LLM 기반 CAD 에이전트(LLM-based CAD agents)는 실행 가능한 파라메트릭 프로그램(parametric programs)을 생성하지만, 이들의 수정 루프(correction loops)는 충족된 요구사항, 잘못된 연산, 그리고 이전의 수정 사항에 대한 증거를 잃어버릴 수 있습니다. 우리는 요청된 기능, 모델링 단계, 실패 증거, 그리고 후보 결과물을 지속적인 상태(persistent state)로 연결하는 복구 레이어(recovery layer)인 TraceCAD를 소개합니다. TraceCAD는 발생 가능성이 높은 잘못된 연산을 진단하고, 해당 연산의 의존성 영역(dependency regions) 내에서 제한된 편집(bounded edits)을 탐색하며, 실행 및 보존 확인(preservation checks)을 통해 후보를 검증하고, 성공 및 실패한 수정 결과를 재사용 가능한 기술 메모리(skill memory)에 유지합니다. 200개 모델 어블레이션(ablations) 및 1K 모델 비교를 포함한 DeepCAD 유도 벤치마크에서, TraceCAD는 IoU, Chamfer distance, Hausdorff distance 측면에서 경쟁력 있는 기하학적 품질(geometric quality)을 달성합니다. 지속적인 상태(persistent state)를 제거하면 복구 점수(recovery score)가 거의 절반으로 감소하며, 국소적 탐색(localized search)을 제거하면 기하학적 퇴보(geometric regression)가 두 배 이상 증가하고 코드 에이전트 호출(code-agent invocations)이 두 배로 늘어납니다. 서로 다른 훈련 모델에서 기술 저장소(skill store)를 초기화하면 재시도, 토큰 비용 및 지연 시간(latency)이 더욱 감소합니다. 이러한 결과는 지속적이고, 국소적이며, 재사용 가능한 복구가 최종 CAD 품질과 수정 신뢰성을 향상시킨다는 것을 입증합니다.