最近这个text-to-cad的动静是真不小先是Zoo那边放出了KittyCAD的文本生成CAD模型工具接着Autodesk也甩出了Project Bernini的预览圈子里讨论热度一下就上来了。作为一个天天跟三维模型打交道的人我第一时间就把能试的版本都试了一遍。说实话用过之后的感受挺复杂的——有惊喜也有不少需要冷静看待的地方。今天这篇就以我的实际体验为主把text-to-cad从技术原理、工具选型到实战操作和踩坑经验一次性讲透。这个方向解决的是一个特别实在的痛点CAD建模本身有很高的操作门槛但很多时候设计师脑子里的想法其实是清晰的卡就卡在把想法变成参数化特征树这一步。text-to-cad要做的就是把这最后一步也自动化掉。如果你是做机械设计、工业设计、3D打印模型准备或者单纯想快速出个结构概念验证这玩意儿值得你花时间了解一下。不夸张地说它可能比很多人想象的更接近能用同时也比宣传的更要调教。1. 先搞清楚text-to-cad解决的是建模流程中的哪个痛点1.1 传统建模的思维模式与效率瓶颈传统的CAD建模流程本质上是一个翻译过程。你脑子里先有一个零件的空间想象——比如一个带四个安装孔的底板孔距80mm孔径6.5mm底部有两道加强筋——然后你必须把这个想象翻译成软件能理解的操作序列先画草图、标注尺寸、拉伸、再选面打孔、阵列、加圆角。这个翻译过程有几个明显的效率瓶颈。第一个瓶颈是工具熟练度你软件用得越熟翻译速度越快但无论如何快都绕不开一步步点选操作这个物理过程。第二个瓶颈是修改成本设计必然要反复改每次改动都要重新调整特征树里的父子关系一个特征挂了后面全红这种体验做过设计的都懂。第三个瓶颈是沟通损耗当设计和制造分离时设计意图要变成图纸、注释、技术规范中间任何一步信息都会打折。text-to-cad瞄准的就是这第一个瓶颈——工具熟练度那部分。它的核心思路是如果你能清晰描述这个零件长什么样、有什么功能要求那么传统上需要半小时甚至更久的建模操作能不能压缩成1分钟内的文本生成这在设计早期的概念探索阶段价值极大。你会发现当你有了这样一个工具你可以像跟一个很懂建模的实习生对话一样快速生成十几个候选结构而不是在软件里手动搭十几个版本。1.2 文本驱动建模的交互方式变革文本驱动建模带来的交互方式变革我觉得最核心的不是省去了鼠标点击而是把设计意图直接变成可编辑的建模指令。这一点跟直接用AI生成一张图片有本质区别——图片生成出来是像素不能用参数去驱动修改而text-to-cad生成的是CAD实体模型你可以在后续步骤里继续编辑特征、修改尺寸、重新约束。我用一个具体场景说明。之前我要设计一个电机安装支架传统流程是测量电机端面尺寸、画四孔法兰草图、拉伸底座、增加安装立柱、开中心孔、添加加强筋整个流程大概40分钟。用text-to-cad测试时我的输入是一个L型电机安装支架垂直面有4个间距60mm的M5通孔水平底座上开4个间距80mm的M6腰型安装槽材料建议铝合金壁厚8mm。大约30秒后它给了我一个可以继续编辑的实体模型虽然细节跟我最终想要的还有差距但作为初版方案节省的时间是肉眼可见的。当然光这样还不足以说明问题。真正的变革在于当这个工具足够成熟后CAD软件的使用门槛会大幅下降。一个不熟悉CAD软件的操作工只要能准确描述零件需求也能生成可用模型。这其实是在重新定义设计师这个角色的技能边界——从精通软件操作转向精确定义需求。2. 核心技术拆解从自然语言到实体的关键环节2.1 语言的几何化命名实体识别与空间语义解析要让计算机根据文本生成CAD模型第一个绕不开的问题就是怎么让机器理解直径20mm间距45mmM8螺纹孔这些词背后的几何含义这一步在技术上通常分为几个层次。首先是几何实体的识别。模型需要从一句自然语言中提取出有哪些具体的几何特征——法兰、肋板、孔、槽、圆角、倒角这些都是CAD语境下的特征类型。其次是尺寸信息的绑定比如长60宽40高30这类数字必须正确分配到对应的特征维度上。再次是空间关系的理解比如在板子中央、与左边缘对齐、距离底面15mm这类方位描述需要被解析成坐标系下的具体位置。空间语义解析是整个流程里最容易出问题的一环。语言天然存在歧义在板子上开孔里的上到底是顶面还是内部靠近边缘到底靠多近这些模糊表述在人和人的沟通中可以通过上下文理解但在机器解析时就成了难题。目前主流做法是结合大语言模型的上下文理解能力加上几何约束求解器来兜底语言模型负责猜测合理意图求解器负责验证几何可行性不满足时就自动调整或向用户追问。从我用过的几个工具来看当前对标准件简单特征类的描述解析准确率已经不错但一旦涉及复杂的曲面、过渡面、放样特征生成结果就开始失控。说到底自然语言适合描述规则、参数化、可量化的几何信息而对于有机形态、美学曲面这类感性描述文本通道的信息量是远远不够的。2.2 参数化建模与约束求解text-to-cad生成的模型跟传统CAD模型最大的区别在于它必须保持参数化的性质。如果你对AI生成一个CAD模型结果得到的是一坨无法编辑的mesh网格那这个工具在生产流程里几乎没有价值——因为真实设计一定有改动需求不能用参数驱动调整的模型无法进入后续的设计变更流程。这背后依赖的技术栈就是参数化建模与约束求解。当模型生成了草图轮廓它内部建立的是带约束关系的几何图两条线是平行的、一个圆与一条边是相切的、一个矩形中心与原点是重合的等等。然后约束求解器会基于这些约束来推算几何的最终位置和形状。我测试过一个很有意思的案例让模型生成一个带六角法兰的圆形连接件中心有直径12mm的轴孔周围均布6个直径5mm的安装孔法兰厚度4mm。生成结果的几何形态基本正确但我尝试把轴孔改成15mm时周围的安装孔位置和法兰外径并没有联动更新——这说明它生成的约束关系还是偏松散的没有建立起完整的尺寸驱动逻辑。这一点在多数当前工具里都还存在属于从能看到能用之间的一道坎。2.3 三种主流实现路径生成式、检索式、程序化目前text-to-cad的实现路径大致可以分为三类各有优劣。了解它们的区别很重要因为这直接决定了你在实际使用中拿到的是什么质量的模型。第一种是检索式方案。系统在后台维护一个大规模的3D模型数据库接到文本指令后通过语义匹配找到最相近的模型然后做参数调整。这类方案的优点是输出模型质量稳定、可直接制造缺点是只能覆盖库中已有的结构类型遇到新颖设计就抓瞎。第二种是生成式方案典型代表是我前面提到的Zoo和Autodesk在做的方向。系统利用深度学习模型直接生成CAD的建模指令序列——换句话说AI学习的是怎么一步步建模的思维链输出的是特征树和参数值。这类方案的泛化能力更强能处理没有见过的结构描述但输出的质量波动比较大有时会生成壁厚为零的破面有时布尔运算会出现拓扑错误。第三种是程序化方案是介于两者之间的路线。系统将常见的建模模式预定义为程序化模板比如法兰、齿轮、轴承座这类都有标准范式然后从文本中提取参数来实例化这些模板。我的体验是在标准件和行业通用件领域这种方案最靠谱生成的模型几乎可以直接进入图纸阶段但它的天花板也最低——所有不在模板库里的结构都无法生成。很多实际产品会把这三种路径混合使用先检索匹配匹配不上再尝试生成式建模。了解这一点会帮你判断工具生成的模型到底可不可靠如果描述的结构很常规那大概率走的是模板或检索路线可靠性高如果描述很抽象、很新异那生成式的概率就大模型质量就更需要人工检查。3. 环境准备与工具选型这些text-to-cad工具到底怎么选3.1 当前可用的主流工具横向对比从2024年到2025年text-to-cad工具的数量增长很快但能真正上手试用的还比较有限。我把实际接触过的几款按适用场景做了个对比方便你根据需求选型。工具/项目所属团队模型输出格式编辑友好度适合场景备注Zoo Text-to-CADKittyCADSTEP、STL、IGES可导入专业CAD二次编辑快速概念建模、机械零件浏览器在线试玩反馈速度不错有公开API方向Autodesk Project BerniniAutodesk未完全公开可与Fusion等生态结合跨类型生成偏向生成式探索目前公开的是预览效果完整版未开放CADmium开源社区STEP、B-rep浏览器内编辑学习、二次开发、研究开源可自部署性能有优化空间Text2CAD学术学术研究团队部分开源有限研究、实验出自论文更多用于验证算法选型时的核心参考维度我建议按这个优先级来输出格式的通用性、是否保留参数化特征、生成速度和可控性、社区的活跃度与更新频率。这里要特别提醒一下输出格式的问题。很多AI建模工具默认给你的是STL网格文件这种格式在3D打印预览时够用但如果你要导入SolidWorks、Fusion 360、FreeCAD这些软件做进一步编辑网格文件要重新逆向成实体这个过程极其痛苦。所以不管用哪个工具优先选能导出STEP格式的这是一个能不能进入正式设计流程的分水岭。3.2 搭建本地测试环境的几个方案如果你只想体验一下text-to-cad在浏览器里试玩就可以不需要搭本地环境。但如果你想认真评估它在实际项目中的适用性建议搭建一套能反复测试的本地环境。我自己的测试环境是这样搭的供你参考。硬件方面其实门槛不高生成过程主要在云端完成本地只跑客户端和模型预览。我的测试机是i5-12400、16G内存、无独立显卡运行预览和轻量编辑完全没有压力。如果你要本地跑开源模型做推理那就需要独立显卡了显存建议16GB起步这主要是针对Text2CAD这类学术项目而言。软件环境建议装一个FreeCAD作为模型检查工具原因无他——免费、跨平台、支持STEP导入。另外强烈建议装一个GOM Inspect或者Blender的测量插件用来检查生成模型的壁厚、孔径和装配干涉。很多AI生成的模型外观没问题一测壁厚发现只有0.3mm这种数据你要是直接拿去加工做出来就是一块废铁。3.3 选型时最容易踩的两个认知误区第一个误区是觉得越贵的越专业。恰恰相反目前text-to-cad领域的头部工具基本都还在早期阶段收费与否跟质量并没有直接关系。很多收费工具用的底层模型跟免费工具是同源的只是封装了一层更友好的界面。我的建议是前期尽量多试免费的等真的确定了哪个工具能解决你的核心场景再考虑付费订阅。第二个误区是忽略后处理工作量。AI生成CAD模型只是起点后续的模型修复、特征精简、工程图标注才是大头。有些工具生成的模型初看惊艳但导入专业软件后需要手动重建大量特征有些甚至不如从头建模省时间。评估工具时不能只看生成效果有多好更要看生成结果进入工作流之后要擦多少屁股。我实际测试过一个看着很完美的AI生成支架导入Fusion 360后特征树是乱的修剪和圆角全成了无法编辑的死特征最后只能删了重画总耗时比手动建模还长。4. 实战演示用text-to-cad从零生成一个可用的零件模型4.1 完整案例一个电机安装底座的生成全流程我选一个典型的机械设计任务来走一遍完整流程设计一个NEMA17步进电机的安装底座要求能用螺栓固定在铝型材支架上同时给电机轴留出过孔空间。第一步是写清楚提示词。我的第一版提示词是这样写的Generate a NEMA17 stepper motor mounting bracket. The front plate should have a 22mm diameter center hole for the motor shaft, with 4 mounting holes in a 31mm square pattern, hole diameter 3.5mm. The bracket should have a base plate that extends backward, with 4 mounting slots for 2020 aluminum extrusion, spaced 30mm apart. Wall thickness 5mm.这里有几个关键词必须写清楚标准规格NEMA17、中心孔径22mm、安装孔阵列间距和孔径31mm方形阵列、3.5mm孔、底座形式和孔位要求2020铝型材安装槽、壁厚5mm。缺任何一个生成结果都可能走样。第二步是生成并预览。大约40秒后工具返回了一个STEP模型。我直接在预览器里旋转检查第一眼感觉整体轮廓是对的前面板、中心孔、四个安装孔都有底座也确实延伸了出去。但仔细看发现四个安装孔没有完全呈31mm方形阵列其中两个孔位置偏差了大约0.8mm。这个精度对于3D打印完全够用FDM打印的精度也就±0.2mm但对于CNC加工来说已经超差需要修正。第三步是导入专业CAD做检查和修正。我把STEP文件导入FreeCAD用测量工具重新标注了关键尺寸确认了偏差位置然后手动删掉那两个位置不对的孔重新以中心点为基准做了对称约束阵列。整个过程大约花了10分钟。如果不修正直接用前期的快速出模型优势就被后处理的时间抵消了大半。4.2 提示词工程把话说清楚的两大策略text-to-cad跟text-to-image一样都存在提示词敏感的问题——措辞稍微变一下结果可能完全不同。但文本建模的提示词规律比图像更清晰核心就两条先结构后细节、用数字代替形容词。先结构后细节的意思是在提示词里先说明这个零件由几块板组成、彼此是什么空间关系再说明每块板上的具体特征。比如前面的案例我是先定义了前面板底座这两个主体结构然后才分别描述它们上面的孔和槽。如果顺序反过来模型经常会把孔位特征附着到错误的面上。用数字代替形容词这个更好理解。不要写中等大小的中心孔均匀分布的安装孔这些模糊词汇在图像生成里可能只是影响美观在CAD生成里直接导致尺寸错误。正确的做法是像写工程图一样把能标注的尺寸全部标注出来孔径多少、间距多少、阵列几个、壁厚多少精确到小数。我做过对比实验将均匀分布的四个孔改成四个孔呈直径50mm的圆周均布生成结果的正确率提升了不止一个档次。还有一个小技巧是给材料和应用场景加注释比如material: aluminum 6061for CNC machining。虽然当前多数工具对材料的响应还比较弱但这类上下文信息会帮助模型在壁厚、圆角大小等隐性参数上做出更合理的默认选择。4.3 生成模型的后处理与参数调整AI生成的模型很少能直接使用后处理是必经环节。我总结了一套比较顺手的后处理流程按顺序做效率最高。首先是拓扑检查。用FreeCAD的Part模块或者Blender的3D打印工具箱检查模型是否有非流形边、坏面、反转法线。这一步必须最先做因为后续所有操作都建立在干净的拓扑上。其次是特征修正。删除不可编辑的死特征重新加约束。例如前面案例里位置偏差的孔就需要删除后用草图约束阵列重新生成。这里建议优先用草图驱动阵列而不是直接放置特征因为草图驱动可以后续用参数批量修改这在AI生成的模型里尤其重要——你的靠山不是AI而是自己重建的约束体系。最后是工程化处理。加拔模角、加圆角、标注公差和表面粗糙度。这些工作AI暂时做不了它们依赖的规则往往不在文本描述里而在工厂的实际加工能力和装配关系里。一个零件是否适合用3mm内圆角还是1mm取决于你用的是什么刀具、什么材料、什么后处理工艺这些隐性知识目前还得靠人来判断。5. 真实项目中的应用边界与我的冷静观察5.1 它适合做什么不适合做什么经过一段时间的密集测试我对text-to-cad的能力边界有了一个相对清晰的认识。适合做的事情我总结为四类标准件和类标准件的变体设计传力板、支架、法兰、壳体、概念验证阶段的快速几何表达、参数化家族零件的变型设计修改几个尺寸生成一系列型号、逆向工程中的快速重建辅助。在这些场景里text-to-cad能实打实地节省30%到60%的时间。不适合做的事情也同样清晰复杂的曲面造型例如汽车外饰件、消费电子外壳、需要严格遵循行业设计规范的结构例如压力容器、航空件、装配体级别的设计与干涉检查、以及任何需要与传统BOM、PDM系统深度集成的严肃设计流程。在这些场景里AI生成的模型更像是一个设计参考而不能直接充当交付物。5.2 精度与可信度之外还有一个隐性成本很多人在评估AI建模工具时会忽略一个隐性成本验证成本。AI生成一个模型用了40秒但你验证它正确无误可能需要20分钟甚至更久——检查每个孔的位置、确认壁厚足够、模拟装配关系是否干涉、确认材料去除率是否合理。验证成本如果大于手动建模的时间那么这个工具的价值就要打个问号了。我在测试中遇到最典型的情况是生成一个带4个台阶孔的安装板提示词里明确写了通孔直径6.5mm沉头直径11mm沉头深度6mm结果生成的模型里沉头深度是8mm。这类错误用肉眼在预览器里很难发现必须逐项用测量工具核对。换句话说你省的是建模时间贴进去的是审图时间。只有当你能形成一套高效的AI输出审查流程时text-to-cad才真正划算。5.3 一个更稳妥的落地姿势AI先出方案人做关键决策我个人目前比较推荐的落地方式是AI先出方案人做关键决策。具体来说就是在接到设计任务后先用text-to-cad生成2到3个不同思路的初版模型快速评估哪种结构形式更合理、用料更省、装配更顺然后选定一个方向在专业CAD里完全重新建模。这个姿势的好处是用AI完成发散环节用人完成收敛环节。发散需要的是数量和速度AI正好擅长收敛需要的是判断和经验这还得靠人。等未来text-to-cad生成的模型能保留更干净的参数化特征、约束关系更完备之后我们才可能真正走到AI建模人审核的端到端流程里。我自己测试过的最好的一个工作流是这样用text-to-cad生成初版模型导入FreeCAD做拓扑清理然后在FreeCAD里重建关键特征并添加参数约束最后输出STEP给到加工端。整个流程下来比传统手动建模省掉了大量重复的点选操作同时最终交付的模型质量是有保证的因为它经过了人的重新确认。5.4 关于设计自动化的一点个人体会跟text-to-cad打交道这段时间我越来越觉得它代表的不是某个具体软件的能力而是一种设计自动化范式的萌芽。当我们可以用自然语言直接驱动建模工具生成可制造的结构时设计这件事的性质正在发生变化——它不再只是制造前的准备工作而更像一个需要快速迭代、持续优化的实时决策过程。这种变化对于个人设计师来说意味着你的核心竞争优势不再是会操作某个软件而是能准确判断什么结构是合理的、什么加工方式是可行的。软件操作可以被自动化但基于经验的工程判断很难被替代。所以我给准备入坑text-to-cad的朋友的建议是把它当成一个帮你提速的助手但永远不要放弃自己对模型最终质量的把控权。AI生成模型是起点不是你交付的终点。最后再分享一个我踩过的坑作为收尾吧。有一次我偷懒直接把AI生成的模型发给了3D打印服务商结果打印出来的零件安装孔偏了0.5mm整个底座装不上白白浪费了打印费用和时间。从那以后我给自己定了一条规矩任何AI生成的模型到我这里第一件事就是完整测量关键尺寸后再往下走流程一步都不省。做设计这行可靠永远比速度重要。 
长河君 · 2026/9/12 7:04:42 · 阅读 1.2k Text-to-CAD实战全解析：AI生成CAD模型的原理、工具选型与避坑指南
最近这个text-to-cad的动静是真不小先是Zoo那边放出了KittyCAD的文本生成CAD模型工具接着Autodesk也甩出了Project Bernini的预览圈子里讨论热度一下就上来了。作为一个天天跟三维模型打交道的人我第一时间就把能试的版本都试了一遍。说实话用过之后的感受挺复杂的——有惊喜也有不少需要冷静看待的地方。今天这篇就以我的实际体验为主把text-to-cad从技术原理、工具选型到实战操作和踩坑经验一次性讲透。这个方向解决的是一个特别实在的痛点CAD建模本身有很高的操作门槛但很多时候设计师脑子里的想法其实是清晰的卡就卡在把想法变成参数化特征树这一步。text-to-cad要做的就是把这最后一步也自动化掉。如果你是做机械设计、工业设计、3D打印模型准备或者单纯想快速出个结构概念验证这玩意儿值得你花时间了解一下。不夸张地说它可能比很多人想象的更接近能用同时也比宣传的更要调教。1. 先搞清楚text-to-cad解决的是建模流程中的哪个痛点1.1 传统建模的思维模式与效率瓶颈传统的CAD建模流程本质上是一个翻译过程。你脑子里先有一个零件的空间想象——比如一个带四个安装孔的底板孔距80mm孔径6.5mm底部有两道加强筋——然后你必须把这个想象翻译成软件能理解的操作序列先画草图、标注尺寸、拉伸、再选面打孔、阵列、加圆角。这个翻译过程有几个明显的效率瓶颈。第一个瓶颈是工具熟练度你软件用得越熟翻译速度越快但无论如何快都绕不开一步步点选操作这个物理过程。第二个瓶颈是修改成本设计必然要反复改每次改动都要重新调整特征树里的父子关系一个特征挂了后面全红这种体验做过设计的都懂。第三个瓶颈是沟通损耗当设计和制造分离时设计意图要变成图纸、注释、技术规范中间任何一步信息都会打折。text-to-cad瞄准的就是这第一个瓶颈——工具熟练度那部分。它的核心思路是如果你能清晰描述这个零件长什么样、有什么功能要求那么传统上需要半小时甚至更久的建模操作能不能压缩成1分钟内的文本生成这在设计早期的概念探索阶段价值极大。你会发现当你有了这样一个工具你可以像跟一个很懂建模的实习生对话一样快速生成十几个候选结构而不是在软件里手动搭十几个版本。1.2 文本驱动建模的交互方式变革文本驱动建模带来的交互方式变革我觉得最核心的不是省去了鼠标点击而是把设计意图直接变成可编辑的建模指令。这一点跟直接用AI生成一张图片有本质区别——图片生成出来是像素不能用参数去驱动修改而text-to-cad生成的是CAD实体模型你可以在后续步骤里继续编辑特征、修改尺寸、重新约束。我用一个具体场景说明。之前我要设计一个电机安装支架传统流程是测量电机端面尺寸、画四孔法兰草图、拉伸底座、增加安装立柱、开中心孔、添加加强筋整个流程大概40分钟。用text-to-cad测试时我的输入是一个L型电机安装支架垂直面有4个间距60mm的M5通孔水平底座上开4个间距80mm的M6腰型安装槽材料建议铝合金壁厚8mm。大约30秒后它给了我一个可以继续编辑的实体模型虽然细节跟我最终想要的还有差距但作为初版方案节省的时间是肉眼可见的。当然光这样还不足以说明问题。真正的变革在于当这个工具足够成熟后CAD软件的使用门槛会大幅下降。一个不熟悉CAD软件的操作工只要能准确描述零件需求也能生成可用模型。这其实是在重新定义设计师这个角色的技能边界——从精通软件操作转向精确定义需求。2. 核心技术拆解从自然语言到实体的关键环节2.1 语言的几何化命名实体识别与空间语义解析要让计算机根据文本生成CAD模型第一个绕不开的问题就是怎么让机器理解直径20mm间距45mmM8螺纹孔这些词背后的几何含义这一步在技术上通常分为几个层次。首先是几何实体的识别。模型需要从一句自然语言中提取出有哪些具体的几何特征——法兰、肋板、孔、槽、圆角、倒角这些都是CAD语境下的特征类型。其次是尺寸信息的绑定比如长60宽40高30这类数字必须正确分配到对应的特征维度上。再次是空间关系的理解比如在板子中央、与左边缘对齐、距离底面15mm这类方位描述需要被解析成坐标系下的具体位置。空间语义解析是整个流程里最容易出问题的一环。语言天然存在歧义在板子上开孔里的上到底是顶面还是内部靠近边缘到底靠多近这些模糊表述在人和人的沟通中可以通过上下文理解但在机器解析时就成了难题。目前主流做法是结合大语言模型的上下文理解能力加上几何约束求解器来兜底语言模型负责猜测合理意图求解器负责验证几何可行性不满足时就自动调整或向用户追问。从我用过的几个工具来看当前对标准件简单特征类的描述解析准确率已经不错但一旦涉及复杂的曲面、过渡面、放样特征生成结果就开始失控。说到底自然语言适合描述规则、参数化、可量化的几何信息而对于有机形态、美学曲面这类感性描述文本通道的信息量是远远不够的。2.2 参数化建模与约束求解text-to-cad生成的模型跟传统CAD模型最大的区别在于它必须保持参数化的性质。如果你对AI生成一个CAD模型结果得到的是一坨无法编辑的mesh网格那这个工具在生产流程里几乎没有价值——因为真实设计一定有改动需求不能用参数驱动调整的模型无法进入后续的设计变更流程。这背后依赖的技术栈就是参数化建模与约束求解。当模型生成了草图轮廓它内部建立的是带约束关系的几何图两条线是平行的、一个圆与一条边是相切的、一个矩形中心与原点是重合的等等。然后约束求解器会基于这些约束来推算几何的最终位置和形状。我测试过一个很有意思的案例让模型生成一个带六角法兰的圆形连接件中心有直径12mm的轴孔周围均布6个直径5mm的安装孔法兰厚度4mm。生成结果的几何形态基本正确但我尝试把轴孔改成15mm时周围的安装孔位置和法兰外径并没有联动更新——这说明它生成的约束关系还是偏松散的没有建立起完整的尺寸驱动逻辑。这一点在多数当前工具里都还存在属于从能看到能用之间的一道坎。2.3 三种主流实现路径生成式、检索式、程序化目前text-to-cad的实现路径大致可以分为三类各有优劣。了解它们的区别很重要因为这直接决定了你在实际使用中拿到的是什么质量的模型。第一种是检索式方案。系统在后台维护一个大规模的3D模型数据库接到文本指令后通过语义匹配找到最相近的模型然后做参数调整。这类方案的优点是输出模型质量稳定、可直接制造缺点是只能覆盖库中已有的结构类型遇到新颖设计就抓瞎。第二种是生成式方案典型代表是我前面提到的Zoo和Autodesk在做的方向。系统利用深度学习模型直接生成CAD的建模指令序列——换句话说AI学习的是怎么一步步建模的思维链输出的是特征树和参数值。这类方案的泛化能力更强能处理没有见过的结构描述但输出的质量波动比较大有时会生成壁厚为零的破面有时布尔运算会出现拓扑错误。第三种是程序化方案是介于两者之间的路线。系统将常见的建模模式预定义为程序化模板比如法兰、齿轮、轴承座这类都有标准范式然后从文本中提取参数来实例化这些模板。我的体验是在标准件和行业通用件领域这种方案最靠谱生成的模型几乎可以直接进入图纸阶段但它的天花板也最低——所有不在模板库里的结构都无法生成。很多实际产品会把这三种路径混合使用先检索匹配匹配不上再尝试生成式建模。了解这一点会帮你判断工具生成的模型到底可不可靠如果描述的结构很常规那大概率走的是模板或检索路线可靠性高如果描述很抽象、很新异那生成式的概率就大模型质量就更需要人工检查。3. 环境准备与工具选型这些text-to-cad工具到底怎么选3.1 当前可用的主流工具横向对比从2024年到2025年text-to-cad工具的数量增长很快但能真正上手试用的还比较有限。我把实际接触过的几款按适用场景做了个对比方便你根据需求选型。工具/项目所属团队模型输出格式编辑友好度适合场景备注Zoo Text-to-CADKittyCADSTEP、STL、IGES可导入专业CAD二次编辑快速概念建模、机械零件浏览器在线试玩反馈速度不错有公开API方向Autodesk Project BerniniAutodesk未完全公开可与Fusion等生态结合跨类型生成偏向生成式探索目前公开的是预览效果完整版未开放CADmium开源社区STEP、B-rep浏览器内编辑学习、二次开发、研究开源可自部署性能有优化空间Text2CAD学术学术研究团队部分开源有限研究、实验出自论文更多用于验证算法选型时的核心参考维度我建议按这个优先级来输出格式的通用性、是否保留参数化特征、生成速度和可控性、社区的活跃度与更新频率。这里要特别提醒一下输出格式的问题。很多AI建模工具默认给你的是STL网格文件这种格式在3D打印预览时够用但如果你要导入SolidWorks、Fusion 360、FreeCAD这些软件做进一步编辑网格文件要重新逆向成实体这个过程极其痛苦。所以不管用哪个工具优先选能导出STEP格式的这是一个能不能进入正式设计流程的分水岭。3.2 搭建本地测试环境的几个方案如果你只想体验一下text-to-cad在浏览器里试玩就可以不需要搭本地环境。但如果你想认真评估它在实际项目中的适用性建议搭建一套能反复测试的本地环境。我自己的测试环境是这样搭的供你参考。硬件方面其实门槛不高生成过程主要在云端完成本地只跑客户端和模型预览。我的测试机是i5-12400、16G内存、无独立显卡运行预览和轻量编辑完全没有压力。如果你要本地跑开源模型做推理那就需要独立显卡了显存建议16GB起步这主要是针对Text2CAD这类学术项目而言。软件环境建议装一个FreeCAD作为模型检查工具原因无他——免费、跨平台、支持STEP导入。另外强烈建议装一个GOM Inspect或者Blender的测量插件用来检查生成模型的壁厚、孔径和装配干涉。很多AI生成的模型外观没问题一测壁厚发现只有0.3mm这种数据你要是直接拿去加工做出来就是一块废铁。3.3 选型时最容易踩的两个认知误区第一个误区是觉得越贵的越专业。恰恰相反目前text-to-cad领域的头部工具基本都还在早期阶段收费与否跟质量并没有直接关系。很多收费工具用的底层模型跟免费工具是同源的只是封装了一层更友好的界面。我的建议是前期尽量多试免费的等真的确定了哪个工具能解决你的核心场景再考虑付费订阅。第二个误区是忽略后处理工作量。AI生成CAD模型只是起点后续的模型修复、特征精简、工程图标注才是大头。有些工具生成的模型初看惊艳但导入专业软件后需要手动重建大量特征有些甚至不如从头建模省时间。评估工具时不能只看生成效果有多好更要看生成结果进入工作流之后要擦多少屁股。我实际测试过一个看着很完美的AI生成支架导入Fusion 360后特征树是乱的修剪和圆角全成了无法编辑的死特征最后只能删了重画总耗时比手动建模还长。4. 实战演示用text-to-cad从零生成一个可用的零件模型4.1 完整案例一个电机安装底座的生成全流程我选一个典型的机械设计任务来走一遍完整流程设计一个NEMA17步进电机的安装底座要求能用螺栓固定在铝型材支架上同时给电机轴留出过孔空间。第一步是写清楚提示词。我的第一版提示词是这样写的Generate a NEMA17 stepper motor mounting bracket. The front plate should have a 22mm diameter center hole for the motor shaft, with 4 mounting holes in a 31mm square pattern, hole diameter 3.5mm. The bracket should have a base plate that extends backward, with 4 mounting slots for 2020 aluminum extrusion, spaced 30mm apart. Wall thickness 5mm.这里有几个关键词必须写清楚标准规格NEMA17、中心孔径22mm、安装孔阵列间距和孔径31mm方形阵列、3.5mm孔、底座形式和孔位要求2020铝型材安装槽、壁厚5mm。缺任何一个生成结果都可能走样。第二步是生成并预览。大约40秒后工具返回了一个STEP模型。我直接在预览器里旋转检查第一眼感觉整体轮廓是对的前面板、中心孔、四个安装孔都有底座也确实延伸了出去。但仔细看发现四个安装孔没有完全呈31mm方形阵列其中两个孔位置偏差了大约0.8mm。这个精度对于3D打印完全够用FDM打印的精度也就±0.2mm但对于CNC加工来说已经超差需要修正。第三步是导入专业CAD做检查和修正。我把STEP文件导入FreeCAD用测量工具重新标注了关键尺寸确认了偏差位置然后手动删掉那两个位置不对的孔重新以中心点为基准做了对称约束阵列。整个过程大约花了10分钟。如果不修正直接用前期的快速出模型优势就被后处理的时间抵消了大半。4.2 提示词工程把话说清楚的两大策略text-to-cad跟text-to-image一样都存在提示词敏感的问题——措辞稍微变一下结果可能完全不同。但文本建模的提示词规律比图像更清晰核心就两条先结构后细节、用数字代替形容词。先结构后细节的意思是在提示词里先说明这个零件由几块板组成、彼此是什么空间关系再说明每块板上的具体特征。比如前面的案例我是先定义了前面板底座这两个主体结构然后才分别描述它们上面的孔和槽。如果顺序反过来模型经常会把孔位特征附着到错误的面上。用数字代替形容词这个更好理解。不要写中等大小的中心孔均匀分布的安装孔这些模糊词汇在图像生成里可能只是影响美观在CAD生成里直接导致尺寸错误。正确的做法是像写工程图一样把能标注的尺寸全部标注出来孔径多少、间距多少、阵列几个、壁厚多少精确到小数。我做过对比实验将均匀分布的四个孔改成四个孔呈直径50mm的圆周均布生成结果的正确率提升了不止一个档次。还有一个小技巧是给材料和应用场景加注释比如material: aluminum 6061for CNC machining。虽然当前多数工具对材料的响应还比较弱但这类上下文信息会帮助模型在壁厚、圆角大小等隐性参数上做出更合理的默认选择。4.3 生成模型的后处理与参数调整AI生成的模型很少能直接使用后处理是必经环节。我总结了一套比较顺手的后处理流程按顺序做效率最高。首先是拓扑检查。用FreeCAD的Part模块或者Blender的3D打印工具箱检查模型是否有非流形边、坏面、反转法线。这一步必须最先做因为后续所有操作都建立在干净的拓扑上。其次是特征修正。删除不可编辑的死特征重新加约束。例如前面案例里位置偏差的孔就需要删除后用草图约束阵列重新生成。这里建议优先用草图驱动阵列而不是直接放置特征因为草图驱动可以后续用参数批量修改这在AI生成的模型里尤其重要——你的靠山不是AI而是自己重建的约束体系。最后是工程化处理。加拔模角、加圆角、标注公差和表面粗糙度。这些工作AI暂时做不了它们依赖的规则往往不在文本描述里而在工厂的实际加工能力和装配关系里。一个零件是否适合用3mm内圆角还是1mm取决于你用的是什么刀具、什么材料、什么后处理工艺这些隐性知识目前还得靠人来判断。5. 真实项目中的应用边界与我的冷静观察5.1 它适合做什么不适合做什么经过一段时间的密集测试我对text-to-cad的能力边界有了一个相对清晰的认识。适合做的事情我总结为四类标准件和类标准件的变体设计传力板、支架、法兰、壳体、概念验证阶段的快速几何表达、参数化家族零件的变型设计修改几个尺寸生成一系列型号、逆向工程中的快速重建辅助。在这些场景里text-to-cad能实打实地节省30%到60%的时间。不适合做的事情也同样清晰复杂的曲面造型例如汽车外饰件、消费电子外壳、需要严格遵循行业设计规范的结构例如压力容器、航空件、装配体级别的设计与干涉检查、以及任何需要与传统BOM、PDM系统深度集成的严肃设计流程。在这些场景里AI生成的模型更像是一个设计参考而不能直接充当交付物。5.2 精度与可信度之外还有一个隐性成本很多人在评估AI建模工具时会忽略一个隐性成本验证成本。AI生成一个模型用了40秒但你验证它正确无误可能需要20分钟甚至更久——检查每个孔的位置、确认壁厚足够、模拟装配关系是否干涉、确认材料去除率是否合理。验证成本如果大于手动建模的时间那么这个工具的价值就要打个问号了。我在测试中遇到最典型的情况是生成一个带4个台阶孔的安装板提示词里明确写了通孔直径6.5mm沉头直径11mm沉头深度6mm结果生成的模型里沉头深度是8mm。这类错误用肉眼在预览器里很难发现必须逐项用测量工具核对。换句话说你省的是建模时间贴进去的是审图时间。只有当你能形成一套高效的AI输出审查流程时text-to-cad才真正划算。5.3 一个更稳妥的落地姿势AI先出方案人做关键决策我个人目前比较推荐的落地方式是AI先出方案人做关键决策。具体来说就是在接到设计任务后先用text-to-cad生成2到3个不同思路的初版模型快速评估哪种结构形式更合理、用料更省、装配更顺然后选定一个方向在专业CAD里完全重新建模。这个姿势的好处是用AI完成发散环节用人完成收敛环节。发散需要的是数量和速度AI正好擅长收敛需要的是判断和经验这还得靠人。等未来text-to-cad生成的模型能保留更干净的参数化特征、约束关系更完备之后我们才可能真正走到AI建模人审核的端到端流程里。我自己测试过的最好的一个工作流是这样用text-to-cad生成初版模型导入FreeCAD做拓扑清理然后在FreeCAD里重建关键特征并添加参数约束最后输出STEP给到加工端。整个流程下来比传统手动建模省掉了大量重复的点选操作同时最终交付的模型质量是有保证的因为它经过了人的重新确认。5.4 关于设计自动化的一点个人体会跟text-to-cad打交道这段时间我越来越觉得它代表的不是某个具体软件的能力而是一种设计自动化范式的萌芽。当我们可以用自然语言直接驱动建模工具生成可制造的结构时设计这件事的性质正在发生变化——它不再只是制造前的准备工作而更像一个需要快速迭代、持续优化的实时决策过程。这种变化对于个人设计师来说意味着你的核心竞争优势不再是会操作某个软件而是能准确判断什么结构是合理的、什么加工方式是可行的。软件操作可以被自动化但基于经验的工程判断很难被替代。所以我给准备入坑text-to-cad的朋友的建议是把它当成一个帮你提速的助手但永远不要放弃自己对模型最终质量的把控权。AI生成模型是起点不是你交付的终点。最后再分享一个我踩过的坑作为收尾吧。有一次我偷懒直接把AI生成的模型发给了3D打印服务商结果打印出来的零件安装孔偏了0.5mm整个底座装不上白白浪费了打印费用和时间。从那以后我给自己定了一条规矩任何AI生成的模型到我这里第一件事就是完整测量关键尺寸后再往下走流程一步都不省。做设计这行可靠永远比速度重要。