atlisp-dwg-kb
nssm restart atlisp-dwg-kb
powershell -ExecutionPolicy Bypass -File .\scripts\windows\install-service.ps1 -Uninstall

注意：提取依赖 dwg2dxf.exe（libredwg）在 PATH 中；libredwg 无官方 Windows 二进制，需自行编译，或先在 Linux 完成提取再拷回提取结果。

配置

通过环境变量配置（见 src/atlisp_dwg_kb/config.py）：

变量	说明	默认值
DWG_KB_DATA_DIR	知识库存储目录	~/.dwg-kb
DWG_EXTRACT_DIR	DWG 提取结果目录（build 默认读取）	./dwg-extract
NEO4J_URI	Neo4j 连接地址	bolt://localhost:7687
NEO4J_USER	Neo4j 用户名	neo4j
NEO4J_PASSWORD	Neo4j 密码	(空)

# 自定义知识库存储目录
export DWG_KB_DATA_DIR=/my/data
atlisp-dwg-kb build --extract-dir /my/dwg-extract

注意：仓库内的 data/ 是本地构建产物（已 gitignore），不是运行时默认路径。

命令一览

命令	说明
atlisp-dwg-kb extract <dwg-root> [--limit N] [--resume] [--project YYYY] [-w N] [-o DIR]	从 DWG 提取元数据
atlisp-dwg-kb build --extract-dir <dir>	从提取结果构建知识库
atlisp-dwg-kb autobuild <dwg-root> [--interval N] [--cpu-threshold P] [--idle-checks K] [--once] [--log-file F]	CPU 空闲时自动提取+构建
atlisp-dwg-kb service {install,uninstall,start,stop,status}	Windows 服务管理 (pywin32)
atlisp-dwg-kb query "..."	命令行查询
atlisp-dwg-kb stats	显示统计
atlisp-dwg-kb serve [--port N]	启动 FastAPI 服务 (默认 8000)
atlisp-dwg-kb ui [--port N]	启动 Gradio 界面 (默认 7860)
atlisp-dwg-kb all	同时启动 API + UI
atlisp-dwg-kb export-neo4j	导出 Neo4j Cypher

项目结构

dwg-knowledge-base/
├── src/
│   └── atlisp_dwg_kb/          # 核心包
│       ├── extract.py          # DWG 元数据提取 (DWG→DXF→JSON/MD)
│       ├── ontology/           # 本体(ttl) + RDF 填充 + SPARQL 查询
│       ├── graph/              # 图谱构建 + 演进追踪 + 跨专业 + Neo4j 导出
│       ├── api/                # FastAPI REST
│       ├── ui/                 # Gradio Web UI
│       ├── cli.py              # CLI 入口
│       └── config.py           # 配置 + 领域关键词表
├── tests/                      # pytest 测试
├── raw -> /media/data/...      # 本机 DWG 档案符号链接（勿提交）
├── data/                       # 本地构建产物（gitignore）
└── pyproject.toml

本体类层次

owl:Thing
├── Project
├── Drawing
│   ├── ArchitecturalDrawing
│   ├── StructuralDrawing
│   ├── HVACDrawing
│   ├── ElectricalDrawing
│   ├── DetailDrawing
│   └── GeneralDrawing
├── Layer
├── Block
│   ├── BuildingComponent
│   └── Equipment
├── ReviewRound
├── Discipline
└── TextAnnotation

依赖

• Python 3.10+
• rdflib (RDF 处理)
• networkx (图算法)
• fastapi + uvicorn (API 服务)
• ezdxf (可选, DWG 提取)
• gradio (可选, Web 界面)
• dwg2dxf (系统依赖, libredwg, DWG 转 DXF)