“把一句话需求变成能开模的CAD模型”这个想法我盯着快一年了。text-to-cad从最初的实验室玩具到现在真正融入小批量定制、快速打样的日常流程变化比想象中快得多。今天这篇就把我在这条路上的完整记录写出来——底层原理怎么理解、主流工具怎么选、提示词如何写不翻车、生成完的模型怎么校验和修复以及那些文档里不会写但实测很关键的细节。先说清楚text-to-cad是什么它让用户用自然语言描述零件需求AI直接生成可编辑的三维CAD模型常见的输出格式包括STEP、STL、IGES也能直接返回参数化脚本。它解决的核心痛点是传统三维建模的高门槛——一个能画M6螺栓的机械工程师需要练几百个小时软件操作而text-to-cad把这个过程压缩到一句话。对有制造经验但没有时间画图的人或者有设计想法但不熟悉CAD软件的产品新手来说它的价值最明显。它也适合已经会用CAD但想加速前期方案探索的老手——先用AI出几个候选外形再拿进专业软件精修效率提升是非常直观的。1. text-to-cad到底解决了什么问题1.1 先理清它在设计流程中的位置如果你用过传统的参数化CAD软件比如SolidWorks或者Fusion应该知道整个思路是这样的先选基准面再画草图标注尺寸然后拉伸、切除、倒角、打孔一步步搭积木。这个过程本身不复杂但每一小时建模时间背后都是大量的软件操作肌肉记忆。text-to-cad想砍掉的就是这一段投入。它把“建模”这个环节抽象成自然语言底层靠大语言模型理解你的需求再通过不同的生成策略把需求变成实际几何体。从设计流程的角度看text-to-cad最适合放在“概念验证—方案比选”这一段。我实际用下来的体会是让AI生成十个变体再选出两三个最合理的拿进专业软件精修比直接上手在CAD里从头画快得多。它的目标不是取代工程师做详细出图而是把“从脑中的形状到屏幕上的三维模型”这一段路程压缩到几乎为零。1.2 三种主流技术路线各有各的道理现在市面上的text-to-cad方案五花八门但底层技术路线可以归成三类理解它们的差别对选择工具有帮助。第一类是参数化脚本生成。核心思路是让大语言模型直接输出一段CAD脚本代码——最典型的是CadQuery或OpenSCAD——然后由脚本引擎执行生成基于BREP表示的实体模型。这种路线的优势非常突出几何精度高因为脚本里的每个尺寸都是显式的模型可编辑因为你能回去改参数重新生成而且脚本本身就是设计履历适合审查和修改。缺点是需要LLM对建模API有比较深的理解生成复杂特征时容易出错。第二类是几何生成模型。工具训练一个扩散模型或自回归模型直接生成三维形状的表示比如体素、隐式符号距离场、或者三角网格。这路线跟文生图更像优势是生成速度快、能出比较有机的曲面形状劣势是输出大多是网格而非实体模型精度有限而且不允许参数化修改基本只能做概念参考。第三类是混合方案。前端用LLM解析用户需求后端从参数化特征库中匹配模板再通过尺寸约束求解器驱动模板生成模型。商业工具里不少走的就是这个路线它在常见的机械零件比如紧固件、支架、法兰上表现稳定因为它不会从零去推理几何而是从已验证的模板出发做参数变形。三者的关系用生活类比解释参数化脚本就像给了一个聪明的实习生一份精确的烹饪食谱他严格按食谱做菜几何生成模型像让他凭描述自由发挥做出来可能惊艳也可能翻车混合方案像给他半成品预制菜加热调味就上桌胜在稳定。理解这些差异再去看工具选型就不会被营销话术带偏。1.3 为什么这项技术值得你关注有人问我直接用3D打印模型库不就行了确实如果只需要现成的标准件没必要用text-to-cad。但它的价值在定制化场景里才真正体现——你要一个异形支架、非标连接件、特定外形尺寸的外壳模型库找不到传统建模又要花时间这时候自然语言建模的威力就出来了。而且它还有一个容易被忽略的价值降低了跨部门沟通成本。比如你是一个结构工程师生产部门的同事发来一段话“我们需要一个40x30的安装板四角有直径5mm的沉头孔中间留一个直径15mm的过孔”你可以直接把这段话贴在工具里先出一版模型再讨论细节。语言是工程师之间最自然的交流方式text-to-cad把这个bağ自然引入建模工具省去了“读图—理解—建模—修改”的反复循环。2. 工具怎么选主流方案实测对比2.1 商业工具Zoo Text-to-CAD、Fusion AI助手、Onshape AI现在市面上讨论度最高的商业方案我先说实测感受。Zoo Text-to-CAD2024年推出是业界第一个真正意义上把“文本转可编辑CAD模型”做成主线产品的工具。它的体验就是网页对话框里输入需求几秒到几十秒后返回一个可交互的三维预览你可以旋转缩放可以点击特征看参数满意了直接导出STEP。Zoo走的是混合方案路线内置了一批经过验证的参数化模板对机械件、铸件、钣金件的处理比较稳定。实测下来描述“一个M10六角头螺栓头部直径16mm总长45mm”这类标准件需求它返回的模型基本可以直接用。Autodesk Fusion的AI助手是另一条思路它不做云端生成而是在Fusion软件内部把自然语言映射成建模操作序列。你输入“在顶面创建一个直径20mm的圆台高度15mm带30度拔模角”它会把这条指令翻译成几个界面操作你可以在时间轴里看到每一步并随时修改。这个方案适合本来就在用Fusion的人因为你不需要迁移工作流但它的能力边界受限于软件自身建模功能的覆盖范围。Onshape AI走得更轻主要做的也是自然语言转FeatureScript函数帮助用户自动书写参数化逻辑。坦白说它的实用性更多在脚本帮助而非完整模型生成但作为内置功能胜在集成度高。2.2 开源和脚本路线CadQuery、OpenSCAD如果说商业工具是“一键出模型”开源路线的玩法是“让AI给你写建模代码”。我自己在这个方向投入时间最多因为它虽然门槛高一点但自由度是商业工具没法比的。CadQuery LLM是我的主力组合。CadQuery是一个Python库基于OpenCASCADE内核用代码描述CAD模型可以生成真正的STEP实体文件。你让ChatGPT或者Claude写一段CadQuery代码本地执行后就能得到模型。这个路线的优势是模型完全参数化——比如你在提示词里定义“法兰外径D、螺栓孔直径d、孔数N”生成的代码里这三个就是变量以后改一个参数重新运行整个模型自动更新。这对需要频繁调整尺寸的场景太重要了。OpenSCAD类似只不过它是专门的声明式建模语言语法更简洁生态里已经有大量现成零件库可以调用。如果你的需求比较简单比如盒子、支架、齿轮这类用OpenSCAD让AI写代码的成功率比CadQuery更高因为语言更直观。2.3 我的选型建议和判断标准选型没有唯一正确答案看你手头的工作流。我的建议是这样如果你只想快速出概念模型、做方案汇报或者不常画图但要偶尔要模型——直接用Zoo Text-to-CAD这类商业云端工具零安装零学习。如果你已经在用Fusion——先用内置AI助手别换工具因为跨软件迁移的成本远高于单一功能的优劣差异。如果你是要做可重复利用的零件库、参数化标准件、或需要严格追溯模型设计历史——认真考虑CadQuery LLM的开源路线虽然上手曲线陡一点但长期收益最大。如果你是搞3D打印的创客主要导出STL打印——OpenSCAD路线更轻快生成的STL网格质量也足够。另外两条判断标准一看它输出的是不是实体模型能否导出STEP——网格模型在制造场景基本没用二看生成结果能否参数化修改——不能改参数的“一次性模型”除非纯概念展示否则价值要打折扣。3. 动手实操从一句话到可加工模型3.1 提示词的写法别让AI去猜要给它定边界很多人在text-to-cad上第一次翻车问题都出在提示词。你去跟AI说“帮我画一个支架”它当然会给你一个支架但不是你脑子里那个。并不是AI笨而是你给的信息不足以约束生成空间。写提示词的核心原则只有一个把不确定的描述变成确定的数值和关系。我总结了四个必须交代的维度按优先级排列。第一零件类型和定位。你要的是连接件、外壳、基座还是紧固件同样一个圆柱体在支架场景里可能是安装柱在传动场景里可能是轴颈这个背景信息直接决定特征布局。第二关键尺寸系统。长、宽、高、直径、厚度、孔距越具体越好。不用怕说得啰嗦AI现在对这类约束的解析能力完全没问题。注意单位一定要写清楚毫米就是毫米寸就是寸混用单位产生的尺寸漂移我遇到过不止一次。第三特征清单。你要的孔是通孔还是沉头孔倒角半径多大有没有螺纹、加强筋、拔模角特征描述得越细生成结果越接近你的预期。第四基准和约束关系。哪些特征相对哪个面居中哪些尺寸是对称的孔距均布还是等距这些是AI最容易出错的地方也是最值得在提示词里强调的地方。我常用的一句话模板是“创建一个[零件类型]整体尺寸为[长]x[宽]x[高]材料为[材料]在[位置]开[数量]个直径[尺寸]的[孔类型]孔中心距为[尺寸]边缘倒角[半径]四周圆角[半径]。”你按这个骨架把数值填上生成质量的稳定性会显著提升。3.2 实操案例用CadQuery生成一个M10六角头螺栓我拿一个最典型的机械标准件M10六角头螺栓来走一遍完整流程这样每一步都能看得见摸得着。先在聊天窗口里给LLM发这段描述“用CadQuery生成一个M10六角头螺栓模型执行标准GB/T 5780。头部对边距16mm头部厚度6.4mm公称长度40mm螺纹部分长度30mm螺纹螺距1.5mm。六角头要正对坐标原点轴向沿Z轴方向螺栓头部底面位于Z0平面。”如果LLM写出来的代码大致长这样import cadquery as cq # 定义参数 hex_width 16 # 六角头对边距离 mm head_height 6.4 # 头部厚度 mm shank_length 10 # 光杆长度 mm thread_length 30 # 螺纹长度 mm shank_diameter 10 # 光杆直径 mm pitch 1.5 # 螺距 mm # 六角头 head cq.Workplane(XY).polygon(6, hex_width).extrude(head_height) # 光杆部分 shank cq.Workplane(XY).circle(shank_diameter / 2).extrude(head_height shank_length) # 把光杆和头部合并 bolt head.union(shank) # 螺纹部分简化用螺旋扫掠 import math thread_path cq.Workplane(XY).transformed(offsetcq.Vector(0, 0, head_height shank_length)) thread_profile cq.Workplane(XY).circle(shank_diameter / 2 - 0.1) bolt bolt.union(thread_profile.extrude(thread_length)) # 导出 cq.exporters.export(bolt, m10_bolt.step)先别急着运行仔细审查代码逻辑。比如这里shank从Z0拉伸到head_height shank_length意味着光杆长度其实包含了头部高度附近的过渡严格说来不太准确但身为快速原型够用了。如果要严谨可以手动把光杆的起始面抬高到头部顶面。安装好CadQuery之后pip install cadquery把生成的代码保存为bolt.py在终端运行python bolt.py几秒后当前目录下就会出现m10_bolt.step文件。用任意支持STEP的CAD软件打开你会看到一个六角头螺栓的实体模型这个模型是真正的BREP实体不是一张壳。3.3 生成结果的校验别急着用先量再查很多工具生成的模型第一眼看上去长相是对的但拉到制造环节就出问题。所以在导出后我养成了一套固定的校验习惯。第一步是检查尺寸。在CAD软件里用测量工具量关键外形尺寸跟提示词里写的对一遍。软件生成的模型里尺寸出现10%左右的漂移并不罕见尤其是孔距、槽深这类相对位置特征。这一步虽然笨但能拦下绝大多数低级错误。第二步是检查特征完整性。数一数孔的数量对不对、倒角和圆角有没有、螺纹特征有没有生成。很多工具出于简化考虑会略去细小特征或者只在视觉上做暗示但实际并没有实体特征。你拿到的模型看起来有螺纹但导出STEP后发现表面是光滑的——这种事情我踩过好几次。第三步是检查可编辑性。如果返回的是参数化脚本尝试改一个尺寸重新生成如果返回的是固定模型尝试在CAD软件里修改某个特征两步都做不了说明这个模型是“死”的只能做展示不能迭代——对接下来的设计优化很不利。第四步是做布尔运算测试。在CAD里建一个简单的方块和生成的模型做一次交或差运算。这一步能暴露隐藏的几何问题——比如非流形边、微小裂缝、面片重叠这些问题平时看不出来一旦进入CAM加工或3D切片就会变成一个接一个的报错。布尔运算能成功说明几何体基本健康。3.4 STL和STEP怎么选更合理这个问题值得单独说因为不少新朋友都卡在这一步。STEP是实体模型交换格式记录的是边界表示BREP存的是几何面和边的拓扑关系适合CAD-CAM链路。你把STEP文件给加工厂他们能直接读取尺寸、做数控编程而且模型放大缩小不会失真。STL是三角网格格式用大量三角形面片逼近物体表面。3D打印切片器和很多渲染引擎吃的是STL因为它的优缺点都很直接——简单通用但精度取决于三角形密度而且它本质上是“一张皮”没有内部实体信息。我的习惯是只要是拿去加工、外发、或和其他工程师协作一律用STEP。只有在切片打印或做轻量展示时才转STL。不少云生成的text-to-cad工具默认输出STL你可以在导出设置里找找STEP选项找不到就宁可用脚本路线自己生成。如果你拿到的模型只有STL而你需要STEP可以试试FreeCAD里用“Part → Create shape from mesh”但这属于补救手段网格质量不好时重建效果有限。4. 常见问题与避坑实录4.1 尺寸和单位的那些坑单位是text-to-cad使用中最容易翻车的点没有之一。我一次做外壳模型口头说了句“壁厚2个厚”工具直接按英寸生成了壁厚出来的模型整体大了一倍多。在工业场景里毫米和英寸混用不是小事CNC程序里差一个数量级就是废件级别的事故。现在的主流工具一般会在提示词里自动识别单位但依然建议每次描述都显式带上单位尤其是数字较多时。养成这个习惯之后尺寸漂移的概率会大幅下降。另外有些工具支持默认单位设置进去先把单位锁死不要指望每次都靠系统猜。除了单位还有一个常见的尺寸问题是**“比例失衡”**。比如你描述“直径20mm、长度100mm的圆柱”AI生成的可能是直径20英寸、长度100毫米——虽然每个数字都出现了但整体比例失调。这类问题的根源是LLM在解码数值时丢失了数值-单位配对关系。解决办法是在提示词里把关键尺寸写成“成对出现”“直径20mm总长100mm直径与长度比为1:5”这样即使生成过程漂移模型比例也不至于离谱。4.2 几何质量问题的排查思路text-to-cad生成的模型几何质量是比尺寸更隐蔽的隐患。按我的经验问题出现频率从高到低是非流形边、自相交面、微小缝隙、法线方向不一致。非流形边这个词听着很专业用大白话说就是一个边同时连接了三个或更多面这在物理世界的固体上是不存在的。CAM软件和切片器遇到这种边往往直接报错。自相交面则是两个面互相穿透虽然看起来没事但算体积或者切换视图模式时会出现奇怪的结果。这两个问题在纯网格输出的模型上最常见在实体输出的模型上较少见但实体模型偶尔也会在倒角或圆角区域翻车。如果模型已经是STL网格式的可以用Meshmixer或Blender的网格修复工具尝试缝合裂缝、删除非流形元素。如果是STEP实体模型出问题基本只能回到生成端修改参数重新生成因为实体层面的拓扑错误很难在Mesh层面修复干净。所以建议是第一次生成后别急着定稿先用布尔运算测试几何体健康度有问题早发现早重新生成比后期修复省事得多。4.3 工作流效率批量生成和迭代修改的实战技巧用text-to-cad不只是“生成一次、用一次”它的真正价值在于快速迭代——我身边用得好的朋友基本都是把它当成“概念草稿生成器”。但这个过程有几个效率相关的细节值得记一下。一是设计空间探索。不要让AI只生成一个模型而是让它生成一组变体。比如我想做一个设备底座我会让AI生成“边长80mm”“边长120mm”“边长160mm”三个版本再比较它们的安装孔位是否合理。批量生成时一次提示词里带多个变体往往比一个个单独生成快得多但要注意隐藏的约束——变体之间的尺寸要相互独立否则AI会把它们互相干扰。二是参数化回放。如果走CadQuery路线把关键尺寸提取成变量你会发现“改一个数重新生成”的体验比传统CAD里拖动特征还要流畅。很多开源方案甚至支持生成一个简单的参数界面让人不用看代码就能调尺寸。我给工厂做非标定制件时经常拿着这样一个参数化脚本“客户说要加厚2毫米那就在终端里把参数改一下重新运行”比重新建模高效得多。三是云端工具和本地脚本的混用。我目前的流程是云端工具做第一轮快速出图看大方向对不对然后用CadQuery脚本做精细化、参数化确保可以用STEP格式交付。两步互相补位效率比只用任一方案都高。4.4 生成模型的所有权和合规问题这条放在最后但长远来看可能是最要命的。用text-to-cad生成的模型它的知识产权归谁不同平台的规定不同。有的云端生成工具在服务条款里写明“用户输入的内容和生成的结果归用户所有”但要注意是否包含“训练反馈权”——平台有没有权利把你输入的需求和生成的模型拿回去做模型训练。如果你的需求涉及公司内部项目或未发布产品这个条款风险非常大。开源路线相对好一些因为代码和模型都在本地你输入什么、生成什么平台看不到。但也要注意依赖的库和模板的许可证——比如CadQuery是Apache 2.0OpenSCAD是GPL做内部工具无所谓如果要把代码打包成商业产品发布GPL的传染性是有约束力的。我的原则是企业级的工作流优先选择允许本地部署或明确承诺不利用用户数据训练的开源方案云端工具拿来做个人学习、公开项目、或者已经过了保密期的概念展示都可以但涉及核心产品的设计探索不要图省事直接上传一旦发生数据泄露生成模型再合理也没用。最后说两个我在实际使用中的体会。第一个体会是text-to-cad最容易被低估的应用场景其实是逆向沟通。以前结构工程师和生产人员反复确认尺寸现在我可以随手生成一个三维模型直接发过去对方打开就能转着看理解成本低了一个量级沟通效率的提升比建模本身的效率提升还明显。第二个体会是别指望AI一次生成就能交付也别被第一次生成结果的好坏影响判断。好的text-to-cad工作流是一个“语义迭代”的过程——你第一轮描述、AI输出、你检查、发现问题、用更精确的语义补充进第二轮描述如此循环。到第三轮第四轮模型会越来越接近脑子里那个样子。这种把建模过程变成对话的过程刚开始可能不习惯但习惯之后你会发现设计讨论本身就成了建模的一部分。