Skip to main content Link Menu Expand (external link) Document Search Copy Copied
paul356's Blog

基于KiCad的大语言模型插件(Agent) — 支持 Vision 模型与 PDF 文本提取

前言

本次更新（v0.1.9）主要补全了两块能力：一是支持 Vision 视觉模型，现在可以直接把图片拖进对话框发给 LLM；二是支持 PDF 文本提取，上传 PDF 后自动提取文本内容。此外，自动布线工具 pcb_route_pad_to_pad 正式支持多层布线，可以在不同铜层之间通过过孔连接。另外还解决了插件遇到 LLM 临时错误时没有重试的问题，减少因服务端波动导致的对话中断。

本系列相关文章：

  1. 如何使用LLM直接修改KiCad原理图
  2. 基于KiCad的大语言模型插件(Agent)
  3. 基于KiCad的大语言模型插件(Agent) - 支持编辑PCB
  4. 基于KiCad的大语言模型插件(Agent) - 支持自动布线
  5. 基于KiCad的大语言模型插件(Agent) - Windows平台安装指南
  6. 基于KiCad的大语言模型插件(Agent) — 解决Windows版本卡死问题
  7. 基于KiCad的大语言模型插件(Agent) — 简化安装方法
  8. 基于KiCad的大语言模型插件(Agent) — 特性更新：Skills、嵌套电路编辑及更多
  9. 基于KiCad的大语言模型插件(Agent) — DRC设计规则与自动布线联动
  10. 基于KiCad的大语言模型插件(Agent) — 支持 PNS 避障布线

更新范围

本次更新（v0.1.9）合并了以下变更：

  • 统一文件附件：支持图片和 PDF 的拖拽上传，PDF 提取文本后以可折叠方式显示，丰富了多模态功能的日志信息
  • 多层布线： pcb_route_pad_to_pad 支持跨层布线，在不同铜层间自动插入过孔
  • LLM 调用重试：遇到 503 、 429 、 502 等临时服务器错误时自动重试，采用随机抖动延迟，提高重试成功率
  • 版本号升级至 0.1.9

功能详解

Vision 模型支持

在设置对话框中新增了 “Model supports vision” 选项。如果要使用支持视觉的模型，请在设置模型名的时候选中该勾选框，告诉插件当前模型支持视觉。

img

启用后，可以在对话中直接附加图片发送给支持视觉模态的 LLM （如 qwen3.8-max 等）。图片以 base64 编码的 image_url 格式随消息一起发送。

img

PDF 文本提取

上传 PDF 后，插件会在后台调用 PyMuPDF 逐页提取文本，每页内容前缀 [P1] 、 [P2] 等页码标记，方便 LLM 引用具体页面。提取完成后，文本以可折叠区块的形式显示在对话界面中。

img

如果是从旧版本升级到 0.1.9 版本，需要重新运行 setup_plugin 脚本安装 PyMuPDF ，才能支持 PDF 提取。 setup_plugin 使用方法可参考本系列文章的基于KiCad的大语言模型插件(Agent) — 简化安装方法。 PDF 提取在独立子进程中运行，超时时间 60 秒，最多提取 50 页。如果 PyMuPDF 未安装，会返回错误。

多层布线

pcb_route_pad_to_pad 现在支持跨层布线。当起始焊盘和目标焊盘位于不同铜层时，路由器会为每个布线层构建独立的网格地图，运行多层 A* 搜索，在合法位置插入过孔完成层间切换。

LLM 调用重试

LLM 调用遇到 503 、 429 、 502 等临时服务器错误时自动重试，重试采用 1.0 ± 0.5 秒的随机抖动延迟，避免多个客户端同时重试造成服务端压力。

结语

这次更新进一步补齐了插件的基础功能，下一阶段我会用 KiCad AI Assistant 来设计一块 PCB ，俗称“吃自己的狗粮”，目的是优化现有工具的调用效率和组合关系。希望大家能多提意见，欢迎加入技术交流群交流意见。

img

参考