不用再为了一个法兰盘画三小时草图了。最近我把大量时间投在 text-to-cad 这条新赛道上试了一圈主流工具也自己搭过离线方案最大的感受是这东西不是来替代工程师的它是来替你把那些“长在图纸上的废话”直接变成模型的。所谓 text-to-cad简单说就是输入一句自然语言描述系统自动生成对应的三维 CAD 模型文件输出通常是 STEP、STL 这类通用格式也有一部分方案直接生成参数化脚本。对于做机械结构、产品外壳、工装夹具的朋友这意味着从“脑子里的想法”到“能拿去加工或继续装配”的距离被大幅压缩。这篇文章不打算写成论文就是把我这段时间踩过的坑、对比过的路线、实际跑通的流程梳理出来。适合正在评估 text-to-cad 能不能用于生产的机械工程师也适合想自己搭一套文本建模工作流的开发者。我尽量把每一步的原理和选择逻辑讲清楚哪些环节能用现成服务哪些环节必须自己把关都会交代到位。1. 先看懂 text-to-cad 到底在做什么1.1 它和普通 AI 生图不是一个物种很多人第一次看到 text-to-cad会下意识拿它跟“文生图”对比。这不恰当。文生图产出的是像素矩阵你放大看就是颜色块没法测量更没法驱动数控机床。CAD 模型是另一回事它必须满足边界表示有明确的边、面、拓扑关系模型上任意一点的坐标可以被精确查询两个面之间的夹角是多少度、一个圆孔的直径是多少毫米这些都是可度量的硬信息。所以 text-to-cad 系统的核心难点不在于“画得像”而在于“结构对”。它必须理解你句子里的拓扑关系然后构建出在几何上自洽的实体。差之毫厘就可能导致后续装配干涉或应力集中。这也是为什么现在的 text-to-cad 工具大部分选择走“代码生成 参数化建模”路线而不是让 AI 直接输出网格模型。我举个例子你就明白了。你输入“一个直径 50mm 高 30mm 的圆柱体顶部开一个直径 20mm 的沉孔深 15mm”。好的系统会把这句话解析成三个约束圆柱体基础特征、孔的位置默认圆心对齐、孔的深度与直径。然后它内部会生成一段参数化建模代码执行代码后得到边界表示模型。这个模型在 CAD 软件里打开你还能继续编辑特征树修改直径、加深沉孔一切可追溯。1.2 它真正解决的三个效率问题第一是草图阶段的速度瓶颈。做过非标设计的人都懂很多时候你心里已经想好了结构方案但把它落实到 CAD 里需要大量重复性操作画草图、标约束、拉伸、打孔、倒角。text-to-cad 可以把这段耗时从“小时级”压缩到“分钟级”而且不用你一笔一笔画。第二是方案沟通的语言鸿沟。机械设计里最累的环节其实是和上下游沟通你说要一个“带安装边的壳体四个角上开腰型孔”对方脑子里的图和你脑子里的图往往不是同一个。用 text-to-cad 快速生成一版参考模型再在这个基础上改沟通成本会低非常多。第三是衍生设计的前置输入。做拓扑优化或参数化仿真之前需要先有一个干净的 CAD 基础模型。text-to-cad 很适合用来快速生成这一类“种子模型”尤其是标准件、通用结构件的变体只需要改几个关键参数就能批量产出。2. 核心技术拆解一条文本指令如何变成可编辑模型2.1 从自然语言到约束图的解析机制当系统拿到一句“设计一个……”时它第一步做的是把自然语言转换成语义约束图。这里有个关键设计约束图里的节点不是“词语”而是几何要素比如面、边、孔中心轴、基准平面。词与词之间的关系被转换成了几何关系比如“穿过”对应共轴约束“贴在表面上”对应共面约束“在中心”对应对称或同轴约束。这个阶段普通大语言模型也能完成但专业系统的优势在于它经过大量 CAD 领域的精调知道工程语义的优先级。例如“长 100 宽 50 高 20 的盒子四角倒 R5 的圆角”这里的“四角”默认是指侧面的竖直边而不是顶面的边。通用大模型容易忽略这类隐含语义专业系统会把这些当作高频规则处理。2.2 为什么主流方案都在用代码生成而不是直接输出几何现在业界主流的 text-to-cad 工具比如 Zoo.dev 的 Text-to-CAD、Autodesk 的近期实验项目底层逻辑高度一致先让大模型写一段代码这段话以某种编程语言来描述几何体通常是 OpenSCAD 的脚本语法或 CadQuery 的 Python 接口然后通过执行器把代码变成模型。这背后的原因非常实际。直接让神经网络输出三维点云或网格现有技术在精度和拓扑正确性上都不够看。而用代码生成模型输出的是一系列几何操作加一个圆柱、减一个长方体、做一个放样……这些操作是明确的、可验证的、可参数化的。生成的代码如果错了你可以打开编辑器逐行检查哪里不对改哪里。这让整个过程具备很强的可解释性对工程设计来说可解释性就意味着可靠。另外代码生成还有一层让你更容易控制的好处同一个文本提示词你可以生成多个变体而这些变体的差异仅仅体现在几个参数上。比如把“直径 50”改成“直径 60”生成的代码里只改一个数字剩下的逻辑全部复用。这种灵活度是黑盒生成模型给不了的。2.3 隐式曲面生成路线的处境也不是所有团队都在走代码生成路线。有一派研究做的是隐式曲面表示用神经网络逼近一个符号距离场然后用 Marching Cubes 算法提取等值面得到网格。这种方案的优势在于擅长表达有机形态比如手持设备的人体工学曲面、雕塑感强的外观件这些都是传统参数化建模的短板。但代价也很明显一是输出的是网格模型网格转成可编辑的 BREP 实体非常费劲经常需要逆向软件重新拟合曲面二是尺寸精度不好保证神经网络逼近出来的等值面某个关键孔的直径可能偏了 0.2mm装配就可能出问题。就我目前的实践反馈来看这条路线更适合做“概念造型”而不是“工程设计”。如果你要的是能直接出工程图的零件老老实实走代码生成路线。3. 工具选型实测哪条路线适合你3.1 在线服务与本地方案的对比市面上已经有不少可以上手的 text-to-cad 工具我按照“接入成本—编辑能力—可控性”三个维度整理了一张表格是我实测后的主观评价供你参考方案输出格式可控性适合场景上手门槛Zoo.dev Text-to-CADSTEP中等生成后可微调快速概念验证、非标件初稿低网页直接用Spline AI原生Spline场景高图形界面调整工业设计、曲面外观低CadQuery LLM 自建STEP极高代码全可控标准件系列化、批量变体高需要写代码OpenSCAD 脚本生成STL/3MF高纯代码驱动参数化结构件中Zoo.dev 这个在线工具是我目前用得最多的。它生成的模型以 STEP 格式输出可以直接导入 SolidWorks、Fusion 360 或者 FreeCAD 继续编辑这一点非常加分。它内部用的也是代码生成方案用户不需要看到代码系统在后台自动处理。用它出一个“带六边形安装孔的面板”大概十几秒生成质量在简单几何体上相当稳。3.2 自部署方案的组合玩法如果你对数据保密性有要求或者想批量生成某种特定结构的变体我建议自己搭一条流程。我的做法是用开源的 CadQuery 作为几何内核搭配一个大语言模型来做文本到代码的转换。整套流程是把提示词发给大模型让它输出 CadQuery 的 Python 代码然后用一个沙箱执行器运行这段代码最后导出 STEP 文件。CadQuery 这个库值得多说两句它用 Python 描述几何建模操作API 设计得很符合机械设计直觉你可以直接写 workplane 来选择面、写 hole 来打孔、写 fillet 来倒角。相比 OpenSCAD 的纯 CSG 语法CadQuery 的表达能力更强也更贴近工程师思维。大模型这一层我用过几个主流开源模型来做转换任务。效果上来看简单几何体的代码生成准确率已经不错但对复杂装配体或多实体操作还容易出逻辑错误。我的缓解方案是给模型提供固定的“代码模板”让它在模板基础上改参数而不是完全自由发挥。这样可以把准确率从六成拉到九成以上。3.3 选型决策建议没有最好的工具只有适合你当前阶段的方案。我的建议是分三步走先用在线工具体验一遍全流程理解 text-to-cad 的能力边界重点测试它输出模型的可编辑性然后挑一个你日常最常画的零件类型反复试生成看能不能达到“改改参数就能用”的状态如果确认值得投入再考虑搭本地流程。本地化最重要的理由不是省钱而是你能把所有中间产物沉淀成自己的参数化零件库。这个库越厚后续生成新零件的速度就越快相当于你的模型逐渐学会了你们公司的常用结构。4. 手把手实操如何从提示词成功生成一个 CAD 模型4.1 提示词编写的底层原则很多人在 text-to-cad 上碰壁不是因为工具不行而是提示词写法不对。你把它当搜索引擎用是不行的要把它当成一个“理解力有限但执行力极强的实习生”。核心原则是把口语描述转成工程描述把可能产生歧义的地方全部显式化。举一组对比你就明白了。模糊的提示词是“设计一个支架上面放电机底下固定在板上。”这种句子在工程上信息量几乎为零什么尺寸都没有系统只能靠猜。可用的提示词是“设计一个 L 形支架垂直板高 80mm、宽 60mm、厚 8mm水平板长 100mm、宽 60mm、厚 8mm垂直板顶部中央开直径 5mm 的通孔水平板四角各开一个直径 6mm 的通孔。”后者把每个几何要素和对应的尺寸约束都写清楚了系统生成的结果才可能符合预期。关于尺寸单位我在使用中建议所有尺寸统一用 mm并且在提示词里明确写出“单位毫米”或直接带单位符号。不少工具内部的默认单位并不统一写出明确单位能避免模型“按英寸生成”的坑这一点我至少踩过三次生成的零件整体尺寸全部变了装配的时候完全对不上。4.2 一个从零到一的标准实操流程我以生成一个“电机安装座”为例把完整流程拆解开你可以照着这个步骤来走第一遍。第一步明确边界条件。列出你所有已知的硬约束安装面尺寸、孔距、孔径、避让空间。比如我这里要求底座 120mm × 80mm厚 10mm四角开直径 6mm 的安装孔孔距分别是 100mm 和 60mm中心开一个直径 30mm 的电机轴过孔。第二步写提示词。我会按“结构类型—主体尺寸—特征操作—细节处理”这个顺序整理句子这样系统解析约束时能按优先级处理最后得到类似这样一句话“创建一个 120mm × 80mm × 10mm 的矩形底座四角分别开直径 6mm 通孔孔心距边缘 10mm中心开直径 30mm 通孔。”第三步生成并检查代码或模型。在 Zoo.dev 这类工具里你直接看预览模型。在自己搭的 CadQuery 流程里你要检查生成的代码里每个尺寸数字是否符合预期、特征操作顺序是否合理。比如“先开孔后倒角”和“先倒角后开孔”在一些情况下会导出完全不同的几何形状需要注意操作顺序。第四步导出并验证。导出 STEP 后把它导入 FreeCAD 或你常用的 CAD 软件用测量工具检查关键尺寸。这一步不可跳过我见过太多人直接拿生成模型去 3D 打印结果孔位偏了 1.5mm整块板报废。验证只需要 30 秒但能省掉后面一小时的返工。4.3 几何验证的标准检查项拿到生成模型后我一般按下面这个清单逐项检查不做完不进入下一步尺寸检查随机抽 3~5 个关键尺寸用测量工具核对特别是孔距、板厚、外形尺寸看是否与提示词完全一致。拓扑检查检查实体是否存在非流形边或零厚度面这个在做复杂布尔运算的时候容易出现轻则无法导入 CAM 软件重则后续网格剖分直接报错。干涉检查如果模型会参与装配把生成零件导入装配体看是否存在干涉。生成模型在单独看时没问题但放到整个装配环境里经常会出现局部交叉。方向检查生成模型时经常发生坐标系翻转的情况。比如你要求“孔在顶面”实际生成出来的孔贯穿方向反了。导入 CAD 后先检查模型方向是否与装配基准一致不一致就旋转对齐。4.4 从单个零件到参数化变体如果只是生成一个零件text-to-cad 的价值有限它的真正威力体现在参数化变体上。我的做法是先让系统生成一个基准模型然后在该模型的代码基础上把关键尺寸替换为变量形成一套模板。例如我需要为五种规格的电机生成不同的安装座它们的结构完全相同只是安装孔直径和中心距不同。在 CadQuery 流程里我会把这几个参数定义成变量写成一个函数。然后我只需要把每种规格的参数传给函数代码会自动生成五个 STEP 文件整个过程不用再写一句新代码。这种做法在传统 CAD 里也能实现但用 text-to-cad 的流程来搭效率差距非常明显传统方式需要你先画好带参数的表驱动模型而 text-to-cad 是让 AI 直接上手搭模型你只需要审查代码逻辑是否严谨。5. 常见问题与排查技巧实录5.1 输出模型尺寸畸变有一个非常经典的坑你在提示词里写“直径 50”系统生成出来的模型是“直径 50 英尺”。这听起来匪夷所思但实际发生概率不低。原因在于大模型训练数据里充斥着英寸和毫米混合的 CAD 文件它内部对单位的判断并不稳定。排查方法是先看代码再量模型。如果代码里写的数字本身没有问题那就可能是执行环境单位设置的问题。CadQuery 默认使用毫米FreeCAD 的导入选项里也可能有单位换算逻辑检查这两个环节基本能定位。更根本的解法是在提示词里明确写“直径 50mm”并且把所有关键尺寸都加上单位后缀不给模型任何“自由发挥”的空间。5.2 生成结果不符合预期时的调整策略如果你拿到模型发现整体结构对但某个特征位置不对我建议你优先改提示词而不是改模型。因为直接修改模型虽然可行但会让你的工作流丧失通用性——下次换一个规格你又要从头来一遍。修改提示词要精准命中“变量描述”。比如生成的模型孔位置全部偏到了角落你就需要更精确地描述孔的位置约束把“四周开孔”改成“距离每条边 10mm 的中心处开孔”。如果模型把“圆角”理解成了“倒角”你就要把“圆角”写成“圆弧半径 R5 的圆角”并明确指示方向。还有一个小技巧生成前可以先让系统“复述”一遍它理解的几何结构。在自建流程里我会让大模型先生成一段“中文结构清单”列出它计划创建哪些特征、每个特征放在哪、尺寸是多少。确认清单没问题再让它生成对应代码。这一步只多花几秒钟时间但能把无效生成的概率降低一半以上。5.3 复杂结构生成的失败模式我做过的测试里text-to-cad 最容易失败的结构是多实体布尔运算、阵列特征和孔系结构。原因不难理解AI 模型在纯文本训练中不太容易建立“第二个实体与第一个实体做差集”这类操作的扎实几何直觉。针对多实体结构我摸索出一个可行的拆分法把一个复杂零件拆成多个简单零件分别生成再把它们导入 CAD 里做装配或布尔合并。比如要做一个带散热片的壳体散热片阵列单独生成一个实体零件壳体本体生成另一个最后在 CAD 里用布尔合并把它们变成一个零件。这样每一步生成都足够简单准确率大幅提升。5.4 常用排查操作速查表症状可能原因解决动作模型尺寸整体偏差单位未显式指定全尺寸加 mm 后缀孔位偏移明显位置约束描述含糊明确参照边与距离圆角变成倒角特征类型有歧义注明“圆弧半径”特征顺序错误缺少结构优先级描述按“主体—主特征—细节”排序模型无法导入 CAM拓扑错误/自相交面使用 CAD 修复功能或重生成多实体操作失败生成器难以处理复杂布尔拆分为多个独立零件再合并还要提醒一个很多人容易忽略的点生成完的模型建议立刻导出一个备份。无论是在线服务还是本地脚本同一个提示词在不同时间运行的结果并不完全一致大模型的采样机制决定了它有一定随机性。如果你生成了一个满意的模型把它导出的 STEP 文件和对应的提示词、代码一起妥善保存。过两周你再想复现时如果不记录提示词和参数大概率只能重新试错一遍。6. 一些个人的使用体会和扩展建议用了大半年 text-to-cad 之后我的工作方式确实被改变了。以前遇到结构类似的零件比如各种规格的安装支架、传感器固定座、电缆夹我总是翻以前的图纸找相似件然后一个一个改尺寸费时费力。现在我的流程是把历史图纸整理成一组提示词模板每种结构对应一个模板用的时候改几个关键参数直接批量生成 STEP再导入 CAD 做微调和装配验证。这里我特别想说的是text-to-cad 最花工夫的地方不在生成环节而在于建立起你自己的“描述体系”。你提示词里的描述习惯决定了生成模型的稳定性和一致性。如果你每次都换一套说法描述同一个结构生成结果自然五花八门。我的做法是把常用的结构类型固化成标准提示词模板并保存在团队共享文档里大家统一用同一套描述语言这样生成出来的零件风格高度一致后续管理和复用都方便很多。另外一个值得投入的方向是把 text-to-cad 和参数化仿真联动起来。我已经在尝试用生成的参数化模型直接驱动仿真工具的批处理任务——用模板生成 20 个不同参数的支架模型然后批量运行静力学仿真筛选满足应力要求的最优参数组合。以前做这种参数扫描光是建 20 个模型就够画大半天现在基本半小时搞定而且全是干净的可编辑 STEP 模型。这个流程一旦跑顺对产品前期的方案选型帮助非常大。如果你正准备开始尝试我最后的建议是不要贪多求全先从你的日常工作中挑一个结构最简单、重复度最高的零件试起。跑通这一个小闭环的收获远比到处试各种工具却什么都没深入要强得多。等这一条流程稳定了再慢慢往更复杂的结构上扩展你会发现这条路的潜力远比第一眼看上去大得多。
