1. text-to-cad 到底在解决什么问题先说结论text-to-cad就是用自然语言直接生成 CAD 模型。你输入一句话比如“做一个直径 40mm、厚度 3mm 的圆盘法兰周围均匀开 6 个直径 5mm 的螺栓孔”模型直接输出一个可以编辑、可以导出的参数化 CAD 文件而不是一张图片、一个点云或者一个粗糙的网格。这两年这个概念在机械设计、3D 打印、自动化设计领域讨论度很高从学术论文里的 demo 到工程上真正能用的工具进展比想象中快。为什么这事儿值得关注因为传统 CAD 建模的门槛真的不低。你让一个没有受过系统训练的人打开 SolidWorks 或者 Fusion 360光是搞明白“草图-拉伸-切除-倒角”这一套逻辑就得花不少时间。就算熟练工面对一个稍微复杂的零件从画草图到把特征树整理干净快则半小时慢则一整天。而 text-to-cad 想做的事情是把“我脑子里的想法”到“电脑里的三维模型”这段路径大幅缩短你只需要描述清楚需求剩下的建模动作交给算法。适合谁来参考这篇内容如果你在做 AI 应用、自动化设计工具链或者你想评估 text-to-cad 能不能用在你的工作流里这篇文章应该能帮你搞清楚原理、上手路径和坑在哪。如果你是建模老手也可以把它当成一个新的效率工具或者“灵感生成器”来用——很多情况下它生成的模型不是最终答案但可以给你一个起点。我会从原理拆解、数据从哪来、模型怎么选、实操怎么跑通、问题怎么排查这几个角度把这件事说透。2. 关键技术实现原理2.1 核心思路文本不是直接变成模型而是变成建模指令这是理解 text-to-cad 最重要的一点。现在的主流实现基本都不是“端到端”地让模型直接吐出一个三维模型文件而是分两步走。第一步用一个语言模型把文本描述翻译成一段结构化的建模指令序列。第二步把这段指令交给一个 CAD 内核去执行。那“建模指令”长什么样常见的有两种一种是直接生成 OpenSCAD 的脚本代码OpenSCAD 本身就是用代码描述模型的工具语法简单直观比如 cube([20,20,10]) 就是画一个方块另一种是生成更接近工业软件内部操作的指令序列比如“创建草图平面”“画一条直线”“做拉伸特征”“加倒角”这种方式更接近人在 SolidWorks 里的操作逻辑生成的模型也更利于后续参数化修改。为什么不能像文生图那样端到端直接输出模型核心原因是三维模型的表示方式太不统一了。图片是像素矩阵天然是规则的而 CAD 模型在底层是 NURBS 曲面、B-Rep 边界表示或者 CSG 布尔运算树每一种表示都是一大堆顶点、曲线、面片和拓扑关系的组合。让模型直接生成这么复杂的数据结构在现有的深度学习框架下非常困难输出质量也不可控。把问题拆成“生成指令 指令解析执行”等于把难点分成两块语言理解交给语言模型这是它的强项几何计算交给成熟的 CAD 内核这是它的强项各干各擅长的。2.2 数据从哪来没有标注数据的瓶颈是怎么被突破的想训练一个能听懂“圆盘法兰”这种描述并生成建模指令的模型第一个绕不开的问题就是数据。CAD 模型库其实不少但绝大多数是原始几何文件没有对应的文字描述语言模型没法直接学。给上万个三维模型手动写描述成本大到不现实。所以 2024 年那篇著名的 Text2CAD 论文干了一件非常取巧的事情用大模型给模型库“批量写说明”。他们从 ABC 数据集一个大型 CAD 模型集合里抽了几万个模型然后用参数化的方式把每个模型的建模过程还原成命令序列。这些命令序列本身就是现成的“答案”。他们再把命令序列丢给 GPT-4 级别的模型让它反过来生成对应的自然语言描述。这一步做完就有了 18 万条“文本-CAD”配对数据。听起来是不是有点像鸡生蛋的问题模型还没有怎么让模型造数据其实这里有个非常关键的逻辑造数据的模型和真正干活用的模型是两回事。GPT-4 这种通用大模型虽然不会直接生成 CAD 模型但它读得懂 CAD 命令序列也能把一条命令序列总结成一句人话。这种“伪标注”的质量足够用来训练一个更小的、专门干活的模型。他们用异常检测算法过滤掉一批质量差的数据再用 CLIP 类似的双塔结构验证文本和模型是否匹配最终数据质量是可以接受的。这也给后面的从业者一个启发垂直领域缺数据不一定非要从零标注用强通用模型做数据生产再做清洗和校验是一条性价比非常高的路。2.3 模型选型通用大模型还是专用小模型现在做 text-to-cad模型选型基本有三条路线。第一条直接让 GPT-4、Claude 这类通用大模型输出 OpenSCAD 代码或者 Python 脚本然后执行脚本生成模型。这条路最省事不需要训练开箱即用适合做原型验证和临时任务。坏处也很明显通用大模型对 CAD 工具的理解不深经常生成语法正确但几何上完全不对的东西而且输出不稳定同一个描述每次可能给你差十万八千里的结果。第二条用开放的工具链加规则解析。比如你用现成的文本转代码模型把输出限制在某个特定 CAD 库的 API 范围内再用规则去校验和修正。这种方案对简单零件很有效但遇到复杂特征就抓瞎规则写不穷尽。第三条用前面说的配对数据去微调一个开源语言模型比如 Code Llama、DeepSeek 系列专门练出一个“能输出 CAD 参数化指令”的小模型。这也是 Text2CAD 论文采用的路线。走这条路效果上限高训练出来的模型对建模格式的掌握更专精输出也更稳定但需要你有一定的动手能力去复现数据处理和训练流程。我不建议一上来就追求第三条路。先拿通用大模型跑通一个最小闭环搞清楚你的需求复杂度到底在哪个水平然后再决定要不要上微调。很多做业务的人容易一步到位选最复杂的方案结果数据准备阶段就卡住了。3. 上手实操从零跑通一个 text-to-cad 流程3.1 环境准备与工具选择如果你想最快速度体验 text-to-cad 的效果不需要自己训模型直接用现成的东西组装一条流水线就行。我推荐的方向是语言模型负责生成 OpenSCAD 代码OpenSCAD 负责渲染和导出 STL/STEP 文件。这套组合最大的优点是组件之间完全解耦出了问题很容易定位。OpenSCAD 本身是免费开源的直接去官网下载安装就好。它做的事情非常简单读入你写好的 .scad 代码渲染出三维模型。这里务必注意OpenSCAD 的代码是声明式的不像普通编程语言按顺序执行那么容易调试它描述的是“最终状态的约束”但你不需要理解这个细节也能用起来。语言模型这块选 API 还是本地部署我是建议一开始直接调 API百来行的脚本就能跑通。模型对话接口返回一段代码你把代码存成 .scad 文件再用命令行方式调 OpenSCAD 渲染。这里有个统一入口很关键OpenSCAD 支持 -o 参数指定输出文件也支持 -p 和 -P 参数做参数化导入所以完全可以做成批量的自动化处理管线。3.2 提示词怎么写这是我踩过最深的一个坑要说 text-to-cad 实操里什么最重要我的排序是提示词 模型 工具链。很多人以为 AI 建模就是输入一句话就完事然后抱怨效果差。实际上你会发现给大模型的描述和给人类设计师的描述要求是完全两样的。人类设计师你要说“做一个圆盘”他能自己去想直径、厚度、是不是要中心孔模型不会它要所有信息都给到。我总结了一套相对靠谱的提示词模板大概长这样请用OpenSCAD代码生成一个零件模型要求 - 形状圆形法兰盘外径60mm内径20mm厚度5mm - 特征在半径为45mm的圆周上均匀分布6个通孔孔径5mm - 材料性能不重要重点是几何形状准确 - 使用单位毫米 - 代码中不要include任何外部库你看我把单位、坐标系、特征的相对位置都说清楚了。真实建模的时候有一个经常被忽略的细节就是定位基准。一个零件上的孔、槽、凸台相对于谁定位你说“右下角开一个槽”模型就得猜“右下角”是哪个面、哪个方向。更靠谱的写法是“在主体顶面中心向右平移 20mm 处开一个长 30mm 宽 10mm 的矩形槽”。把“基准-动作-尺寸”三要素写全生成成功率会提升一个档次。还要提醒一点不要试图一次描述一个包含十几个特征的复杂零件。大模型生成的代码一旦超过几百行几何错误率和语法错误率都会急剧上升。我的习惯是一个零件分几次生成先做主体外轮廓再一个一个往上加次特征。这跟人类建模里的思路完全一致先加基础特征再加细节特征。3.3 从生成到可用验证闭环怎么做模型的输出永远可能是错的所以一定要有一个“生成-验证-反馈”的闭环。最简单的验证方式就是让 OpenSCAD 把代码编译成渲染结果程序报错或者生成的结果乱成一团那就是失败的。我在实测中摸索出来一套比较高效的人工验证流程代码语法能不能编译通过。这一步 OpenSCAD 会直接告诉你哪一行有问题大部分问题出在多余的括号、漏掉分号、函数名拼错。视觉检查渲染出来的模型轮廓。把模型旋转一圈看有没有明显的破面、多余的悬空体、或者尺寸比例明显不对的地方。导出 STEP 或者 STL 后导入专业 CAD 软件里做量测。这一步最关键因为 OpenSCAD 的渲染视图有时候有视觉欺骗性你自己一比一的尺寸测量才是硬标准。我自己用的检查流程是生成后导入 Fusion 360 或者直接用 Blender 的 MeasureIt 插件量关键尺寸跟提示词里的主要数值对一遍。不要觉得这步麻烦大模型对数字的把握能力远没有你想象中那么强尤其是经过几轮叠加修改后尺寸漂移是高频问题。你让模型创建“边长为 50mm 的立方体”它给你写成 50.001mm虽然视觉上看不出来但导入装配体时就成了 0.001mm 的干涉量强迫症也能让你疯掉。另一个重要技巧是把生成出来的模型“固化”成自己的零件库。比如我最开始让模型生成了一个带燕尾槽的滑块做完验证没问题我就把这段 .scad 代码和参数说明整理存下来。以后再有类似需求直接把参数告诉我自己沉淀的提示词模板一次成功的概率能到 80% 以上。这也是 text-to-cad 工作流里容易被忽略的长期价值你一直在积累可复用的“语言-几何”映射资产。4. 实际业务中的应用方法4.1 能用在哪从手板快速原型到参数化族库text-to-cad 离业务到底有多远我说几个我见过真实落地的场景。第一个场景是 3D 打印快速验证。很多创客或者小工厂拿它生成样品的初始版本建模可能只要几十秒出来的模型虽然不是最终设计但拿来做尺寸验证、装配验证足够参考了。我认识一个做机械零件外协的朋友他把客户发的文字需求和手绘草图直接粘进 text-to-cad 工具里先生成一个初始模型跟客户确认概念之后再在 SolidWorks 里做精修。原本要来回两三个小时的沟通现在十几分钟就能确认个大概方向。第二个场景是参数化族库的批量生成。建筑和工程行业常有大量的标准件比如不同规格的管道接头、支架、法兰。以往建族库是人工一个个对着参数表画又累又无聊。用 text-to-cad 的方式把模型逻辑写成一套带参数的脚本然后让语言模型根据需求填参数值批量跑出来再导入审查。这个流程一旦跑通生成几百个变体就跟流水线一样。第三个场景稍微慢热一点就是跟已有的设计自动化流程做衔接。比如你把 text-to-cad 生成的结果作为下游仿真分析的前置输入跑一轮快速结构验证从一堆方案里挑出靠谱的再深入设计。这个用法其实很妙因为设计初期的方案对比不需要高精度模型能给出大概的几何和重量分布就够了。4.2 别高估也别低估text-to-cad 的能力边界说完了优点我得泼一下冷水。现在的 text-to-cad 在两类东西面前非常吃力一类是钣金件因为钣金有自己的加工约束比如最小折弯半径、料厚、展开计算这些依赖制造工艺知识而不是纯几何知识另一类是复杂的装配体比如一个包含几十个零件、有运动副、有配合关系的东西现在的模型只能生成单个零件的几何外形离生成整个装配结构还差得远。还有一类问题是“功能语义”理解。你跟模型说“做一个能固定 42mm 宽 PCB 板的卡扣支架”模型生成出来的几何外形可能合理但强度和装配公差完全没谱。原因很简单text-to-cad 模型是学几何翻译不是学结构设计和公差分析。它可以又快又准地把你的语言翻译成形状但它不懂力学不懂材料属性更不懂你后续工艺的加工限制。所以把它定位成“加速从想法到初步几何”的工具是最合理的期待值。5. 常见问题与排查技巧实录5.1 高频问题速查表我把实际操作中最容易遇到的几个问题整理了一下方便你对照排查。现象最常见原因解决方向生成代码语法报错模型对 OpenSCAD 语法掌握不牢括号或分号缺失修改提示词让模型只输出纯代码块不要解释或者用代码格式化工具先过一遍尺寸跟描述差很远单位混淆把 mm 写成 inch多个特征叠加时参数被覆盖提示词里强制规定单位模型输出后用脚本扫描关键数值做自动核对模型形状对但位置偏移定位基准描述不清回到提示词明确“相对于哪个面/哪条边/哪个轴”来定位布尔运算失败或破面两个体相交的数值刚好是临界值精度设置太低微调几何尺寸或把相交部分加大一点点把 OpenSCAD 的精度参数$fn调高到 100 以上同样的描述每次生成结果都不同模型采样温度太高或者 API 默认设置把 temperature 参数调低到 0.1~0.3使用固定 seed 参数模型说自己生成了但文件打不开输出格式不匹配或编码问题检查是不是存成了 .scad 但内容其实是 JSON 或 Markdown 包裹的代码5.2 三个值得说的排查案例第一个案例是精度问题。我让模型生成一个 M6 螺母外接圆直径 11.05mm 的六角形底座结果渲染出来变成了一个带圆角的六边形。查下来发现模型的提示词里写了“rounded hexagon”它就把六边形的角全部倒圆了。这提醒我描述几何时尽量用模型能准确映射的术语别用“圆润”“光滑”这种主观词除非你真的要那些圆角特征。第二个案例是特征丢失。有一次我让模型生成一个带 4 个加强筋的底座结果 OpenSCAD 渲染出来底座有了加强筋一个都没有。排查后发现原因在布尔运算加强筋和主体求并集时因为加强筋尺寸太小在系统默认精度下运算被自动忽略了。把加强筋尺寸放大零点几毫米后问题就解决了这也算是一个比较典型的“几何容差”问题。第三个案例是“幻觉尺寸”。我给了一张 50mm 宽的参考描述模型生成的板子宽度变成了 50cm直接大了十倍。这种错误在纯文本生成里看不出来导出 STL 才发现。后来我在提示词里明确加上一句“所有未注明单位的数据默认视为毫米”并在生成后用一个小脚本扫描数字跟描述里的关键词比对基本能把这类低级错误过滤掉。5.3 通用排查思路先拆解再归因这里分享一个通用的排查思路遇到任何 text-to-cad 问题都可以按这个顺序过一遍。第一层看模型反应。把同样的描述发给另一个模型比如把 ChatGPT 换成 Claude 开源版如果结果同样离谱大概率是描述本身有问题而不是模型理解能力的问题。第二层看代码执行。把模型生成的代码单独保存下来直接人工阅读看看是逻辑错误还是执行错误这能帮你区分是生成阶段的问题还是引擎阶段的问题。第三层看几何输出。把渲染结果导出成 STEP在专门的查看器里做截面检查确认是不是有内部空洞、反法向面这类视觉上看不出的问题。这套分层的思路本质上是把“语言问题”跟“几何问题”剥离开。很多人遇到生成结果不对就急着换模型、调参数往往浪费了大量时间。先定位问题出在哪一层才能对症下药。6. 一些个人体会做到现在我的整体感觉是 text-to-cad 正在经历一个从“技术 demo”到“实用工具”的临界点但离真正的“设计助手”还有一段路。它最让我惊喜的地方不是一次生成多完美而是在我积累了一批“语言到模型的映射模板”之后它的可复用性非常好。我给它描述同样的需求基本能稳定输出合格的结果这在很大程度上解放了我做重复建模的时间。我个人在实际操作中最受益的习惯是永远保留一份“描述-代码-验证”的记录文档。每一段成功的描述配上生成的代码和最终模型截图就是一个你自己的 mini 训练集。后续无论是调试提示词还是训练更个性化的模型这些记录都是最有价值的资产。如果你打算入坑我的建议是先别纠结大而全的方案用一条最简单的流水线跑起来收集几个真实需求看它能在多大程度上帮到你。等确认了需求频率和复杂度再评估要不要上微调模型。这条路走通之后你会发现“从语言到模型”的距离确实比想象中短得多。 
长河君 · 2026/10/26 22:35:43 · 阅读 1.2k text-to-cad 全解析：从自然语言到参数化 CAD 模型的原理与实战
1. text-to-cad 到底在解决什么问题先说结论text-to-cad就是用自然语言直接生成 CAD 模型。你输入一句话比如“做一个直径 40mm、厚度 3mm 的圆盘法兰周围均匀开 6 个直径 5mm 的螺栓孔”模型直接输出一个可以编辑、可以导出的参数化 CAD 文件而不是一张图片、一个点云或者一个粗糙的网格。这两年这个概念在机械设计、3D 打印、自动化设计领域讨论度很高从学术论文里的 demo 到工程上真正能用的工具进展比想象中快。为什么这事儿值得关注因为传统 CAD 建模的门槛真的不低。你让一个没有受过系统训练的人打开 SolidWorks 或者 Fusion 360光是搞明白“草图-拉伸-切除-倒角”这一套逻辑就得花不少时间。就算熟练工面对一个稍微复杂的零件从画草图到把特征树整理干净快则半小时慢则一整天。而 text-to-cad 想做的事情是把“我脑子里的想法”到“电脑里的三维模型”这段路径大幅缩短你只需要描述清楚需求剩下的建模动作交给算法。适合谁来参考这篇内容如果你在做 AI 应用、自动化设计工具链或者你想评估 text-to-cad 能不能用在你的工作流里这篇文章应该能帮你搞清楚原理、上手路径和坑在哪。如果你是建模老手也可以把它当成一个新的效率工具或者“灵感生成器”来用——很多情况下它生成的模型不是最终答案但可以给你一个起点。我会从原理拆解、数据从哪来、模型怎么选、实操怎么跑通、问题怎么排查这几个角度把这件事说透。2. 关键技术实现原理2.1 核心思路文本不是直接变成模型而是变成建模指令这是理解 text-to-cad 最重要的一点。现在的主流实现基本都不是“端到端”地让模型直接吐出一个三维模型文件而是分两步走。第一步用一个语言模型把文本描述翻译成一段结构化的建模指令序列。第二步把这段指令交给一个 CAD 内核去执行。那“建模指令”长什么样常见的有两种一种是直接生成 OpenSCAD 的脚本代码OpenSCAD 本身就是用代码描述模型的工具语法简单直观比如 cube([20,20,10]) 就是画一个方块另一种是生成更接近工业软件内部操作的指令序列比如“创建草图平面”“画一条直线”“做拉伸特征”“加倒角”这种方式更接近人在 SolidWorks 里的操作逻辑生成的模型也更利于后续参数化修改。为什么不能像文生图那样端到端直接输出模型核心原因是三维模型的表示方式太不统一了。图片是像素矩阵天然是规则的而 CAD 模型在底层是 NURBS 曲面、B-Rep 边界表示或者 CSG 布尔运算树每一种表示都是一大堆顶点、曲线、面片和拓扑关系的组合。让模型直接生成这么复杂的数据结构在现有的深度学习框架下非常困难输出质量也不可控。把问题拆成“生成指令 指令解析执行”等于把难点分成两块语言理解交给语言模型这是它的强项几何计算交给成熟的 CAD 内核这是它的强项各干各擅长的。2.2 数据从哪来没有标注数据的瓶颈是怎么被突破的想训练一个能听懂“圆盘法兰”这种描述并生成建模指令的模型第一个绕不开的问题就是数据。CAD 模型库其实不少但绝大多数是原始几何文件没有对应的文字描述语言模型没法直接学。给上万个三维模型手动写描述成本大到不现实。所以 2024 年那篇著名的 Text2CAD 论文干了一件非常取巧的事情用大模型给模型库“批量写说明”。他们从 ABC 数据集一个大型 CAD 模型集合里抽了几万个模型然后用参数化的方式把每个模型的建模过程还原成命令序列。这些命令序列本身就是现成的“答案”。他们再把命令序列丢给 GPT-4 级别的模型让它反过来生成对应的自然语言描述。这一步做完就有了 18 万条“文本-CAD”配对数据。听起来是不是有点像鸡生蛋的问题模型还没有怎么让模型造数据其实这里有个非常关键的逻辑造数据的模型和真正干活用的模型是两回事。GPT-4 这种通用大模型虽然不会直接生成 CAD 模型但它读得懂 CAD 命令序列也能把一条命令序列总结成一句人话。这种“伪标注”的质量足够用来训练一个更小的、专门干活的模型。他们用异常检测算法过滤掉一批质量差的数据再用 CLIP 类似的双塔结构验证文本和模型是否匹配最终数据质量是可以接受的。这也给后面的从业者一个启发垂直领域缺数据不一定非要从零标注用强通用模型做数据生产再做清洗和校验是一条性价比非常高的路。2.3 模型选型通用大模型还是专用小模型现在做 text-to-cad模型选型基本有三条路线。第一条直接让 GPT-4、Claude 这类通用大模型输出 OpenSCAD 代码或者 Python 脚本然后执行脚本生成模型。这条路最省事不需要训练开箱即用适合做原型验证和临时任务。坏处也很明显通用大模型对 CAD 工具的理解不深经常生成语法正确但几何上完全不对的东西而且输出不稳定同一个描述每次可能给你差十万八千里的结果。第二条用开放的工具链加规则解析。比如你用现成的文本转代码模型把输出限制在某个特定 CAD 库的 API 范围内再用规则去校验和修正。这种方案对简单零件很有效但遇到复杂特征就抓瞎规则写不穷尽。第三条用前面说的配对数据去微调一个开源语言模型比如 Code Llama、DeepSeek 系列专门练出一个“能输出 CAD 参数化指令”的小模型。这也是 Text2CAD 论文采用的路线。走这条路效果上限高训练出来的模型对建模格式的掌握更专精输出也更稳定但需要你有一定的动手能力去复现数据处理和训练流程。我不建议一上来就追求第三条路。先拿通用大模型跑通一个最小闭环搞清楚你的需求复杂度到底在哪个水平然后再决定要不要上微调。很多做业务的人容易一步到位选最复杂的方案结果数据准备阶段就卡住了。3. 上手实操从零跑通一个 text-to-cad 流程3.1 环境准备与工具选择如果你想最快速度体验 text-to-cad 的效果不需要自己训模型直接用现成的东西组装一条流水线就行。我推荐的方向是语言模型负责生成 OpenSCAD 代码OpenSCAD 负责渲染和导出 STL/STEP 文件。这套组合最大的优点是组件之间完全解耦出了问题很容易定位。OpenSCAD 本身是免费开源的直接去官网下载安装就好。它做的事情非常简单读入你写好的 .scad 代码渲染出三维模型。这里务必注意OpenSCAD 的代码是声明式的不像普通编程语言按顺序执行那么容易调试它描述的是“最终状态的约束”但你不需要理解这个细节也能用起来。语言模型这块选 API 还是本地部署我是建议一开始直接调 API百来行的脚本就能跑通。模型对话接口返回一段代码你把代码存成 .scad 文件再用命令行方式调 OpenSCAD 渲染。这里有个统一入口很关键OpenSCAD 支持 -o 参数指定输出文件也支持 -p 和 -P 参数做参数化导入所以完全可以做成批量的自动化处理管线。3.2 提示词怎么写这是我踩过最深的一个坑要说 text-to-cad 实操里什么最重要我的排序是提示词 模型 工具链。很多人以为 AI 建模就是输入一句话就完事然后抱怨效果差。实际上你会发现给大模型的描述和给人类设计师的描述要求是完全两样的。人类设计师你要说“做一个圆盘”他能自己去想直径、厚度、是不是要中心孔模型不会它要所有信息都给到。我总结了一套相对靠谱的提示词模板大概长这样请用OpenSCAD代码生成一个零件模型要求 - 形状圆形法兰盘外径60mm内径20mm厚度5mm - 特征在半径为45mm的圆周上均匀分布6个通孔孔径5mm - 材料性能不重要重点是几何形状准确 - 使用单位毫米 - 代码中不要include任何外部库你看我把单位、坐标系、特征的相对位置都说清楚了。真实建模的时候有一个经常被忽略的细节就是定位基准。一个零件上的孔、槽、凸台相对于谁定位你说“右下角开一个槽”模型就得猜“右下角”是哪个面、哪个方向。更靠谱的写法是“在主体顶面中心向右平移 20mm 处开一个长 30mm 宽 10mm 的矩形槽”。把“基准-动作-尺寸”三要素写全生成成功率会提升一个档次。还要提醒一点不要试图一次描述一个包含十几个特征的复杂零件。大模型生成的代码一旦超过几百行几何错误率和语法错误率都会急剧上升。我的习惯是一个零件分几次生成先做主体外轮廓再一个一个往上加次特征。这跟人类建模里的思路完全一致先加基础特征再加细节特征。3.3 从生成到可用验证闭环怎么做模型的输出永远可能是错的所以一定要有一个“生成-验证-反馈”的闭环。最简单的验证方式就是让 OpenSCAD 把代码编译成渲染结果程序报错或者生成的结果乱成一团那就是失败的。我在实测中摸索出来一套比较高效的人工验证流程代码语法能不能编译通过。这一步 OpenSCAD 会直接告诉你哪一行有问题大部分问题出在多余的括号、漏掉分号、函数名拼错。视觉检查渲染出来的模型轮廓。把模型旋转一圈看有没有明显的破面、多余的悬空体、或者尺寸比例明显不对的地方。导出 STEP 或者 STL 后导入专业 CAD 软件里做量测。这一步最关键因为 OpenSCAD 的渲染视图有时候有视觉欺骗性你自己一比一的尺寸测量才是硬标准。我自己用的检查流程是生成后导入 Fusion 360 或者直接用 Blender 的 MeasureIt 插件量关键尺寸跟提示词里的主要数值对一遍。不要觉得这步麻烦大模型对数字的把握能力远没有你想象中那么强尤其是经过几轮叠加修改后尺寸漂移是高频问题。你让模型创建“边长为 50mm 的立方体”它给你写成 50.001mm虽然视觉上看不出来但导入装配体时就成了 0.001mm 的干涉量强迫症也能让你疯掉。另一个重要技巧是把生成出来的模型“固化”成自己的零件库。比如我最开始让模型生成了一个带燕尾槽的滑块做完验证没问题我就把这段 .scad 代码和参数说明整理存下来。以后再有类似需求直接把参数告诉我自己沉淀的提示词模板一次成功的概率能到 80% 以上。这也是 text-to-cad 工作流里容易被忽略的长期价值你一直在积累可复用的“语言-几何”映射资产。4. 实际业务中的应用方法4.1 能用在哪从手板快速原型到参数化族库text-to-cad 离业务到底有多远我说几个我见过真实落地的场景。第一个场景是 3D 打印快速验证。很多创客或者小工厂拿它生成样品的初始版本建模可能只要几十秒出来的模型虽然不是最终设计但拿来做尺寸验证、装配验证足够参考了。我认识一个做机械零件外协的朋友他把客户发的文字需求和手绘草图直接粘进 text-to-cad 工具里先生成一个初始模型跟客户确认概念之后再在 SolidWorks 里做精修。原本要来回两三个小时的沟通现在十几分钟就能确认个大概方向。第二个场景是参数化族库的批量生成。建筑和工程行业常有大量的标准件比如不同规格的管道接头、支架、法兰。以往建族库是人工一个个对着参数表画又累又无聊。用 text-to-cad 的方式把模型逻辑写成一套带参数的脚本然后让语言模型根据需求填参数值批量跑出来再导入审查。这个流程一旦跑通生成几百个变体就跟流水线一样。第三个场景稍微慢热一点就是跟已有的设计自动化流程做衔接。比如你把 text-to-cad 生成的结果作为下游仿真分析的前置输入跑一轮快速结构验证从一堆方案里挑出靠谱的再深入设计。这个用法其实很妙因为设计初期的方案对比不需要高精度模型能给出大概的几何和重量分布就够了。4.2 别高估也别低估text-to-cad 的能力边界说完了优点我得泼一下冷水。现在的 text-to-cad 在两类东西面前非常吃力一类是钣金件因为钣金有自己的加工约束比如最小折弯半径、料厚、展开计算这些依赖制造工艺知识而不是纯几何知识另一类是复杂的装配体比如一个包含几十个零件、有运动副、有配合关系的东西现在的模型只能生成单个零件的几何外形离生成整个装配结构还差得远。还有一类问题是“功能语义”理解。你跟模型说“做一个能固定 42mm 宽 PCB 板的卡扣支架”模型生成出来的几何外形可能合理但强度和装配公差完全没谱。原因很简单text-to-cad 模型是学几何翻译不是学结构设计和公差分析。它可以又快又准地把你的语言翻译成形状但它不懂力学不懂材料属性更不懂你后续工艺的加工限制。所以把它定位成“加速从想法到初步几何”的工具是最合理的期待值。5. 常见问题与排查技巧实录5.1 高频问题速查表我把实际操作中最容易遇到的几个问题整理了一下方便你对照排查。现象最常见原因解决方向生成代码语法报错模型对 OpenSCAD 语法掌握不牢括号或分号缺失修改提示词让模型只输出纯代码块不要解释或者用代码格式化工具先过一遍尺寸跟描述差很远单位混淆把 mm 写成 inch多个特征叠加时参数被覆盖提示词里强制规定单位模型输出后用脚本扫描关键数值做自动核对模型形状对但位置偏移定位基准描述不清回到提示词明确“相对于哪个面/哪条边/哪个轴”来定位布尔运算失败或破面两个体相交的数值刚好是临界值精度设置太低微调几何尺寸或把相交部分加大一点点把 OpenSCAD 的精度参数$fn调高到 100 以上同样的描述每次生成结果都不同模型采样温度太高或者 API 默认设置把 temperature 参数调低到 0.1~0.3使用固定 seed 参数模型说自己生成了但文件打不开输出格式不匹配或编码问题检查是不是存成了 .scad 但内容其实是 JSON 或 Markdown 包裹的代码5.2 三个值得说的排查案例第一个案例是精度问题。我让模型生成一个 M6 螺母外接圆直径 11.05mm 的六角形底座结果渲染出来变成了一个带圆角的六边形。查下来发现模型的提示词里写了“rounded hexagon”它就把六边形的角全部倒圆了。这提醒我描述几何时尽量用模型能准确映射的术语别用“圆润”“光滑”这种主观词除非你真的要那些圆角特征。第二个案例是特征丢失。有一次我让模型生成一个带 4 个加强筋的底座结果 OpenSCAD 渲染出来底座有了加强筋一个都没有。排查后发现原因在布尔运算加强筋和主体求并集时因为加强筋尺寸太小在系统默认精度下运算被自动忽略了。把加强筋尺寸放大零点几毫米后问题就解决了这也算是一个比较典型的“几何容差”问题。第三个案例是“幻觉尺寸”。我给了一张 50mm 宽的参考描述模型生成的板子宽度变成了 50cm直接大了十倍。这种错误在纯文本生成里看不出来导出 STL 才发现。后来我在提示词里明确加上一句“所有未注明单位的数据默认视为毫米”并在生成后用一个小脚本扫描数字跟描述里的关键词比对基本能把这类低级错误过滤掉。5.3 通用排查思路先拆解再归因这里分享一个通用的排查思路遇到任何 text-to-cad 问题都可以按这个顺序过一遍。第一层看模型反应。把同样的描述发给另一个模型比如把 ChatGPT 换成 Claude 开源版如果结果同样离谱大概率是描述本身有问题而不是模型理解能力的问题。第二层看代码执行。把模型生成的代码单独保存下来直接人工阅读看看是逻辑错误还是执行错误这能帮你区分是生成阶段的问题还是引擎阶段的问题。第三层看几何输出。把渲染结果导出成 STEP在专门的查看器里做截面检查确认是不是有内部空洞、反法向面这类视觉上看不出的问题。这套分层的思路本质上是把“语言问题”跟“几何问题”剥离开。很多人遇到生成结果不对就急着换模型、调参数往往浪费了大量时间。先定位问题出在哪一层才能对症下药。6. 一些个人体会做到现在我的整体感觉是 text-to-cad 正在经历一个从“技术 demo”到“实用工具”的临界点但离真正的“设计助手”还有一段路。它最让我惊喜的地方不是一次生成多完美而是在我积累了一批“语言到模型的映射模板”之后它的可复用性非常好。我给它描述同样的需求基本能稳定输出合格的结果这在很大程度上解放了我做重复建模的时间。我个人在实际操作中最受益的习惯是永远保留一份“描述-代码-验证”的记录文档。每一段成功的描述配上生成的代码和最终模型截图就是一个你自己的 mini 训练集。后续无论是调试提示词还是训练更个性化的模型这些记录都是最有价值的资产。如果你打算入坑我的建议是先别纠结大而全的方案用一条最简单的流水线跑起来收集几个真实需求看它能在多大程度上帮到你。等确认了需求频率和复杂度再评估要不要上微调模型。这条路走通之后你会发现“从语言到模型”的距离确实比想象中短得多。