最近朋友圈被一个开源 AI-CAD 项目刷屏了GitHub 上 17K stars对外公开的融资口径约 740 万美元最抓人的指标是——从一句话需求到一张可用的图纸初稿大约 2 分钟。大家都在说同一个判断AI-CAD 正式进入“副驾”时代。“副驾”这个词我很喜欢它准确说清了 AI 的位置不是自动驾驶不是自动把图纸全部画完而是坐在主驾旁边帮你把最耗时间的初稿、标注、规范初查全部先干一遍你来盯方向盘所有重要决策还是要你拍板。我最近自己搭了一套类似的 AI-CAD 辅助流程也把它塞进了真实项目里跑了一段时间酸甜苦辣都尝过。这篇东西不打算复述新闻我想聊聊这组数字背后的价值逻辑、2 分钟出图到底靠什么技术拼起来以及你把副驾接到现实生产环境后最容易踩到的几个坑。1. 从“17K stars”和“740 万美元”看 AI-CAD 的价值锚点1.1 开源热度说明设计师真的在用 AI 出图17K stars 这个数字放在 AI 项目里不算夸张但放在 CAD 工具赛道里意义完全不一样。AI 聊天类的项目很容易刷 star因为谁都能用、谁都能收藏而一个 AI-CAD 项目能拿到 17K收藏它的人大部分来自设计、制造、建筑、室内这些行业或者是在给这些行业做二次开发的技术团队。这类用户对工具非常挑剔star 一个项目基本等于说“我下一版图纸确实准备试试这东西”。为什么会被一个 AI 辅助画图工具吸引我接触过的很多中小型设计团队其实并没有专职的 CAD 工程师。传统参数化 CAD 软件的学习成本高命令多、术语多画一张像样的立面图不是会画直线就能搞定的。于是大量需求积压在最资深的几个人身上一有改动就加班。AI-CAD 副驾把“写尺寸参数”变成了“说人话”一下子把出图能力扩散给了非专精人员。还有一点容易被忽略跨过 1 万 star 以后外部贡献者会开始主动做插件、适配器、教学视频。这比 star 数本身更能说明生态在起来。社区里已经有人在给这个项目做各种专业模块的扩展比如柜体库、门窗库、机械标准件库这些才是真正能落地的价值。17K stars 背后不是流量而是一群“被 CAD 折磨过的人”在用脚投票。1.2 资本押注的不只是建议助手而是“设计入口”740 万美元这个数字放在 AI 大模型动辄几亿美元的融资盘子里显得很克制。但它落在 CAD 这个老赛道上风向标意义很强因为过去十几年这套赛道几乎没有出现过这种规模的“AI 原生设计工具”融资。资本看的当然不只是一个“会画画的聊天机器人”。他们看中的是设计工作流的入口迁移以前设计师打开软件的第一步是新建文件、选模板、画基准线以后的第一步可能是对着对话面板说一句“我需要一个 2.4 米宽的厨房中岛带三个抽屉和右侧开放柜”。一旦需求描述成为起点AI-CAD 副驾就掌握了图纸数据的“第一公里”后续的参数调整、方案对比、物料统计、施工图深化全都可以挂在它上面。传统 CAD 商业模式和副驾模式的差异我整理过一张对比表对比维度传统参数化 CAD 模式AI-CAD 副驾模式价值载体软件授权、插件授权出图服务、工作流订阅、AI 能力调用付费方式一次性买断/年度许可按项目、按出图次数、按账号订阅主导角色设计师主动操作软件人机对话AI 先出草稿人再决策生态位置文件格式的终点设计流程的入口和中枢这也解释了为什么资本愿意掏 740 万美元它买的不是一个“建议助手”而是一个未来可能承载整个设计数据流的入口级工具。谁掌握了入口谁就掌握了后续所有增值服务的分发权。2. “2 分钟出图”背后的技术拼图解析、约束求解与规范注入2.1 第一块自然语言需求拆解成可计算的约束参数要实现“2 分钟出图”第一步不是画图而是把一句自然语言变成机器能计算的参数。很多人有个误解觉得 AI-CAD 应该是“大模型直接生成一张 DWG 文件”。实际工作流里几乎没有人这么做原因很简单图纸的核心是精确几何坐标差一毫米都是误差而大模型生成浮点坐标并不可靠。真正可靠的路径是先做语义解析再交给参数化引擎去画。我给你看一个典型的中间数据结构。用户说“做一个 2.4 米长、1 米深、0.9 米高的厨房中岛前面三个抽屉右侧一个 350 高的开放格”副驾内部会把它解析成类似这样的结构化描述{ type: kitchen_island, width_m: 2.4, depth_m: 1.0, height_m: 0.9, elements: [ {element: drawer, count: 3, align: front}, {element: open_shelf, side: right, height_m: 0.35} ] }这段 JSON 就是“约束参数”它是 AI 和绘图引擎之间的交接语言。AI 只负责把模糊的需求翻译成精确的 Schema剩下的几何计算由参数化引擎完成。这样做的最大好处是容错即使模型理解有偏差你也能在参数层面看到问题直接改一个数字就行而不是去手工移动几百条线。在实际搭建时这一步可以用垂直微调模型来做也可以用通用大模型配一套严格的上下文模板来做。核心不在于用哪个模型而在于输出必须经过 Schema 强校验不符合结构、缺失必填字段的一律不进入下一步。拒绝幻觉的方法不是靠模型自觉而是靠程序强制校验。2.2 第二块几何约束求解器与参数化草图生成拿到参数之后副驾要把它变成图纸。这一步最核心的技术是几何约束求解器而不是“画点连线”。什么是几何约束简单说就是规定好图形元素之间的关系水平、垂直、平行、相切、重合、对称、固定尺寸、固定坐标。求解器会把这些关系组合成一组数学方程然后计算出每个几何元素的最终位置。这和你手绘完全不一样手绘时每个点都是绝对值改一处要手动挪一片约束求解时你只需要改宽度这个参数和宽度相关的所有线条都会自动联动更新。我拿生活里的例子类比手绘就像在纸上摊煎饼每一铲子都得重新抹参数化约束则像是搭骨架和肌肉改骨架尺寸肌肉和皮肤会自动跟着调整。AI-CAD 副驾的聪明之处就是让 AI 负责生成“骨架语言”让传统成熟的求解器去计算“肌肉坐标”。纯粹的大模型生成几何是不可控的而被约束求解器约束过的几何才是可修改、可复用、可交付的。这也是副驾模式和纯 AI 生成图片的本质区别图片生成本身就是最终产品而 AI-CAD 生成的图纸只是半成品必须能反哺回参数化体系里继续编辑。2.3 第三块规范知识库与“2 分钟”目标的设计逻辑图纸不是画出来就完了它是一门工程语言。图层怎么分、线型怎么设、标注文字高度是多少、折断符号怎么画、图框用哪版、材料表放哪这些都有明确规矩。副驾在出图阶段就要把规范知识库注入进去先在系统里选专业模板机械、建筑、室内生成时直接按模板输出出完图后再跑一次规则检查。“2 分钟出图”这个指标我一开始以为是为了营销真正自己搭流程之后才明白它更多是一个产品节奏。真让大模型直接输出几秒钟就能给你一版“看起来很美的图”但那不能直接用于生产。真正吃时间的是后面的规范校验、视图同步、尺寸逻辑反查以及人机确认的交互轮次。与其追求 10 秒出一张废图不如用 2 分钟出一张初稿就能拿去评审讨论的图。所以我更愿意把它理解成一个时间预算自然语言解析控制在 10 秒内约束求解控制在 5 秒内规范校验控制在 10 秒内再留下交互确认的余量。副驾的理想节奏不是“秒出图吓你一跳”而是“两分钟内给你一版有讨论价值的图”。3. 从零搭建一个 AI-CAD 副驾我的选型与落地路线3.1 先定边界副驾到底替人做哪几件事搭建之前最重要的一件事不是选模型而是划定 AI 的职责边界。我把方案分成了四档方案等级模式适用阶段L0普通参数化插件无 AI现有工作流数字化L1AI 生成初稿人工逐项确认副驾模式我推荐从此开始L2AI 嵌入交互流实时捕捉意图比较成熟的团队L3AI 全自动生成最终图纸当前阶段不推荐用于生产我目前只推荐 L1。副驾的职责清单我写在下面需求解析、草图初稿生成、尺寸自动标注、规范初查、变更影响提醒。它不该替人做的事情也很多创意方向决策、最终审核签字、特殊异形设计、跨专业协调。这些事情一旦交给 AI出了问题没人负责也没法回溯。边界定清楚之后整个技术方案会简单很多。AI 不需要变成万能设计师它只需要在一个狭窄的领域内做到“快且稳”这就足够了。3.2 数据管线工业图纸标注数据从哪来训练或调优一个 AI-CAD 副驾最缺的永远是数据而且是“需求文本—约束参数—图纸”三元组。公开图纸库确实很多但现实很骨感绝大多数图纸的图层命名混乱、线型随意、尺寸标注方式不统一。直接拿这些数据喂模型等于让模型学了一堆坏习惯。我的做法是先写规则清洗管线。第一步按图层名称映射语义层比如把“DIM”“尺寸”“DIMENSION”统一归类为标注层第二步按线型区分轮廓线、中心线、隐藏线第三步按块名识别标准件。清洗完再做文本和参数的对齐形成训练对。如果数据还是不够就上合成数据。副驾出图本质上是在做规则组合不是在做艺术创作所以合成数据非常有效。我写了一个模板引擎把常见构件的尺寸、数量、布局方式随机组合自动生成需求描述、约束参数和图纸样本。这样做出来的数据虽然有点“样板化”但胜在覆盖了大多数常见场景模型在真实项目里的泛化能力反而不错。3.3 集成层开发如何接进现有 CAD 工作流副驾不能独立存在它必须和成熟的参数化 CAD 平台联动。最稳的落地路线是分层集成副驾先导出中性交换文件比如 DXF 的基础实体数据、CSV 属性表或者中间参数文件再由主流 CAD 平台统一导入用脚本 API 批量转成原生实体。为什么要用这么“绕”的方式因为各家平台的版本差异大、API 兼容性参差不齐直接追求深度嵌入会消耗大量维护精力。等文件级集成验证跑通以后再考虑在 CAD 软件里挂一个插件面板让用户能直接预览约束、修改参数、点“重新生成”。普通设计师不需要关心底层 SDK他们只需要一个对话面板输入需求、看到约束清单、点确认、拿到图纸。提示不要把副驾设计成一个封闭系统一上来就想从副驾直接输出“最终交付文件”。最容易落地的形态是“副驾生成初稿CAD 里完成终稿”中间用标准交换格式衔接这样容错率高得多。3.4 延迟与交互设计为什么把出图时间目标定成两分钟我搭完第一版之后对“2 分钟”这个目标有了更深的理解它不只是技术性能指标还是交互体验的关键节拍。如果两分钟能出图用户愿意盯着进度条等一等顺手检查一下 AI 生成的约束清单如果超过五分钟用户基本就切到别的软件去了这个副驾就变成了“异步工具”协作感觉完全不同。从工程预算角度看两分钟目标会反过来倒逼技术选型。LLM 推理必须控制在几秒内所以不能让它反复扩写约束求解要在本地完成否则上传下载就浪费一半时间规范校验必须预计算。我在实测中还发现一个提升体验的小技巧把生成过程做成可视化进度比如“正在解析需求—正在求解几何—正在标注—正在跑规范检查”。用户看到进度条在走等待焦虑会低很多实际体感比一个闷声转圈然后把图砸出来好无数倍。4. 副驾不等于自动驾驶真实项目中踩过的五个坑4.1 语义歧义自然语言里的尺寸关系没说清真实项目里的需求远没有“2.4 米宽的中岛带三个抽屉”这么干净。我第一次让副驾辅助一个店面改造项目客户原话是“门旁边开个小窗”。副驾直接出了一版图看起来没毛病但客户一看就皱眉“我说的是右边那个门旁边你怎么开在左边了窗台高度也没确认。”反馈回来后我才意识到自然语言里的“旁边”“小窗”“一点”这些词全是模糊地带。解决办法是让副驾养成“先问完再画图”的习惯在出图之前先输出缺失约束清单逐条向用户确认方向、间距、尺寸、材质。看起来多了一步对话但省掉了后面改图的整个来回。副驾模式的可靠恰恰不是靠“AI 聪明地猜到你的意思”而是靠“AI 礼貌地把不确定项都摊开给你确认”。4.2 规范合规图纸要能送审不能只长得像这是我踩得最狠的一坑。副驾生成的图纸乍一看很专业图层、标注、图框都在但是送审之后被打了回来原因是剖切符号的线宽不符合企业模板、标注文字压到了折断线、部分尺寸没有按基数轴网对齐。这些细节AI 在生成时很难百分之百内化尤其是每个企业都有自己的拿图规范公开数据里根本学不到。从那以后我在副驾流程里加了一个“确定性校验器”图纸生成后用传统规则代码逐条检查图层名、线型、线宽、文字高度、标注避让。规范这事不能靠模型感觉必须靠写死的规则卡住每一关。你把它理解成一个“图纸审计机器人”就行AI 负责画得快代码负责查得准两者缺一不可。4.3 局部编辑AI 改完整个图都重画了副驾用久了最让人崩溃的一件事是客户只说“门宽改成 900”AI 重新生成之后连我以前手动调好的抽屉把手位置、柱脚细节、标注布局全变样了。根因在于生成式路径没有保留“特征树”每次都是整图重建旧几何里的人工调整全部丢失。解决这个问题需要往副驾里注入传统参数化 CAD 的“特征依赖图”思想记录每个实体依赖哪个约束参数参数变的时候只把受影响节点标记为需要重算没受影响的部分直接复用旧输出。实际改造之后体验完全不一样改一个尺寸只有相关区域在跳动其余部分稳稳不动。这才是设计师能放心依赖的副驾否则每次都像面对一个“失忆的实习生”。4.4 组织交接AI 画的图出了错算谁的把副驾接入团队之后很快出现了一个典型矛盾图纸退回率上升时没人愿意承担责任。“这是 AI 生成的”“我明明只改了尺寸”“提交的时候看着没问题”——这些话我听了一圈决定从流程上解决而不是靠嘴皮子。我做了一个“人机交接确认”机制AI 每次输出都带完整日志包括原始需求文本、结构化参数、规范检查结果、生成时间在每个关键参数旁边设置确认节点负责人必须点击“人审确认”之后才会写入图纸版本。任何一张交付图都能追溯到“哪一个参数是哪个环节定的、AI 当时给了什么结果”。这样责任链条清晰团队协作效率立刻正常了。你永远不会真正确认 AI 是否全对但你可以把人和 AI 的分工边界用流程固定下来。4.5 信任曲线很反直觉新人全信老手先用后信这个观察可能有点反直觉但团队里出问题最多的不是老工程师反而是刚入行的新人。他们对出图规范没啥概念AI 生成一张看着像模像样的图他们就直接拿去用了结果低级错误频出。反而是工作了十年、一开始最抵触 AI 的老师傅用过几次之后真香了因为他们太清楚画初稿有多累AI 能两分钟给出一张能讨论的底图等于把熬夜的时间省了下来。所以推广副驾的时候别按资历一刀切。应该建立“AI 初稿 资深人终审”的双人复核制度新人用 AI 提高效率但出图必须挂资深人的审核老师傅负责把关同时也在审核过程中积累对 AI 能力的直觉。副驾的真正用法不是替代经验而是把经验用在更关键的地方。用了一段时间副驾模式之后我固定的工作流已经变成这样先让 AI 出约束清单和参数草案我口头确认改动再让它两分钟出图送审前跑一遍规范校验关键节点在面板上点确认。一次协作下来最深的体会是真正的效率增量不是“AI 自动画完了”而是“AI 把画图前的思考流程固化了”。如果你也想接这类工具我的建议是从非关键路径图纸开始试比如前期方案草图、条件图初稿先积累对它的信任感。还有一个很实用的小技巧喂给副驾两三份你们公司最规范的旧图纸作为风格参考它生成的图纸贴近公司标准的速度会快到让你惊喜。