1. 为什么偏偏是 text-to-cad 火了从“看图说话”到“听指令建模”生成一张 2D 图片这件事现在大家已经很熟了。你输入“一只穿宇航服的柴犬”Stable Diffusion 能给你吐出四张风格完全不同的图分辨率还很高。但如果你输入“一个带四个安装孔的法兰盘外径 100mm厚度 12mm”你想要的是一个可以直接拿去做数控加工、或者丢进装配体里和其他零件咬合的三维实体模型。这就是 text-to-cad 这个方向的核心价值它把自然语言描述直接变成可用于工程的三维模型而不是一张像素图。先说清楚 CAD 是什么。CADComputer-Aided Design是计算机辅助设计工程师用 SolidWorks、Fusion 360、FreeCAD、AutoCAD 这些软件做机械零件、外壳、模具、建筑构件。而 text-to-cad——字面意思就是文本到 CAD 模型——目标是把“我要一个什么样的零件”变成“一个实实在在的 CAD 文件”这个文件通常涉及 STEP、IGES、STL或者原生参数化模型文件。为什么这个事突然在 2023 年底到 2024 年成为热点三个原因叠加。第一2D 生成已经卷到头了学术界和工业界都需要新的增长点。图像生成模型的问题在于它生成的是“看起来像”的东西但三维模型要的是“几何上是”的东西。这完全是两回事。图像模型可以画出一个透视正确的椅子但把那张图交给工厂工人没法给你造出一把能坐的椅子因为那只是一堆像素。第二三维数据表示和神经网络架构在最近几年真的打通了。点云、体素、SDF有向距离场、网格、BREP边界表示这些不同的三维表示方式都有人尝试和深度学习结合。特别是神经辐射场和扩散模型在三维领域的迁移让从文本生成三维模型变得技术上可行。第三工业界的真实需求实在太大了。手板、非标零件、夹具、治具的建模高度重复工程师大量时间花在画那些结构大同小异的零件上。如果能让 AI 先出一个基础版本工程师只需要做参数修改这个效率提升是肉眼可见的。这个技术适合谁来碰如果你是做机械设计的想了解 AI 能不能帮你减轻重复劳动如果你是做三维视觉研究的想找一个有工程落地价值的方向如果你是个创客想快速把脑子里的想法变成一个能 3D 打印的模型——text-to-cad 都值得你投入时间研究。2. 被 CT 扫描“骗”了这么多年CAD 模型和网格模型的本质区别在深入技术路线之前必须先搞清楚一个基础问题我们说的 CAD 模型到底和日常见到的 3D 模型文件有什么区别这个问题不弄清楚后面对技术方案的理解会全是错的。最常见的三维模型文件是网格mesh就是那一堆三角形面片组成的表面。STL 文件就是这个格式3D 打印行业用它。网格模型的特点是它描述的是“形状”但不知道这个形状是怎么设计出来的。一个圆孔在网格模型里变成几十个三角形拼成的洞精度取决于细分的密度。但真正的 CAD 模型不是这样的。在 SolidWorks 里打开一个零件你看到的是特征树拉伸、旋转、倒角、圆孔、阵列。圆孔是一个参数化特征你知道它的圆心位置、直径、深度、是否有螺纹。修改直径只需要改一个数字整个模型自动更新哪怕这个孔和其他表面有布尔运算关系也不影响。这个差异是理解 text-to-cad 难度的一条关键分界线。网格模型本质上是在做“形状模仿”。所以深度学习可以比较容易地生成几何形状因为形状是连续的数值场神经网络擅长拟合连续函数。但 CAD 模型在工程软件里的本质是“操作序列和参数”是一棵树状结构先画草图然后拉伸再打孔再倒角。这更像一段程序而不是一张图片。用生活类比来说网格模型是你捏出来的泥巴雕塑的最终外形CAD 模型则是那份菜谱——先放多少面粉加多少水揉多久烤多少分钟。现在的 text-to-cad 领域实际上有两条完全不同的赛道生成网格/点云/SDF适合出概念设计、做视觉预览、生成 3D 打印模型的原始形状。学术上场景非常热闹因为可以用类似图像生成的扩散模型来处理。生成参数化 CAD 操作序列适合真正的工程制造场景生成的是带特征树的可编辑模型。这条赛道难度远超前者因为模型不再用张量表示而是需要神经网络去推理离散的程序化操作序列。很多初学者一上来就看各种 demo 展示“哇文字直接变模型”结果自己拿来一用发现下载下来是个 STL 网格模型放进 SolidWorks 里根本没法编辑——它不是 CAD只是一个长得像的雕塑。所以你在看任何 text-to-cad 项目的时候第一个要问的问题不是“效果好不好”而是“它输出的是什么格式”。输出 STL/OBJ 的那是“文本到网格”输出 STEP/Fusion 360 原生格式/CadQuery 脚本的那才是“文本到 CAD”。3. 技术路线的三条岔路检索式、生成式、程序合成式目前 text-to-cad 的所有主流方案可以归成三条技术路线。没有哪一条是完美的但各自适用的场景完全不同。3.1 检索式从模型库里“淘宝”检索式方案的逻辑很简单你输入一段文字系统从三百万个已经存在的三维模型里找到最匹配的一个直接给你。代表工作有基于 CLIP 特征的三维模型检索、Point-E 的那套编码检索逻辑以及各种跨模态检索系统。优点结果绝对可靠因为所有候选模型都是人工建模的几何质量没得说。速度快不需要实时生成只需要做一次向量相似度检索。工业上确实可用因为很多标准件、常用零件本来就是重复使用的。缺点你永远只能得到数据库里有的东西无法生成新设计。你输入“一个带六角凹槽的特殊法兰”如果数据库里没有系统只能在形状相近的模型里矮子里拔高个结果往往让人哭笑不得。这条路线适合标准化程度高的场景比如标准件库、五金件库的智能搜索。不适合做创新设计。3.2 生成式让扩散模型“捏”出几何体这是学术界最热闹的一条路线。思路是把三维几何也用扩散模型的框架来做只不过把 2D 像素换成三维表示。具体来说有几种做法体素扩散把三维空间划分成网格每个格子有占用值生成过程就是在体素网格上做扩散。代表工作有 3D Shape Generation 系列。缺点是分辨率做不高通常 64 到 128 的体素分辨率已经是极限再往上算力和内存都扛不住。SDF 扩散用神经网络隐式表示 SDF 场然后在这个场上做扩散。代表工作有 3D-LDM、SDF-StyleGAN 等。好处是可以得到连续光滑的表面缺点是提取网格的时候需要跑 marching cubes而且模型难以处理锐边和平面。三平面/多视图扩散用多个正交视角的 2D 图像来表示 3D 模型在 2D 图像上做扩散再重建到 3D。代表工作有 Zero-1-to-3、SyncDreamer 等。好处是能比较自然地利用 2D 预训练模型的先验知识缺点是重建出来的一般是带纹理网格精度有限丢失了工程几何精度。这条路线生成的产物基本都是网格模型适合做概念设计、游戏资产、3D 打印粗模。做不了工程精密件因为生成的面片数有限曲面的几何精度、平面度、垂直度都不能满足机械设计要求。3.3 程序合成式生成可编辑的“建模操作流水线”这是我最看好的一条路线也是真正意义上的 text-to-cad。思路是模型输出的不是网格而是一系列 CAD 操作指令和参数——比如“画一个草图矩形 100x80拉伸 20mm然后在中心打一个直径 10mm 的通孔四周导圆角 R5”。输出形式可能是 DSL领域特定语言比如 CadQuery 脚本、OpenSCAD 代码、或者直接输出 STEP 文件。代表工作包括 Text2CAD 系列、CAD-Coder、以及一些基于大语言模型的参数化建模方法。为什么说这条路最接近“真正的 CAD 生成”因为输出的模型自带特征树在任何主流 CAD 软件里打开都是可编辑的。你改一个拉伸高度倒角会自动跟着变。这在工程上是质的区别有了可编辑模型工程师就能在 AI 基础上做二次修改AI 生成的不是终点而是起点。难点也很实在。程序合成是离散的、结构化的需要模型理解一个操作的先后顺序你必须在拉伸之前先把草图画出来必须在布尔之前先有两个实体。序列一错整个模型就废了。目前的办法主要是用大语言模型做自回归生成把建模步骤当成 token 序列来预测和生成代码的方式类似。3.4 三条路线怎么选场景和产物的匹配关系我见过太多人在这上面踩坑。想搞工程零件设计结果用了一条生成网格的路线导出模型后发现尺寸不对、锐边变圆角、插进装配体完全不合牙。反过来只想快速出个概念模型做汇报却折腾一套参数化程序合成方案半天没调通。路线输出产物可编辑性几何精度适合场景检索式已有 CAD 文件高高标准件查找、复用生成式网格/SDF低需重建低到中概念设计、3D 打印粗模程序合成式参数化 CAD 脚本/STEP高高非标件、自动化建模流程4. 想亲手试一下一套完整的开箱实测流程与参数踩坑实录理论说完了讲讲我实际跑过的几个项目。重点说两个有代表性的一个是生成网格路线的代表拿来做快速概念验证一个是程序合成路线的开源项目拿来做真正的参数化建模。4.1 前置准备跑 text-to-cad 之前你最好先知道自己缺什么先说环境。这个领域的模型和纯 2D 的图像生成不同它涉及三维数据显存和内存是两大瓶颈。我实测下来推理单条文本描述8GB 显存勉强能跑12GB 比较舒服24GB 非常稳。微调/训练哪怕只是微调一个轻量模型也建议至少 24GB 显存。遇到过用 16GB 跑训练直接 OOM 的情况。内存处理点云采样、SDF 体素化、网格重建这些步骤32GB 内存是起步64GB 更从容。有几次卡在 16GB 内存上数据加载到一半就崩了。操作系统Linux 是主流Ubuntu 22.04 实测最省心。Windows 也能跑但编译一些 CUDA 扩展的麻烦程度会高不少。数据集方面如果想做微调常用的公开数据集有 ABC 数据集100 万个 CAD 模型的参数化表示、DeepCAD 数据集从 Fusion 360 里导出的真实建模操作序列、Fusion 360 Gallery 数据集。下载的时候注意ABC 数据集完整版非常大如果你只是想跑通流程先用 subset 后缀的版本不要一上来就全量下载。4.2 实操一用生成式路线跑通一个“文本到网格”流程我选择的开源项目是 3D-LDM 的简化版本这是一个基于潜在扩散模型的 3D 生成框架。流程不长但每步都有门槛。第一步搭建环境。用 conda 建虚拟环境Python 3.9torch 2.0.1CUDA 11.8。这一步问题不大照着 README 走就行。我遇到的坑是 torch 版本和项目要求的版本不一致导致后面加载预训练权重的时候 key 不匹配直接报错。老老实实按 README 指定的版本装一步都别自作聪明。第二步下载预训练权重。检查了一下模型权重大约 2GB下载速度看网络。下载完成后做一次 SHA 校验我当时跳过了这一步结果模型加载了一堆乱权重生成出来的模型全是噪声点云排查了整整一个晚上才意识到是下载损坏。第三步写一条推理命令。基本上是python inference.py --text a cylindrical container with a lid --output results/ --save_mesh跑了大概三分钟显存最高 11GB加载模型的那一下会冲到峰值后面生成过程反而平稳。输出是一个 PLY 网格文件加一个渲染预览图。我打开看了一眼说实话不算惊艳形状大致对但细节不行——圆柱体表面有起伏盖子边缘不整齐整体像是一个“有点感冒的圆柱杯子”。第四步做网格处理。生成出来的网格非常粗糙顶点数量庞大但拓扑结构有问题有洞、有非流形边、有自相交。直接拿去 3D 打印是万万不行的。通常得走一遍 MeshLab 或者 Blender 里的 remesh repair 流程。我试过用 pyvista 做 taubin smooth用 open3d 做 poisson 重建效果稍有改善但距离工程可用还很远。第五步导出第三方格式。这个项目支持导出 STL可以直接拖进 Cura 或 Bambu Studio 做 3D 打印切片。但如果你要把模型导入 Fusion 360 继续编辑STL 进去只能当 mesh 参考没法转成特征树——它会变成一个实体 mesh body但不可编辑参数。这是生成式路线的天然天花板不是模型调参能解决的。实测下来生成式路线解决“有没有”问题很快但要达到“能不能用”还差很远。当概念验证、当可视化展示用可以。当工程交付物不行。4.3 实操二用程序合成式路线跑通“文本到 CAD”流程这一步才是真正让我 impressed 的体验。我跑的是 Text2CAD 的一个开源实现核心逻辑是先把文本描述转成紧凑的 DSLCadQuery 脚本再用 CadQuery 在本地生成参数化实体模型。具体流程是这样第一步准备环境。CadQuery 2.xpythonocc-core这是两个大头。安装 pythonocc 的时候conda 直接安装最稳conda install -c conda-forge pythonocc-core pip install cadquery这里遇到的坑是 pythonocc 版本兼容性问题——某些版本和 cadquery 依赖的 OCC 版本不一致运行时会出现奇怪的段错误。实测 conda 一起装他们俩比分开装稳定得多。第二步用模型生成 CadQuery 脚本。项目提供了基于 LLaMA-2 微调的权重推理起来不算慢7B 模型在 24GB 显存上能跑量化版在 16GB 也没问题。运行命令大致长这样python generate.py --text bracket with 3 holes for mounting输出的结果是一段 CadQuery 风格的 Python 代码包含 Create Workplane、Rect、Hole、Extrude 调用和一个最终show_object命令。第三步执行脚本生成实体。将生成的代码存成generated.py直接运行python generated.pyCadQuery 会渲染出一个三维预览同时也导出了 STEP 文件。这一步体验特别好的地方在于整个模型不是三角面片拼成的而是真正的参数化实体。拿这个 STEP 文件丢进 SolidWorks 或者 Fusion 360打开之后能看到完整特征树每个拉伸、圆孔、倒角都能分别编辑。我实测的文本是“a rectangular base plate 100x50x10mm with four holes at the corners”。生成结果是对应 100x50x10 的底板主体正确四个角上的通孔位置正确但孔直径给了 5mm我预期 8mm倒角没有生成无所谓脚本运行一次通过没报错这说明系统能理解空间描述和常见机械零件结构但在尺寸参数上还没有做到精确对齐文本中的具体数值。生成的代码可以手动调整好在 CadQuery 脚本是纯 Python改两个数字重新运行模型立刻更新。这个过程对工程师来说非常舒服比起“AI 给你一个雕塑你再逆向成建模”这种“AI 给你草稿你再改参数”的模式要实用得多。第四步精度验证。把生成的模型导出成 STEP 后用 FreeCAD 打开测量了一下关键尺寸。底盘厚度方向 10mm 完全精确四个孔的孔距在 5 微米误差范围内。边缘的垂直度、面平面度都有保证——因为这不是多边形近似而是数学精确的实体模型。这个精度对绝大多数机械应用已经绰绰有余。整体评价程序合成式路线在做非标零件初稿方面已经达到了“工程师可以接手继续干活”的水平。它离“一键生成完美图纸”还很远但作为 a 协助起草的角色已经能省掉一多半从零画图的时间。5. 结果怎么评估别被“看着像”蒙蔽了双眼text-to-cad 领域有一个很常见但非常危险的评估误区人眼看渲染图觉得像就认为模型效果好。这个误区在 2D 图像生成那里问题不大——图片就是给人看的。但在 CAD 领域“看着像”和“能用”之间隔着一道巨大的鸿沟。5.1 学术指标和工程指标的脱节学术论文里常用的几个指标Chamfer Distance计算生成点云和标准点云之间的平均最近离差。越低越好但它衡量的是“形状相似度”完全不衡量功能可用性。两个形状肉眼看起来接近但一个有内部空腔、一个没有Chamfer 可能差不多实际工程意义完全不在一个档次。IoUIntersection over Union衡量生成和真实模型重叠体积的比例。对体素化数据比较常用但它的分辨率限制了精细几何的评价能力。FIDFréchet Inception Distance原本是评估图像生成质量用的把生成的渲染图拿去算特征分布距离。这个指标非常“图学”化它能反映“渲染出来看着真不真”但渲染得真不代表几何上能加工得出来。成功率程序合成路线常用指生成的 CAD 脚本能成功执行的比例。这个指标很有实际意义——脚本直接报错等于什么都没有。学术指标不是没用但你在看论文的时候要清楚每个指标到底在测什么。5.2 工程上真正要看的五个维度我自己在实际项目中评估 text-to-cad 的效果基本只看五个维度第一几何正确性。模型是否闭环有没有流失、非流形边、自相交在网格模型里这种问题很常见在参数化 CAD 模型里基本不会出现因为实体运算本身保证了必有体积和边界。第二尺寸准确性。生成的模型尺寸是否符合文本描述文本说“100mm 长”实际生成的是 102mm 还是 98mm针对程序合成路线一般要手动抽测 5-10 个关键尺寸。第三特征可编辑性。你能不能在 CAD 软件里修改这个模型如果生成的是 STL 网格这个维度直接不及格如果是 CadQuery 脚本修改参数极其方便分数就高。第四语义对齐。文本说“四个孔”生成的是不是四个孔“法兰盘”的要求生成了“圆盘”但没孔意味着语义理解失败。这个维度要看人工判定的准确率目前程序合成路线在这个维度已经做得不错生成网格的路线还经常翻车。第五制造可行性。模型能不能被实际加工出来有没有壁厚为零的薄片有没有超过最小刀具半径的内直角这需要下游 CAM 软件的模拟配合属于更严格的要求。5.3 为什么“图看着像”不等于“工程能用”举一个我真实遇到的案例。用某个生成式模型给“a small enclosure box with mounting holes on the bottom”生成模型。渲染图看起来完全没问题有底有盖有孔。但把模型导出成 STL准备做 3D 打印的时候切片软件报警提示内部有非流形结构和孤立面片。用 MeshLab 检查发现模型的内部有一层残面是 SDF 场判断错误的产物导致实体变成了“表面封闭但内部有杂质”的状态。还有人拿生成式模型的输出去做 CNC 加工结果更惨——模型的表面是自由曲面过渡不够光顺刀具路径出来之后表面质量非常差。对机械加工来说平面就是平面圆柱面就是圆柱面不能全是贝塞尔面片的近似。这些案例说到底是一个道理网格模型的视觉呈现只要“看起来像”就过关但工程制造要的是数学上精确的几何描述——平面度、垂直度、圆柱度、厚度均匀性。SDF 场抽取出来的网格表面上三角形的密度不均匀重新拟合的特征边界必然有误差。而参数化模型是数学表述每一个面、每一条边都有精确的几何定义这才配得上“CAD”这三个字母。6. 踩坑清单与排查实录我在跑 text-to-cad 时踩过的一串坑实操部分最后把我在折腾过程中遇到的高频问题整理出来。这些不是论文里写的是真正跑代码、调模型、导文件时踩过的坑。6.1 显存爆掉的两个节点第一个爆点发生在模型加载阶段。推理时先加载预训练权重再加载文本编码器两个模型加起来显存瞬间被占满。看起来是“只用十几 GB 显存”实际上峰值跑到 20GB 以上。对策是分批加载先加载完主干模型并做 warm-up再加载文本编码器用完之后释放。实测峰值显存降低了大约 30%。第二个爆点发生在网格重建阶段marching cubes。生成 SDF 场的时候要在一个 128 立方体体素网格上逐点推断 SDF 值这个阶段需要把所有结果存储在 GPU 上。分辨率稍微一调高就从 128 变成 256显存需求暴涨 8 倍直接爆。对策是把 SDF 场分块计算每块 32 立方体做完就落盘用时间换空间。损失是速度会慢一半左右但至少不会被 OOM 卡死。6.2 文本编码器和几何生成的“两张皮”很多生成式模型用的是 CLIP 文本编码器这个词表偏向自然图像描述对机械工程术语的理解非常贫乏。你输入“M6 threaded hole”CLIP 可能完全抓不住“螺纹孔”这个关键语义生成结果自然没有螺纹特征。这个问题的根本原因是CLIP 的训练数据里自然图片多、工程图纸少文本-图像匹配关系训练充分文本-工程几何匹配关系基本没训练过。要缓解这个问题需要额外收集工程领域的图文对做微调或者换用针对三维领域预训练的文本编码器。实测下来效果最明显的改善是用基于 Sentence-Transformer 扩词表的方式把“threaded”“bore”“counterbore”“chamfer”这类工艺术语单独拉出来做强特征。6.3 数据集下载和预处理的两个坑ABC 数据集的 STEP 文件下载后默认是纯粹的 B-Rep 几何没有语义标注。把它转成 CadQuery 脚本需要经过一个反向建模过程从 B-Rep 推断建模特征序列这一步误差极大论文里得出的成功率 8 成左右我自己复现只有 6 成。DeepCAD 数据集问题不同它是从 Fusion 360 导出的操作序列但这个导出的序列有时包含面选、边选等交互上下文转成纯 DSL 脚本后需要处理历史依赖。补救的办法只有一个数据清洗阶段多花时间。不要直接用原始数据训练先做一轮特征序列合法性校验——有没有未定义的面引用、有没有重叠的布尔操作、有没有超出边界的拉伸。这一步能过滤掉大约 10% 的低质量样本对模型最终效果提升明显。6.4 STEP 导入国产 CAD 软件的小概率冲突在将生成的 STEP 文件导入到常用的 CAD 软件中时偶尔遇到显示实体缺失或面片撕裂的情况。这大概率是 STEP 文件解析器的兼容性问题——不同软件对 B-Rep 里自由曲面、混合曲面sweep blend的解析支持不一致。遇到这种情况优先把模型重新导出为 STEP AP214 格式再做一次实体修复heal大部分问题能解决。如果还不行转换到 IGES 格式基本能兜底。6.5 一个提示词写得不好的典型反面教材我一开始用非常简短的描述“a gear”。系统生成出来的东西其实算不上一根实际可用的齿轮——没有齿廓渐开线、没有中心孔、没有键槽泛泛地说这就是一个圆柱上切了几个槽。换成“a spur gear with 12 teeth, module 2, 20mm thickness, 8mm center hole with keyway”之后程序合成路线输入理解得还不错出来的模型有整体参数化的齿形也不是很完美但至少放进装配空间里有基本功能结构。这说明 text-to-cad 是非常吃提示词质量的领域为了让系统理解得更准确补足参数字段在文本里意义很大。提示词书写的经验规律长度通常在 20-60 词之间效果好要么明确写尺寸数字要么写功能结构名称和专业术语不确定的关键参数用括号列出范围描述有时比模糊空泛表达更准确对同一个模型多次生成时固定格式做模板化提示词比自由口语效果好得多。7. 这个方向往后会怎么走三条可以明显看到的演进路径虽然标题是 text-to-cad但实际这个方向正在快速和邻域融合未来两三年的走向有迹可循。7.1 向多模态输入演进文字只是入口之一纯文本描述是有信息瓶颈的。你说“类似这个形状但要改大一点”——很难用文字表达成精确指令。更好的交互方式是给一张参考图 一段文本描述 拖动几个滑轨控制参数。现在已经有项目在做这个方向把 CLIP 图像编码器和文本编码器拼接一起作为条件输入到生成模型。这样的优势是参考图的几何特征和文本的语义约束互补生成结果既保留了意图的相似性又能满足新描述的需求。7.2 与 LLM 深度耦合从“生成一个模型”到“完成一个设计任务”现在的大语言模型除了生成文本还能完成多步推理。把这个能力和 CAD 建模结合就能构建一个“AI 设计助手”的闭环用户说“设计一个电机支架能承受 5kg 负载”LLM 把它拆解成结构设计步骤——先确定安装孔距、再定底板尺寸、然后设计加强筋——每一个步骤调用底层的程序合成模型或者参数化模板库最后组装成完整装配体。这种从“单模型生成”到“多步骤设计”的跨越会大大提升自动化设计的适用范围。7.3 可微 CAD让几何优化直接跑在参数化模型上目前生成 CAD 脚本的痛点是脚本生成完之后如果尺寸不对只能手动改代码。但下一步的技术方向是让 CAD 模型本身变得可微——每一根尺寸参数都作为可导变量损失函数可以直接从下游仿真结果比如应力分析、流体分析反传回来调整参数。这意味着“AI 设计 → 仿真验证 → 自动改尺寸”可以自动化循环整个设计迭代的时间会大幅缩短。已经有几篇论文在做把 BREP 参数和海伦-肖普混合仿真结合虽然还在早期但方向已经很明确了。我对普通从业者的建议是不用等到这些方向完全成熟再入局现在开始理解 text-to-cad 的底层逻辑——文本到三维数据的映射、参数化建模的程序表示、评估指标的真实含义——等下一波工具成熟的时候你已经有足够经验去判断哪些能直接用、哪些还只是论文里的演示。最后再说一个我在实际使用中的小心得。无论是哪条路线、哪个项目先把输出格式和下游需求匹配好再谈效果好坏。如果你只是要一个工业零件的初稿方案直接跑程序合成式如果你是要为数控加工做一套异形夹具设计评估思路各有侧重好在都逃不过本章讲的那五个工程维度。这比追着 demo 视频反复调提示词要靠谱得多。 
长河君 · 2026/10/26 7:01:14 · 阅读 1.2k Text-to-CAD技术解析：从自然语言到可编辑三维模型的生成路线与工程实践
1. 为什么偏偏是 text-to-cad 火了从“看图说话”到“听指令建模”生成一张 2D 图片这件事现在大家已经很熟了。你输入“一只穿宇航服的柴犬”Stable Diffusion 能给你吐出四张风格完全不同的图分辨率还很高。但如果你输入“一个带四个安装孔的法兰盘外径 100mm厚度 12mm”你想要的是一个可以直接拿去做数控加工、或者丢进装配体里和其他零件咬合的三维实体模型。这就是 text-to-cad 这个方向的核心价值它把自然语言描述直接变成可用于工程的三维模型而不是一张像素图。先说清楚 CAD 是什么。CADComputer-Aided Design是计算机辅助设计工程师用 SolidWorks、Fusion 360、FreeCAD、AutoCAD 这些软件做机械零件、外壳、模具、建筑构件。而 text-to-cad——字面意思就是文本到 CAD 模型——目标是把“我要一个什么样的零件”变成“一个实实在在的 CAD 文件”这个文件通常涉及 STEP、IGES、STL或者原生参数化模型文件。为什么这个事突然在 2023 年底到 2024 年成为热点三个原因叠加。第一2D 生成已经卷到头了学术界和工业界都需要新的增长点。图像生成模型的问题在于它生成的是“看起来像”的东西但三维模型要的是“几何上是”的东西。这完全是两回事。图像模型可以画出一个透视正确的椅子但把那张图交给工厂工人没法给你造出一把能坐的椅子因为那只是一堆像素。第二三维数据表示和神经网络架构在最近几年真的打通了。点云、体素、SDF有向距离场、网格、BREP边界表示这些不同的三维表示方式都有人尝试和深度学习结合。特别是神经辐射场和扩散模型在三维领域的迁移让从文本生成三维模型变得技术上可行。第三工业界的真实需求实在太大了。手板、非标零件、夹具、治具的建模高度重复工程师大量时间花在画那些结构大同小异的零件上。如果能让 AI 先出一个基础版本工程师只需要做参数修改这个效率提升是肉眼可见的。这个技术适合谁来碰如果你是做机械设计的想了解 AI 能不能帮你减轻重复劳动如果你是做三维视觉研究的想找一个有工程落地价值的方向如果你是个创客想快速把脑子里的想法变成一个能 3D 打印的模型——text-to-cad 都值得你投入时间研究。2. 被 CT 扫描“骗”了这么多年CAD 模型和网格模型的本质区别在深入技术路线之前必须先搞清楚一个基础问题我们说的 CAD 模型到底和日常见到的 3D 模型文件有什么区别这个问题不弄清楚后面对技术方案的理解会全是错的。最常见的三维模型文件是网格mesh就是那一堆三角形面片组成的表面。STL 文件就是这个格式3D 打印行业用它。网格模型的特点是它描述的是“形状”但不知道这个形状是怎么设计出来的。一个圆孔在网格模型里变成几十个三角形拼成的洞精度取决于细分的密度。但真正的 CAD 模型不是这样的。在 SolidWorks 里打开一个零件你看到的是特征树拉伸、旋转、倒角、圆孔、阵列。圆孔是一个参数化特征你知道它的圆心位置、直径、深度、是否有螺纹。修改直径只需要改一个数字整个模型自动更新哪怕这个孔和其他表面有布尔运算关系也不影响。这个差异是理解 text-to-cad 难度的一条关键分界线。网格模型本质上是在做“形状模仿”。所以深度学习可以比较容易地生成几何形状因为形状是连续的数值场神经网络擅长拟合连续函数。但 CAD 模型在工程软件里的本质是“操作序列和参数”是一棵树状结构先画草图然后拉伸再打孔再倒角。这更像一段程序而不是一张图片。用生活类比来说网格模型是你捏出来的泥巴雕塑的最终外形CAD 模型则是那份菜谱——先放多少面粉加多少水揉多久烤多少分钟。现在的 text-to-cad 领域实际上有两条完全不同的赛道生成网格/点云/SDF适合出概念设计、做视觉预览、生成 3D 打印模型的原始形状。学术上场景非常热闹因为可以用类似图像生成的扩散模型来处理。生成参数化 CAD 操作序列适合真正的工程制造场景生成的是带特征树的可编辑模型。这条赛道难度远超前者因为模型不再用张量表示而是需要神经网络去推理离散的程序化操作序列。很多初学者一上来就看各种 demo 展示“哇文字直接变模型”结果自己拿来一用发现下载下来是个 STL 网格模型放进 SolidWorks 里根本没法编辑——它不是 CAD只是一个长得像的雕塑。所以你在看任何 text-to-cad 项目的时候第一个要问的问题不是“效果好不好”而是“它输出的是什么格式”。输出 STL/OBJ 的那是“文本到网格”输出 STEP/Fusion 360 原生格式/CadQuery 脚本的那才是“文本到 CAD”。3. 技术路线的三条岔路检索式、生成式、程序合成式目前 text-to-cad 的所有主流方案可以归成三条技术路线。没有哪一条是完美的但各自适用的场景完全不同。3.1 检索式从模型库里“淘宝”检索式方案的逻辑很简单你输入一段文字系统从三百万个已经存在的三维模型里找到最匹配的一个直接给你。代表工作有基于 CLIP 特征的三维模型检索、Point-E 的那套编码检索逻辑以及各种跨模态检索系统。优点结果绝对可靠因为所有候选模型都是人工建模的几何质量没得说。速度快不需要实时生成只需要做一次向量相似度检索。工业上确实可用因为很多标准件、常用零件本来就是重复使用的。缺点你永远只能得到数据库里有的东西无法生成新设计。你输入“一个带六角凹槽的特殊法兰”如果数据库里没有系统只能在形状相近的模型里矮子里拔高个结果往往让人哭笑不得。这条路线适合标准化程度高的场景比如标准件库、五金件库的智能搜索。不适合做创新设计。3.2 生成式让扩散模型“捏”出几何体这是学术界最热闹的一条路线。思路是把三维几何也用扩散模型的框架来做只不过把 2D 像素换成三维表示。具体来说有几种做法体素扩散把三维空间划分成网格每个格子有占用值生成过程就是在体素网格上做扩散。代表工作有 3D Shape Generation 系列。缺点是分辨率做不高通常 64 到 128 的体素分辨率已经是极限再往上算力和内存都扛不住。SDF 扩散用神经网络隐式表示 SDF 场然后在这个场上做扩散。代表工作有 3D-LDM、SDF-StyleGAN 等。好处是可以得到连续光滑的表面缺点是提取网格的时候需要跑 marching cubes而且模型难以处理锐边和平面。三平面/多视图扩散用多个正交视角的 2D 图像来表示 3D 模型在 2D 图像上做扩散再重建到 3D。代表工作有 Zero-1-to-3、SyncDreamer 等。好处是能比较自然地利用 2D 预训练模型的先验知识缺点是重建出来的一般是带纹理网格精度有限丢失了工程几何精度。这条路线生成的产物基本都是网格模型适合做概念设计、游戏资产、3D 打印粗模。做不了工程精密件因为生成的面片数有限曲面的几何精度、平面度、垂直度都不能满足机械设计要求。3.3 程序合成式生成可编辑的“建模操作流水线”这是我最看好的一条路线也是真正意义上的 text-to-cad。思路是模型输出的不是网格而是一系列 CAD 操作指令和参数——比如“画一个草图矩形 100x80拉伸 20mm然后在中心打一个直径 10mm 的通孔四周导圆角 R5”。输出形式可能是 DSL领域特定语言比如 CadQuery 脚本、OpenSCAD 代码、或者直接输出 STEP 文件。代表工作包括 Text2CAD 系列、CAD-Coder、以及一些基于大语言模型的参数化建模方法。为什么说这条路最接近“真正的 CAD 生成”因为输出的模型自带特征树在任何主流 CAD 软件里打开都是可编辑的。你改一个拉伸高度倒角会自动跟着变。这在工程上是质的区别有了可编辑模型工程师就能在 AI 基础上做二次修改AI 生成的不是终点而是起点。难点也很实在。程序合成是离散的、结构化的需要模型理解一个操作的先后顺序你必须在拉伸之前先把草图画出来必须在布尔之前先有两个实体。序列一错整个模型就废了。目前的办法主要是用大语言模型做自回归生成把建模步骤当成 token 序列来预测和生成代码的方式类似。3.4 三条路线怎么选场景和产物的匹配关系我见过太多人在这上面踩坑。想搞工程零件设计结果用了一条生成网格的路线导出模型后发现尺寸不对、锐边变圆角、插进装配体完全不合牙。反过来只想快速出个概念模型做汇报却折腾一套参数化程序合成方案半天没调通。路线输出产物可编辑性几何精度适合场景检索式已有 CAD 文件高高标准件查找、复用生成式网格/SDF低需重建低到中概念设计、3D 打印粗模程序合成式参数化 CAD 脚本/STEP高高非标件、自动化建模流程4. 想亲手试一下一套完整的开箱实测流程与参数踩坑实录理论说完了讲讲我实际跑过的几个项目。重点说两个有代表性的一个是生成网格路线的代表拿来做快速概念验证一个是程序合成路线的开源项目拿来做真正的参数化建模。4.1 前置准备跑 text-to-cad 之前你最好先知道自己缺什么先说环境。这个领域的模型和纯 2D 的图像生成不同它涉及三维数据显存和内存是两大瓶颈。我实测下来推理单条文本描述8GB 显存勉强能跑12GB 比较舒服24GB 非常稳。微调/训练哪怕只是微调一个轻量模型也建议至少 24GB 显存。遇到过用 16GB 跑训练直接 OOM 的情况。内存处理点云采样、SDF 体素化、网格重建这些步骤32GB 内存是起步64GB 更从容。有几次卡在 16GB 内存上数据加载到一半就崩了。操作系统Linux 是主流Ubuntu 22.04 实测最省心。Windows 也能跑但编译一些 CUDA 扩展的麻烦程度会高不少。数据集方面如果想做微调常用的公开数据集有 ABC 数据集100 万个 CAD 模型的参数化表示、DeepCAD 数据集从 Fusion 360 里导出的真实建模操作序列、Fusion 360 Gallery 数据集。下载的时候注意ABC 数据集完整版非常大如果你只是想跑通流程先用 subset 后缀的版本不要一上来就全量下载。4.2 实操一用生成式路线跑通一个“文本到网格”流程我选择的开源项目是 3D-LDM 的简化版本这是一个基于潜在扩散模型的 3D 生成框架。流程不长但每步都有门槛。第一步搭建环境。用 conda 建虚拟环境Python 3.9torch 2.0.1CUDA 11.8。这一步问题不大照着 README 走就行。我遇到的坑是 torch 版本和项目要求的版本不一致导致后面加载预训练权重的时候 key 不匹配直接报错。老老实实按 README 指定的版本装一步都别自作聪明。第二步下载预训练权重。检查了一下模型权重大约 2GB下载速度看网络。下载完成后做一次 SHA 校验我当时跳过了这一步结果模型加载了一堆乱权重生成出来的模型全是噪声点云排查了整整一个晚上才意识到是下载损坏。第三步写一条推理命令。基本上是python inference.py --text a cylindrical container with a lid --output results/ --save_mesh跑了大概三分钟显存最高 11GB加载模型的那一下会冲到峰值后面生成过程反而平稳。输出是一个 PLY 网格文件加一个渲染预览图。我打开看了一眼说实话不算惊艳形状大致对但细节不行——圆柱体表面有起伏盖子边缘不整齐整体像是一个“有点感冒的圆柱杯子”。第四步做网格处理。生成出来的网格非常粗糙顶点数量庞大但拓扑结构有问题有洞、有非流形边、有自相交。直接拿去 3D 打印是万万不行的。通常得走一遍 MeshLab 或者 Blender 里的 remesh repair 流程。我试过用 pyvista 做 taubin smooth用 open3d 做 poisson 重建效果稍有改善但距离工程可用还很远。第五步导出第三方格式。这个项目支持导出 STL可以直接拖进 Cura 或 Bambu Studio 做 3D 打印切片。但如果你要把模型导入 Fusion 360 继续编辑STL 进去只能当 mesh 参考没法转成特征树——它会变成一个实体 mesh body但不可编辑参数。这是生成式路线的天然天花板不是模型调参能解决的。实测下来生成式路线解决“有没有”问题很快但要达到“能不能用”还差很远。当概念验证、当可视化展示用可以。当工程交付物不行。4.3 实操二用程序合成式路线跑通“文本到 CAD”流程这一步才是真正让我 impressed 的体验。我跑的是 Text2CAD 的一个开源实现核心逻辑是先把文本描述转成紧凑的 DSLCadQuery 脚本再用 CadQuery 在本地生成参数化实体模型。具体流程是这样第一步准备环境。CadQuery 2.xpythonocc-core这是两个大头。安装 pythonocc 的时候conda 直接安装最稳conda install -c conda-forge pythonocc-core pip install cadquery这里遇到的坑是 pythonocc 版本兼容性问题——某些版本和 cadquery 依赖的 OCC 版本不一致运行时会出现奇怪的段错误。实测 conda 一起装他们俩比分开装稳定得多。第二步用模型生成 CadQuery 脚本。项目提供了基于 LLaMA-2 微调的权重推理起来不算慢7B 模型在 24GB 显存上能跑量化版在 16GB 也没问题。运行命令大致长这样python generate.py --text bracket with 3 holes for mounting输出的结果是一段 CadQuery 风格的 Python 代码包含 Create Workplane、Rect、Hole、Extrude 调用和一个最终show_object命令。第三步执行脚本生成实体。将生成的代码存成generated.py直接运行python generated.pyCadQuery 会渲染出一个三维预览同时也导出了 STEP 文件。这一步体验特别好的地方在于整个模型不是三角面片拼成的而是真正的参数化实体。拿这个 STEP 文件丢进 SolidWorks 或者 Fusion 360打开之后能看到完整特征树每个拉伸、圆孔、倒角都能分别编辑。我实测的文本是“a rectangular base plate 100x50x10mm with four holes at the corners”。生成结果是对应 100x50x10 的底板主体正确四个角上的通孔位置正确但孔直径给了 5mm我预期 8mm倒角没有生成无所谓脚本运行一次通过没报错这说明系统能理解空间描述和常见机械零件结构但在尺寸参数上还没有做到精确对齐文本中的具体数值。生成的代码可以手动调整好在 CadQuery 脚本是纯 Python改两个数字重新运行模型立刻更新。这个过程对工程师来说非常舒服比起“AI 给你一个雕塑你再逆向成建模”这种“AI 给你草稿你再改参数”的模式要实用得多。第四步精度验证。把生成的模型导出成 STEP 后用 FreeCAD 打开测量了一下关键尺寸。底盘厚度方向 10mm 完全精确四个孔的孔距在 5 微米误差范围内。边缘的垂直度、面平面度都有保证——因为这不是多边形近似而是数学精确的实体模型。这个精度对绝大多数机械应用已经绰绰有余。整体评价程序合成式路线在做非标零件初稿方面已经达到了“工程师可以接手继续干活”的水平。它离“一键生成完美图纸”还很远但作为 a 协助起草的角色已经能省掉一多半从零画图的时间。5. 结果怎么评估别被“看着像”蒙蔽了双眼text-to-cad 领域有一个很常见但非常危险的评估误区人眼看渲染图觉得像就认为模型效果好。这个误区在 2D 图像生成那里问题不大——图片就是给人看的。但在 CAD 领域“看着像”和“能用”之间隔着一道巨大的鸿沟。5.1 学术指标和工程指标的脱节学术论文里常用的几个指标Chamfer Distance计算生成点云和标准点云之间的平均最近离差。越低越好但它衡量的是“形状相似度”完全不衡量功能可用性。两个形状肉眼看起来接近但一个有内部空腔、一个没有Chamfer 可能差不多实际工程意义完全不在一个档次。IoUIntersection over Union衡量生成和真实模型重叠体积的比例。对体素化数据比较常用但它的分辨率限制了精细几何的评价能力。FIDFréchet Inception Distance原本是评估图像生成质量用的把生成的渲染图拿去算特征分布距离。这个指标非常“图学”化它能反映“渲染出来看着真不真”但渲染得真不代表几何上能加工得出来。成功率程序合成路线常用指生成的 CAD 脚本能成功执行的比例。这个指标很有实际意义——脚本直接报错等于什么都没有。学术指标不是没用但你在看论文的时候要清楚每个指标到底在测什么。5.2 工程上真正要看的五个维度我自己在实际项目中评估 text-to-cad 的效果基本只看五个维度第一几何正确性。模型是否闭环有没有流失、非流形边、自相交在网格模型里这种问题很常见在参数化 CAD 模型里基本不会出现因为实体运算本身保证了必有体积和边界。第二尺寸准确性。生成的模型尺寸是否符合文本描述文本说“100mm 长”实际生成的是 102mm 还是 98mm针对程序合成路线一般要手动抽测 5-10 个关键尺寸。第三特征可编辑性。你能不能在 CAD 软件里修改这个模型如果生成的是 STL 网格这个维度直接不及格如果是 CadQuery 脚本修改参数极其方便分数就高。第四语义对齐。文本说“四个孔”生成的是不是四个孔“法兰盘”的要求生成了“圆盘”但没孔意味着语义理解失败。这个维度要看人工判定的准确率目前程序合成路线在这个维度已经做得不错生成网格的路线还经常翻车。第五制造可行性。模型能不能被实际加工出来有没有壁厚为零的薄片有没有超过最小刀具半径的内直角这需要下游 CAM 软件的模拟配合属于更严格的要求。5.3 为什么“图看着像”不等于“工程能用”举一个我真实遇到的案例。用某个生成式模型给“a small enclosure box with mounting holes on the bottom”生成模型。渲染图看起来完全没问题有底有盖有孔。但把模型导出成 STL准备做 3D 打印的时候切片软件报警提示内部有非流形结构和孤立面片。用 MeshLab 检查发现模型的内部有一层残面是 SDF 场判断错误的产物导致实体变成了“表面封闭但内部有杂质”的状态。还有人拿生成式模型的输出去做 CNC 加工结果更惨——模型的表面是自由曲面过渡不够光顺刀具路径出来之后表面质量非常差。对机械加工来说平面就是平面圆柱面就是圆柱面不能全是贝塞尔面片的近似。这些案例说到底是一个道理网格模型的视觉呈现只要“看起来像”就过关但工程制造要的是数学上精确的几何描述——平面度、垂直度、圆柱度、厚度均匀性。SDF 场抽取出来的网格表面上三角形的密度不均匀重新拟合的特征边界必然有误差。而参数化模型是数学表述每一个面、每一条边都有精确的几何定义这才配得上“CAD”这三个字母。6. 踩坑清单与排查实录我在跑 text-to-cad 时踩过的一串坑实操部分最后把我在折腾过程中遇到的高频问题整理出来。这些不是论文里写的是真正跑代码、调模型、导文件时踩过的坑。6.1 显存爆掉的两个节点第一个爆点发生在模型加载阶段。推理时先加载预训练权重再加载文本编码器两个模型加起来显存瞬间被占满。看起来是“只用十几 GB 显存”实际上峰值跑到 20GB 以上。对策是分批加载先加载完主干模型并做 warm-up再加载文本编码器用完之后释放。实测峰值显存降低了大约 30%。第二个爆点发生在网格重建阶段marching cubes。生成 SDF 场的时候要在一个 128 立方体体素网格上逐点推断 SDF 值这个阶段需要把所有结果存储在 GPU 上。分辨率稍微一调高就从 128 变成 256显存需求暴涨 8 倍直接爆。对策是把 SDF 场分块计算每块 32 立方体做完就落盘用时间换空间。损失是速度会慢一半左右但至少不会被 OOM 卡死。6.2 文本编码器和几何生成的“两张皮”很多生成式模型用的是 CLIP 文本编码器这个词表偏向自然图像描述对机械工程术语的理解非常贫乏。你输入“M6 threaded hole”CLIP 可能完全抓不住“螺纹孔”这个关键语义生成结果自然没有螺纹特征。这个问题的根本原因是CLIP 的训练数据里自然图片多、工程图纸少文本-图像匹配关系训练充分文本-工程几何匹配关系基本没训练过。要缓解这个问题需要额外收集工程领域的图文对做微调或者换用针对三维领域预训练的文本编码器。实测下来效果最明显的改善是用基于 Sentence-Transformer 扩词表的方式把“threaded”“bore”“counterbore”“chamfer”这类工艺术语单独拉出来做强特征。6.3 数据集下载和预处理的两个坑ABC 数据集的 STEP 文件下载后默认是纯粹的 B-Rep 几何没有语义标注。把它转成 CadQuery 脚本需要经过一个反向建模过程从 B-Rep 推断建模特征序列这一步误差极大论文里得出的成功率 8 成左右我自己复现只有 6 成。DeepCAD 数据集问题不同它是从 Fusion 360 导出的操作序列但这个导出的序列有时包含面选、边选等交互上下文转成纯 DSL 脚本后需要处理历史依赖。补救的办法只有一个数据清洗阶段多花时间。不要直接用原始数据训练先做一轮特征序列合法性校验——有没有未定义的面引用、有没有重叠的布尔操作、有没有超出边界的拉伸。这一步能过滤掉大约 10% 的低质量样本对模型最终效果提升明显。6.4 STEP 导入国产 CAD 软件的小概率冲突在将生成的 STEP 文件导入到常用的 CAD 软件中时偶尔遇到显示实体缺失或面片撕裂的情况。这大概率是 STEP 文件解析器的兼容性问题——不同软件对 B-Rep 里自由曲面、混合曲面sweep blend的解析支持不一致。遇到这种情况优先把模型重新导出为 STEP AP214 格式再做一次实体修复heal大部分问题能解决。如果还不行转换到 IGES 格式基本能兜底。6.5 一个提示词写得不好的典型反面教材我一开始用非常简短的描述“a gear”。系统生成出来的东西其实算不上一根实际可用的齿轮——没有齿廓渐开线、没有中心孔、没有键槽泛泛地说这就是一个圆柱上切了几个槽。换成“a spur gear with 12 teeth, module 2, 20mm thickness, 8mm center hole with keyway”之后程序合成路线输入理解得还不错出来的模型有整体参数化的齿形也不是很完美但至少放进装配空间里有基本功能结构。这说明 text-to-cad 是非常吃提示词质量的领域为了让系统理解得更准确补足参数字段在文本里意义很大。提示词书写的经验规律长度通常在 20-60 词之间效果好要么明确写尺寸数字要么写功能结构名称和专业术语不确定的关键参数用括号列出范围描述有时比模糊空泛表达更准确对同一个模型多次生成时固定格式做模板化提示词比自由口语效果好得多。7. 这个方向往后会怎么走三条可以明显看到的演进路径虽然标题是 text-to-cad但实际这个方向正在快速和邻域融合未来两三年的走向有迹可循。7.1 向多模态输入演进文字只是入口之一纯文本描述是有信息瓶颈的。你说“类似这个形状但要改大一点”——很难用文字表达成精确指令。更好的交互方式是给一张参考图 一段文本描述 拖动几个滑轨控制参数。现在已经有项目在做这个方向把 CLIP 图像编码器和文本编码器拼接一起作为条件输入到生成模型。这样的优势是参考图的几何特征和文本的语义约束互补生成结果既保留了意图的相似性又能满足新描述的需求。7.2 与 LLM 深度耦合从“生成一个模型”到“完成一个设计任务”现在的大语言模型除了生成文本还能完成多步推理。把这个能力和 CAD 建模结合就能构建一个“AI 设计助手”的闭环用户说“设计一个电机支架能承受 5kg 负载”LLM 把它拆解成结构设计步骤——先确定安装孔距、再定底板尺寸、然后设计加强筋——每一个步骤调用底层的程序合成模型或者参数化模板库最后组装成完整装配体。这种从“单模型生成”到“多步骤设计”的跨越会大大提升自动化设计的适用范围。7.3 可微 CAD让几何优化直接跑在参数化模型上目前生成 CAD 脚本的痛点是脚本生成完之后如果尺寸不对只能手动改代码。但下一步的技术方向是让 CAD 模型本身变得可微——每一根尺寸参数都作为可导变量损失函数可以直接从下游仿真结果比如应力分析、流体分析反传回来调整参数。这意味着“AI 设计 → 仿真验证 → 自动改尺寸”可以自动化循环整个设计迭代的时间会大幅缩短。已经有几篇论文在做把 BREP 参数和海伦-肖普混合仿真结合虽然还在早期但方向已经很明确了。我对普通从业者的建议是不用等到这些方向完全成熟再入局现在开始理解 text-to-cad 的底层逻辑——文本到三维数据的映射、参数化建模的程序表示、评估指标的真实含义——等下一波工具成熟的时候你已经有足够经验去判断哪些能直接用、哪些还只是论文里的演示。最后再说一个我在实际使用中的小心得。无论是哪条路线、哪个项目先把输出格式和下游需求匹配好再谈效果好坏。如果你只是要一个工业零件的初稿方案直接跑程序合成式如果你是要为数控加工做一套异形夹具设计评估思路各有侧重好在都逃不过本章讲的那五个工程维度。这比追着 demo 视频反复调提示词要靠谱得多。