1. Text-to-CAD到底是什么先别急着喊颠覆大概在去年底我第一次刷到一段演示视频有人在对话框里输入带三个安装孔的不锈钢支架孔距60mm孔径8mm板厚3mm几秒钟之后一个参数化支架模型就出来了还能把孔距改成80mm重新生成。当时我的第一反应是震惊第二反应是怀疑——做机械设计的人看到这种东西心情确实很复杂既觉得吃饭的手艺要被取代了又觉得这不就是个自动画图的玩具嘛。直到我把这类工具真正接进自己的设计流程里跑了三个多月才逐渐形成一套比较务实的看法text-to-CAD短期内替代不了工程师但它确实把从想法到第一个可用模型的时间压缩了一个数量级。这篇文章就是我这三个多月试过的工具、踩过的坑、总结出来的流程写给同样在观望的朋友做个参考。先明确一下概念。狭义的text-to-CAD指的是用自然语言描述直接生成可用于制造或进一步设计的CAD模型——注意可用于制造这几个字这是它和那些文生3D模型工具最本质的区别。广义地说凡是输入一段话、输出一个带几何信息和特征结构的三维模型都可以归到这个范畴。但真正值得关注的永远是前面那一类输出能被数控加工、能被三维软件继续编辑、能出工程图的模型而不是只能看不能用的花架子。这里必须厘清一个很多人容易混淆的点。市面上大量文生3D工具生成的是三角网格模型比如游戏里的道具、动画里的场景资产。它们没有参数化历史没有尺寸标注谈不上公差配合几何精度往往只有小数点后两三位。而真正的text-to-CAD工具目标输出是带特征树的参数化模型或者至少是带精确几何信息的STEP文件再或者是OpenSCAD、CadQuery这类可重新编辑的代码化模型。所以你会发现这类工具背后其实藏着完全不同的技术路线。我见过不少朋友上来就奔着最火的工具去结果拿到的模型格式根本进不了自己的软件。在动手之前搞清楚你要的输出格式、你的下游环节是什么比选哪个工具重要得多。2. 三条技术路线先搞清你拿到手的是哪一种我按自己的实测和阅读把目前市面上的text-to-CAD产品按技术路线分成三类。看懂这三条线以后看到任何新工具基本能一眼判断它靠不靠谱、适不适合你的场景。2.1 路线一LLM生成参数化代码——能改尺寸的才算真CAD这条路线是我目前最推荐、也是唯一真正进过我生产流程的。核心原理很简单让大语言模型学会写某种参数化建模语言你用自然语言描述约束条件LLM生成代码再由建模内核执行代码生成模型。典型代表是Zoo早期就叫Text2CAD后来改名推出的工具以及一系列基于OpenSCAD、CadQuery的AI插件。它们的逻辑是CAD模型本质上是一系列特征作用在草图上的结果特征树的构建过程完全可以表达为一段程序。既然ChatGPT能写Python为什么不能让它写CadQuery呢我实际用过的一个生成结果代码长这样import cadquery as cq # 基板 100x80x8 plate ( cq.Workplane(XY) .box(100, 80, 8) .faces(Z) .workplane() .circle(30 / 2) .cutBlind(4) # 正面圆形沉台深4mm .faces(Z) .workplane() .rect(80, 60, forConstructionTrue) .vertices() .hole(6.5) # 四角通孔 )这段代码生成的模型我放进SolidWorks里做了修改测试所有尺寸都能改参数重新计算。这才是CAD的灵魂——它不是一张死图片而是一套活的逻辑。这条路线最大的优点是可编辑性和可追溯性。提示词说孔距改成80mm模型会重新计算、重新生成整个过程完全可复现。缺点也很明显LLM写代码会有幻觉有时候特征顺序是错的有时候生成了不可能实现的几何对扫掠、放样、曲面这类高级特征的支持也比较弱毕竟用代码表达复杂曲面本来就很难。2.2 路线二扩散模型生成三角网格——好看但过不了制造这一关另一类工具走的是完全不同的路不写代码而是像图像生成工具画图一样直接从噪声中雕刻出一个三维形状。这类工具输出的是三角网格顶点乱飞面数巨大几何精度很低。我拿这类工具生成过一个泵体壳体视觉效果确实震撼十五秒出模型细节丰富得不像话。但把它丢进CAM软件想做刀路时问题全出来了面不是平面加工没法定位孔不是真孔只是视觉上的凹坑壁厚不均匀有限元分析直接不收敛。用一个做机加工的朋友的话说这拿来当渲染素材可以拿来出程序车间老师傅能把电脑砸了。这条路线目前更适合做概念展示、渲染、游戏资产或者对精度要求不高的3D打印视觉原型。但严格来说它算不上CAD——连工程图都出不了更别提作为数控加工的输入。2.3 路线三直接生成特征树和B-rep——理想丰满现实骨感学术圈有一种更激进的方向让模型直接预测实体的边界表示B-rep也就是面、边、顶点以及它们之间的拓扑关系再配合特征识别重建出可编辑的特征树。这听起来是最完美的方案直接输出原生CAD格式工程师拿过来就能继续编辑。但从我看到的演示和论文效果来看这条路线还停留在极简几何层面。能生成的零件形态非常有限稍微复杂一点的倒角、螺纹、钣金折弯就露馅了。我的判断是未来两年可能会有突破但眼下指望它做生产工具黄花菜都凉了。把三条路线放在一起看差异非常明显维度LLM生成代码扩散模型生成网格特征树/B-rep生成输出格式OpenSCAD/CadQuery/STEPSTL/OBJ网格原生特征模型可编辑性强参数化弱网格几乎没法改强制造可用性中等需人工校验低高但仅存在于demo复杂曲面能力弱强极弱成熟度可用可用但场景窄实验室阶段这张表是我实测下来最真切的感受。选工具之前先对号入座能省下大量试错时间。3. 手头能用的工具实测哪家能真正进生产链路光讲原理没用工具好不好用得上手。我这一年陆续试了不少挑几个有代表性的说说实测感受。先说Zoo的Text2CAD。它背后的逻辑是让LLM生成OpenSCAD代码OpenSCAD本身就是代码化建模几乎是为AI量身定做的——文本描述、参数化、可重新计算全占齐了。我实测带六角法兰的M8安装底座法兰直径32mm厚度5mm这个需求它生成的OpenSCAD代码结构清晰变量命名居然还带着注释改尺寸重新生成也很快。体验顺滑是目前最接近生产可用的产品。再来说说Autodesk的Project Bernini。它的思路更贴近工业软件的逻辑生成的模型直接是参数化实体输出格式对下游友好。我拿到测试版跑了几个标准件质量确实不错但生成速度和可用的几何复杂度目前都比较克制。好消息是大厂确实在认真推进这件事坏消息是它至今没有全面开放拿来做生产工具还不现实。那类文生3D工具我也试过比如Luma AI的Genie还有Meshy。生成速度确实快效果也花哨但无论我怎么把提示词写得像工程描述它出来的模型都带着浓重的雕塑感——不是CNC零件是手办。有一次我输入精密齿轮模数2齿数20压力角20度它给我生成了一个齿轮外观的网格模型齿形看起来对但一量齿距误差差了0.4mm完全不能用。后来我想通了这类工具的底层训练数据就没见过多少精密机械零件它擅长的是看起来像不是精确是。开源方案也值得提一句。GitHub上有把本地LLM接入CadQuery的项目原理就是让本地跑的代码模型生成CadQuery脚本再通过OpenCascade内核把脚本转成STEP文件。我在一台不联网的电脑上试过用7B参数的量化模型跑速度虽然慢一点一个简单零件要一分钟左右但至少验证了一件事数据不出内网也能用text-to-CAD。对很多有保密要求的设计项目来说光这一点就有很大价值。选型的核心逻辑说穿了就一句话你的下游是加工、装配还是渲染。下游是CAM加工就必须拿STEP或原生参数化模型下游只是做方案汇报的渲染图那网格类工具已经够用了没必要为一个渲染需求去折腾CadQuery。4. 从一句描述到一份可加工图纸我的完整操作流程工具选好了真正难的是用起来。我走了不少弯路之后总结出一套相对稳定的流程现在基本固定用在工作里。4.1 提示词怎么写才管用带着制造约束去描述很多人第一次用text-to-CAD提示词写得像跟朋友聊天帮我画一个支架。模型确实生成出来了但尺寸天马行空。踩过这个坑之后我的经验是该写的约束必须写全。一个合格的CAD提示词至少包含四类信息一是关键尺寸——板厚、孔径、孔距、总长二是功能特征——沉头孔、螺纹孔、导向倒角三是制造方式暗示——注塑件留拔模角钣金件统一R3折弯半径CNC件避免内尖角四是标准件信息——M6螺纹孔配合6201轴承外径32mm。举个例子一个我实际用过的提示词生成一个设备安装底板材料6061铝合金。 外形100mm x 80mm x 8mm四角各开一个直径6.5mm的通孔孔中心距边缘10mm。 正面铣一个深4mm、直径30mm的圆形沉台。 四个角倒R8圆角所有外露尖锐边倒0.5mm小斜角。这段描述把尺寸、功能、制造方式、结构细节全写进去了生成出来的模型第一次就接近可用。反过来如果你只写一个铝合金板LLM大概率给你生成一个说不清尺寸的方块后期改起来比新建一个还麻烦。4.2 生成后的验证三板斧尺寸、干涉、可编辑性模型拿到手别急着高兴。我给自己立了一条规矩任何AI生成的模型必须过三道检查才能进入下游。第一道是尺寸检查。在CAD里打开模型用测量工具逐一核对关键尺寸是否与提示词一致。这一步看似简单但极其重要LLM生成代码时经常出现孔径对了、孔距差1mm这种隐蔽错误。第二道是干涉检查。如果你的零件要跟别的零件装配务必把它丢进装配体里做一次干涉检查网格类模型在这一步几乎必挂。第三道是可编辑性检查。双击特征树确认每个特征是否可改参数——如果特征树是单一扁平的或者干脆是导入实体那它本质上是个一次性模型后续改设计只能重新生成这个风险要提前评估。这三板斧看着机械确实帮我拦下了不少废图纸。有一次生成的钣金件外形完全正确可我一用展开功能发现折弯系数完全是乱的展开尺寸差了5mm。要不是做了检查图纸到了激光切割车间就是事故。4.3 从生成模型到生产文件的转换路径确认模型可用之后最后一步是把它变成下游能吃的格式。我的建议分场景走3D打印直接导出STL但最好先做面片简化。有些工具生成的网格动辄几十万面切片软件跑起来很吃力。CNC加工导出STEP不要导出STL。STEP带精确几何CAM做刀路稳定得多。导出前务必检查模型是不是实体不是的话先在CAD里补齐。二维工程图参数化模型直接在CAD里出工程图网格模型就别指望了基本出不了一张合格的图纸。另外提一句很多text-to-CAD工具生成的STEP文件单位经常是错的。我遇到过生成出来尺寸缩水25.4倍的情况英制被当公制处理进CAM前先统一检查单位别等程序传到机床上才发现。5. 实测翻车案例AI画图一时爽下游加工火葬场这一章专门写翻车。我一直觉得一个工具的真实水平恰恰要看它在边界情况下的表现。我挑三个有代表性的案例每个对应一个具体的坑。5.1 案例一法兰盘的隐形壁厚有次我用text-to-CAD生成一个管法兰提示词写得挺详细外径100mm、内孔40mm、四个均布螺栓孔。屏幕上一看模型漂亮得很剖面视图也正常。可等我把模型导入有限元软件做强度分析结果应力严重超标——模型看似厚实实际上关键位置壁厚只有0.2mm。这种隐形壁厚问题在LLM生成代码的路线里特别常见。原因是LLM理解厚度靠的是代码里的拉伸深度、草图偏移这些参数但管壁由内外两个圆柱面共同围成内孔半径和外圆半径差得太多或太少就出事了。视觉上外表面和内表面都完整不细看剖面根本发现不了。这个坑让我养成一个习惯拿到AI模型先做薄壁检测要么用CAD的抽壳检查要么手动剖面测量不要相信眼睛。5.2 案例二倒角倒得漂亮刀具进不去第二个案例更有意思。我让工具生成一个带内部方槽的模具镶件为了美观它给方槽底部的所有内角都加了大圆角。渲染出来确实漂亮光滑过渡像艺术品。可实际上数控加工内直角要靠清角刀路圆角半径越大加工时需要的刀具越小、耗时越长而且圆角半径一旦大于刀具可及范围这块区域根本没法加工到位。这类设计意图与实际制造能力不符的输出在AI工具里很常见。因为LLM在训练数据里看到的模型图片大多是好看的工业设计图它不知道某个位置为什么不留圆角——不是工程师审美差是因为那里要装配一个直角零件。所以经验是提示词里明确写出方槽底部内角保持直角不做圆角过渡生成后专门检查功能性接触区域别让AI自作主张加特征。5.3 案例三装配场景下坐标系一塌糊涂最后一个案例跟装配有关。我尝试让AI生成一个盖子要求配合一个底座使用。分开看盖子的外形和底座的配合面尺寸都合理但放进装配体里一配合发现两个零件各自用了自己的坐标系和基准面配合约束一加就报错——外圆和内孔的轴心根本不在同一条直线上。这其实是当前text-to-CAD工具的普遍短板它们擅长生成独立的零件几何但缺乏对装配上下文的理解。一个配合孔的坐标必须相对于配合零件来定义而AI工具根本没有对面还有个零件的概念。现在我的处理方式很朴素让AI只生成核心特征外形、孔位的坐标一律参数化成代码装配基准手动在CAD里补齐或者干脆提示词里明确要求底面为基准面所有孔位相对于底面和两条中心线定位。这三个案例放在一起看会得出一个结论text-to-CAD真正替代的不是设计师而是设计师手里那支从零开始画第一个特征的笔。它把重复劳动干掉了但判断维度、制造合理性、装配逻辑这些脑力活还得人来把关。6. 什么项目适合用text-to-CAD什么项目千万别硬上用了三个多月我逐渐总结出哪些场景值得引入AI生成哪些场景还是老老实实手画。先看适合的。一类是标准化程度高、特征重复的零件比如安装支架、底板、法兰、外壳。这类零件特征简单参数化表达天然友好LLM生成成功率很高。第二类是概念验证阶段我需要快速给方案评审提供一个三维样件不用精确但需要直观text-to-CAD能大大加快节奏。第三类是变体设计同一个基座改几十个尺寸规格用AI生成参数化代码后批量改参数比手工一个个改高效得多。再看不适合的。一类是复杂曲面类产品塑料外壳、汽车覆盖件、卫浴产品这类零件靠自由曲面造型代码化表达几乎不可能现有AI工具生成的曲面质量也达不到工业要求。第二类是有严苛公差和标准件配合的场景比如精密齿轮、轴承座、配合公差在H7/g6这种级别的零件——AI不关心公差它只会给你一个标称尺寸的模型公差标注和配合分析还是得人来。第三类是装配体级别的工作涉及几十上百个零件的相互约束目前没有哪个text-to-CAD工具能输出一个像样的装配结构。另外一个经常被忽略的维度是数据安全。如果用的是云服务就要接受设计数据会发送到对方服务器这个事实。对很多军工、医疗、对外保密的设计项目来说这是红线。要么选本地部署的开源方案要么干脆别用在线版这个判断比选哪个工具更优先。动手之前我一般先问自己三个问题这个零件的几何复杂度高不高下游环节要的是参数化模型还是网格模型数据能不能出内网三个问题都想清楚了再决定上不上text-to-CAD、上哪一条路线。7. 我的一些个人体会和AI配合的设计节奏最后说点个人的体会也是我踩过这么多坑之后觉得最有价值的部分。现在text-to-CAD在我这儿已经不是一个偶尔尝鲜的玩具而是融入了日常节奏。早上收到需求我会先花五分钟想清楚这个零件的功能边界和制造约束把它们写成结构化提示词让AI先出一版。AI出的这一版我一般不会直接用但它帮我完成了大约七八成的体力劳动——草图、拉伸、阵列这些重复动作。省下来的时间花在真正的设计判断上倒角该不该留、孔位和相邻特征的间距是否合理、壁厚注塑时能不能填满、零件怎么定位到装配体里。这些判断AI做不了但正因为AI把杂活干掉了我才有更多时间去做这些本来就该做的判断。还有一个我越来越认同的体会提示词即设计文档。我现在要求团队里每个人都把提示词维护成一个共享文件——精确到尺寸、标准、材料、制造方式。这样不仅保证AI每次生成的质量稳定更重要的是它形成了一份比图纸更容易阅读、更容易修改的设计意图记录。尺寸要改把提示词里那个数字改掉重新生成一版比打开三维软件改十几个参数快得多。如果你也想把text-to-CAD真正用起来我最后的建议是从你手头最标准化、最无聊的那个零件开始试。不要一上来就让它生成复杂的装配体或曲面外壳。从简单支架开始跑通生成—检查—转换—加工的完整链路之后再逐步扩大使用范围。等这条链路在你手里稳定了你对这个工具的信任感就会有一个质的提升到那时候再回头看前面那些翻车案例你也会有自己的应对办法。