1. text-to-cad到底是什么需求场景与核心价值1.1 别把它当成“自动建模神器”它更像一个快速原型工具我接触 text-to-cad 这个方向其实是始于一个非常实际的需求某次需要把手边的塑料零件换成金属材质重新加工但原始的三维文件怎么都找不到只有一张照片和一堆尺寸标注。当时心想如果有个工具能直接根据文字描述生成一个可编辑的 CAD 模型就好了。那时候市面上还没多少产品如今文本直接生成三维模型已经形成了一整条工具链不少团队甚至把它叫“自然语言建模”。需要先说清楚一个容易被误解的点text-to-cad 并不是“你说一句话它就导出完美的 STEP 文件”。它实际做的事是把自然语言描述翻译成几何信息并通过深度学习模型生成一个可用的三维网格体 Mesh 或者在某些更专用的方案里生成参数化特征。它的目标场景是帮你在设计早期快速把脑中的形状表达出来把“画草图”的时间压缩到几秒钟然后再交给传统建模流程去细化。换句话说它是 3D 建模流程里的“灵感加速器”而不是终局工具。这个技术真正解决的痛点是两端的一端是工程师面对空白画布时的启动成本另一端是跨部门沟通时的信息损耗。比如市场部说“要一个支架上面能放两台手机倾斜30度”传统流程要反复拉尺寸、画草图、改版本而 text-to-cad 可以直接先出一个粗糙的形状让大家对齐认知。这也是它最实用、最容易被低估的地方不是替代建模而是把“沟通”和“建模”之间的摩擦降下来。1.2 适合谁用从设计工程师到3D打印玩家的真实场景我梳理了一下自己接触到的实际使用者基本可以分为三类人他们从 text-to-cad 里得到的价值非常不一样。第一类是机械设计工程师尤其是经常处理非标件的。他们最需要的是“快速得到一个可以参考的几何外形”用于前期评审和方案演示。对于他们来说模型精度可以低一些但轮廓比例和基本装配关系必须合理因为后续要重新建模。第二类是 3D 打印和手办爱好者。这类用户的典型场景是想做一个原创支架、外壳或者小道具但他们没有太多 CAD 基础传统软件的学习曲线又太陡。text-to-cad 对这类人非常友好一句话生成模型、简单修一下网格、直接切片打印整个链路的门槛低很多。第三类是文创和概念设计从业者他们用文本生成快速探索形态比如“圆润的花瓶带波浪纹理”生成 20 个变体后挑几个手动细化比传统方式效率高太多。我自己的感受是如果你属于以上任何一类都值得花时间把这套流程跑通一遍。因为一旦你理解了它擅长什么、不擅长什么就能把它当作现有设计流程中的一支“快速部队”来使用。它不是让你失业的自动化机器而是让你少加班的外包实习生。2. 主流工具选型我实际用过的几个方案与对比2.1 几款文本生成三维模型工具的实际表现先说我在工作里用得比较多的几款。Meshy 对中文提示词的支持相对友好也能直接输出带贴图的模型适合偏游戏和视觉展示的场景。它生成的模型细节比较丰富但有时候会因为过度追求细节导致面数爆炸动辄几十万面片后期优化压力不小。TripoSR 是 Stability AI 开源出来的单图生成模型方案它虽然名字里是“SR”但配合文本引导的效果也不错。它的最大特点是推理速度快低配显卡也能跑不过输出几何的精度比较有限圆角、倒角这类特征基本靠不住。另外 OpenAI 的 Point-E 属于这个方向的早期开拓者它生成的是点云比较粗糙但在当时已经是突破性的成果。如果你只是想了解这个领域的发展过程、跑通基本链路Point-E 仍然值得跑一遍但如果你是拿来干活它已经不适合生产了。学术界还有 DreamFusion 系列的一些实现比如基于 NeRF 的生成方案输出质量好但对显存要求高、耗时长安装在个人机器上折腾成本比较大。我自己在 MacBook 上跑过一段时间的 TripoSR量化后的模型用 CPU 推理也能在几秒内出一个粗糙结果这给我留下了很深的印象。但如果是生产用还是云端的国内工具更省心。国内像造物云、灵光 Loft 等商业产品我也试过它们的交互更贴近中文用户但各有各的脾气。比如有些平台对“带圆角”这类描述理解很差生成出来全是尖锐边缘有些平台直接输出 STL不给 STEP 选项——这个问题后文专门讲。2.2 工机选型的三个关键判断维度很多人选工具只看生成效果其实按照我的经验判断一个 text-to-cad 工具是否值得用至少要盯住下面三个维度。第一个维度是输出格式。你要想清楚自己拿模型来做什么如果后续要 3D 打印、渲染网格格式OBJ、STL、GLB就够了如果你要导入 SolidWorks、Fusion 360 做进一步参数化编辑那么最好选能输出 STEP 或原生特征的工具。目前能真正输出参数化 B-rep 模型的工具非常少大部分其实是“文本生成网格”离真正的 CAD 文件还有一步。选型时千万不要以为“生成三维”就等于“生成 CAD 文件”这是两个完全不同的东西。第二个维度是可控性。这里的可控包括生成结果能否微调、能否指定尺寸、能否多视角一致性。文本输入本质上是一个弱约束即使你写“长度100mm”工具也可能给你生成比例失调的东西。凡是允许你设置负向提示、生成数量、尺寸锚点的工具优先级都应该更高因为至少它能让你在流程内做一定程度的纠偏。第三个维度是模型精度与后处理支持的友好度。看一个工具是否给了你足够的“可编辑性”比如能否导出高精度网格、能否在生成后重新拓扑。有些工具会把网格做得非常精美但内部结构一团糟到处都是交叉面和悬空点——这种模型打印出来会翻车修起来也特别费劲。反倒是表面看起来粗糙、但拓扑干净的模型在传统软件里改起来更顺手。3. 实操流程拆解从一句话到可打印的 STL 文件3.1 提示词工程怎么写描述才能让模型不跑偏写 text-to-cad 的提示词和写 AI 绘画的提示词完全是两回事。画图类的提示词强调氛围、光影、画风而 text-to-cad 的提示词必须强调结构、拓扑和边界条件。这是我的第一个经验把提示词当成给一个“不会提问题的实习生”下达指令主语要具体形状描述要放在动词前面工艺要求永远放在最后。给大家一个我常用的提示词公式物体类别 主要形态特征 关键尺寸或比例约束 装配或功能要求 表面工艺备注。举个例子如果你要做一个手机支架不要写“一个漂亮的手机支架”而是要写“一个桌面手机支架L型结构底部平板宽度80mm竖直挡板高度100mm倾斜角度15度挡板上方开一个圆形凹槽底部有防滑垫纹理”。模型生成器对“漂亮”毫无理解但你对“宽度80mm”“倾斜15度”“圆形凹槽”每多一分描述它就能收敛一分。我踩过的坑是过度使用抽象形容词。之前想生成一个“简约风格的花瓶”结果模型给我生成了一堆花纹繁复的“巴洛克风格”花瓶。后来改成“圆柱形表面光滑无多余装饰口径80mm高度150mm”输出就正常多了。记住一句话生成模型擅长理解具象名词不擅长理解审美形容词。你要把审美需求翻译成几何约束才能真正控制输出。3.2 生成后的网格处理清理、修复与导出前的准备拿到生成结果的第一件事不是导出而是先做网格体检。我用过 MeshLab、Blender 和在线工具来处理这一步最常用的还是 Blender 加两个基础插件清理零散面片、修复非流形边。这里需要特别提醒的是AI 生成的网格经常存在空洞、反转法线和重叠顶点如果你不检查直接切片打印大概率会在打印过程中出现悬空层或者壳体漏水的问题。我的处理步骤一般是这样的先在 Blender 中把模型比例缩放到真实尺寸检查是否有明显穿模区域再使用“合并相邻顶点”功能把重复顶点去掉接着检查法线方向确保所有法线朝外然后如果模型表面有明显的三角形撕裂痕迹就使用“平滑着色”或者局部重拓扑来修复。如果你后续要导入到 SolidWorks 做布尔运算网格清理就更关键因为 CAD 软件的面缝合功能对脏网格极其敏感一个非流形边就能让整个特征树报错。一个实用小技巧在 Blender 里把模型转换为可编辑网格后先执行一次“网格检查”功能查看非流形边数量。正常的闭合格子应该显示“非流形边0”。如果不是 0优先检查是不是模型底部有未闭合的开口大多数生成模型问题都出在这。补洞我习惯用“网格-面-填充洞”简单直接如果洞的边缘形状不规则可以先选中洞边缘的所有边再按 F 手动补面。这个过程看起来繁琐但实测下来花五分钟清理网格能避免打印阶段五小时的返工。3.3 从网格到参数化CAD的桥接尝试把网格转成参数化CAD是最让人头疼的一环但也是 text-to-cad 能不能真正融入设计流程的分水岭。网格Mesh本质上是三角形的集合而 CAD 的核心是 NURBS 曲面或 B-rep 实体。两者的数学表达完全不同转换过程不能简单“另存为”了事只能通过曲面拟合或逆向工程的思路去做。以我自己的实践为例如果模型比较简单比如一个矩形支架、圆柱体、圆台我会直接在 SolidWorks 里手动重建一次耗时十分钟比任何自动转换都可靠。但如果模型是复杂的有机曲面比如一个花瓶、雕塑件的形状我会尝试使用 Fusion 360 的“网格转B-rep”功能或者用 FreeCAD 的“逆向工程工作台”来拟合。这些工具的原理是在网格表面生成一个简化的面片网络再缝合成实体效果取决于原始网格质量。还有一个思路是用 Bazel 或者 CadQuery 这种程序化建模库把 text-to-cad 的输出当作“参考图”再用参数化代码反向建模。这种写法看起来绕但能获得完全可控的参数化模型——你可以在代码里修改任何尺寸重新生成一步到位。对于需要批量生成零件的场景这其实是最稳定的路线。不过这套方案要求你有一定的编程基础不是人人适合。4. 常见问题与排查技巧实录4.1 生成结果与描述严重不符怎么办这个问题几乎是所有人第一次使用时都会遇到的。你写“一个带盖子的杯子”结果模型生成了一个没有盖子的碗你写“桌面支架”结果生成了一个像外星生物的有机体。我总结了几个排查方向。首先检查你的提示词是否过于简短。模型对短提示词的想象空间太大它会把缺失的信息用训练数据里的“平均形状”来填补。解决办法是给足约束宁多勿少。其次检查你是否使用了歧义词比如“支架”可能被理解为字面意义的支撑结构也可能是电子支架、植物支架、机械支架模型无法帮你判断。要补充使用环境比如“桌面”“墙上”“车载”这类词能帮你锁定类别。最后一个比较隐蔽的问题是模型可能对“禁止项”无感比如你写“不要有花纹不要有把手”它仍然会带花纹带把手。这种时候最好在生成设置里使用“负向提示词”功能如果工具没有这个功能就换一个工具试试。还有一个实用技巧是“分步生成”。不要指望一次提示词得到完美结果先粗生成一个整体形状然后借助后处理工具局部编辑。我常做的是先生成一个基本形状再在 Blender 里删除特定部分、拉伸特定部位最后重新雕刻细节。这种混合流程往往比反复调整提示词效率更高。4.2 网格质量差、面数爆炸、结构有悬空生成模型的面数爆炸是另一个高频问题。一次提示词可能生成一个 50 万三角形的模型直接导入切片器会让电脑卡死。我的处理方案是优先使用“减面优化”工具比如 Blender 里的“简化几何体”修改器把三角形数量控制在 10 万以内。这个操作会牺牲少量细节但对打印来说完全够用。悬空结构的问题值得多说一句。AI 生成模型时没有物理引擎它不会考虑“这个部件在重力下会不会塌”。比如你生成一个带弯钩的篮子钩子的方向可能是横着飞的或者篮子的底是微微翘起的——这些在打印时会成为噩梦。解决方法之一是在提示词里刻意写“平放”“底部平整”之二是在生成后用切片软件检查悬垂角度。Cura 里可以开启“悬垂检测”悬垂角度超过 60 度的部分一定要加支撑否则必翻车。4.3 输出格式兼容性问题STL、OBJ、STEP 到底该选哪个最后一个高频坑点是导出格式。很多人从 text-to-cad 工具里拿到一个 GLB 或 OBJ 文件然后直接导入 Fusion 360却发现自己无法选中面、无法编辑特征甚至整个模型无法转化为实体。这恰恰说明“网格模型”和“CAD模型”之间的鸿沟没有被清楚认识到。我的建议是先明确你的下游工序。用于 3D 打印、渲染、游戏STL/OBJ/GLB 都行用于 CNC 加工、工程仿真、装配干涉检查必须想办法拿到 STEP 或者至少是封闭一致的网格再加曲面拟合。如果工具本身只输出 STL也别灰心可以用之前提到的“网格转B-rep”功能抢救。但这里有一个朴素的道理自动转换只适用于简单几何复杂模型还是建议重建。我在这个环节上花掉的时间往往比生成时间还长所以现在我会在选工具阶段就把输出格式看清楚避免后期折腾。4.4 提示词与后处理速查表下面这个表格是我在实际操作中的经验总结可以直接抄走当参考。场景推荐提示词思路常用后处理输出格式建议3D打印小零件明确尺寸、壁厚、底部平整网格检查、补洞、减面STL概念展示模型强调形态、比例、表面细节轻量减面、贴图导出GLB/OBJ机械装配验证指定装配关系、连接孔位网格转B-rep、曲面拟合STEP参数化设计反向建模记录关键尺寸和约束用 CadQuery 编程重建STEP/原生特征重要提示任何提示词都不能保证模型一次成型。我的习惯是“一次生成多个候选 人工挑选 局部修整”这对效率的提升远大于反复修改同一段提示词。5. 延伸思考text-to-cad 与现有设计流程的融合5.1 从“草稿生成器”到“参数量化器”的角色演进很多人担心 text-to-cad 会取代传统 CAD 软件但站在我这种一线从业者的角度它短期内更像是一个“上游增强器”。传统 CAD 的核心能力是精确、可编辑、可回溯而 text-to-cad 的核心能力是快、宽、发散。两者结合的最好方式是让 text-to-cad 做发散让传统 CAD 做收敛。我目前试验出来的一个比较顺畅的混合工作流是这样的需求传达 → 用 text-to-cad 生成 5~10 个概念形态 → 从中挑 1~2 个满意方向 → 用传统 CAD 重建并参数化 → 再做细节设计和验证。这套流程把“创意探索”和“工程精确”两个阶段彻底分开各自发挥长处。在实际项目里前期的形态探索往往决定最终方案的大方向传统建模在这里既慢又限制想象力而后续的精确化又恰恰是 AI 生成模型最不擅长的事情。所以两者是互补关系不是替代关系。对于团队协作text-to-cad 还有另一个用途——统一内部语言。以前设计评审时大家对着线框图各说各话现在随手生成一个 3D 模型发到群里所有人看到的是同一个实体。这个价值虽然难以量化但对项目进度的推动非常明显。5.2 模型训练数据与领域适配的潜在空间从技术纵深来看text-to-cad 的发展天花板也很清晰它最终能达到的高度取决于训练数据的质量和覆盖度。目前的模型大量使用的是互联网上公开的 3D 模型库比如 ShapeNet、Objaverse 等这些数据在机械结构、装配约束上的标注非常匮乏。模型能生成一个看起来像“椅子”的网格但很难理解椅子的四条腿之间需要横撑来增加刚性——因为它不知道受力分析。未来的一个重要方向是让模型直接学习标注过的机械参数。比如用大量带有尺寸标注、特征树和装配约束的 CAD 文件作为训练数据让模型学会“生成一个带 8 个 M6 螺纹孔的安装板孔距 50mm”这样的精确需求。现在已经有团队在做类似的事他们用参数化建模脚本生成海量变体配合自然语言描述来训练模型。如果这条路走通了text-to-cad 的实用性会上一个台阶因为它将真正触及“制造可行性”而不仅仅是“几何相似性”。我的判断是普通设计师现在就可以开始学习这个工具但不要用生产标准去要求它把它的输出当成灵感草稿或者初版模型再用自己的工程能力去修整、重建。这才是目前最务实的使用姿态。6. 最后再分享一点我的切身体会text-to-cad 这个工具链我从前年年底开始接触到现在已经是设计流程里离不开的一环。我最大的体会是它的核心价值不在于“替代任何一步”而在于“压缩了从想法到可见原型之间的时间”。传统设计流程里从概念到三维模型往往需要几天现在只需要几十分钟的反复生成与修整效率的提升是肉眼可见的。但是工具越方便对使用者的空间思维要求反而越高。因为生成结果并不总是符合直觉你需要有能力判断“这个形态哪里合理、哪里不合理我应该如何微调”。AI 只是个放大器它放大的是你原本就有的设计经验和审美判断力。如果你本身对几何、比例、功能没有概念那么生成的结果只会是一个困惑的随机组合。如果让我给新手一个最直接的入门建议找一个周末选一个好用的工具从“一个带圆角的方形盒子”开始逐步增加约束条件生成、修理、打印一次。走完这个完整的闭环你对 text-to-cad 的能力边界和操作手感会有一次彻底的更新。到那时你会发现这个工具真正带来的不是“自动生成”而是“更快地到达你想要的东西”——这种控制感才是它最有魅力的地方。