聊CAD建模有个绕不开的现实从脑子里有个零件的样子到CAD软件里出现一个能改、能出图、能加工的模型中间隔着一条“操作表达”的鸿沟。草图、约束、拉伸、倒角、打孔这些操作本身学起来不难难的是你得把设计意图翻译成软件能懂的一步步操作。而text-to-cad这个方向就是想把这个翻译过程直接干掉——你说人话它出模型。过去一年这个领域从论文快速走向了工具化。Zoo的Text-to-CAD已经做成了命令行产品Text2CAD的研究代码也开源了CADGPT这类多模态模型也开始露面。我自己把主流的几个方案都实际跑过一遍这篇文章就围绕text-to-cad展开讲清楚它到底解决了什么问题、背后的技术路线有哪几条、实际操作中怎么用、哪些地方还特别容易翻车以及针对不同需求怎么选工具。这篇文章既写给做机械设计和产品开发的朋友也写给想玩3D打印的创客。如果你是后者可能没学过SolidWorks但你能描述清楚想做个什么东西那text-to-cad正好能把你的语言能力变成建模能力。我会把工具选型、提示词写法、参数调整这些细节都摊开来讲保证你照着操作就能跑通第一版模型。1. text-to-cad到底在解决什么问题1.1 建模流程里的“翻译鸿沟”先从一个常规的CAD建模流程说起。无论你用SolidWorks、Fusion 360还是FreeCAD建一个零件大体都是这几步先想清楚零件的功能和形状然后新建草图绘制二维轮廓添加几何约束比如相切、平行、共线再通过拉伸、旋转、扫描这些特征操作让草图变成三维实体最后打孔、倒角、加圆角。这个过程最耗时间的不是“想”而是“把想的东西掰碎了喂给软件”。一个经验丰富的工程师脑子里早就有了完整的三维形象但他必须把这个形象解码成软件能理解的二维草图与特征序列。这个过程我管它叫“翻译鸿沟”。对于新手来说鸿沟更深——他可能连“先建草图再拉伸”这个基本套路都不清楚自然说不出“我需要一个直径30mm的圆拉伸8mm”这种操作语言。text-to-cad的切入点就在这里它把“设计意图”到“建模操作”之间的翻译工作从人转移给了算法。你要做的只是描述你想要的最终结果比如“一个U型支架底板长100毫米两侧立板高50毫米底板边缘四个直径6毫米的孔”。剩下的草图怎么画、拉伸多少、打孔位置怎么定位由模型在后台替你完成。1.2 和AI生成3D模型文本生成Mesh的本质区别很多人把text-to-cad和“文本生成3D模型”混为一谈这其实是两个方向。早几年的DreamFusion、Point-E、Meshy这类工具走的是“文本生成Mesh”路线输出的是三角网格文件如OBJ、STL。这种模型适合做视觉资产、游戏道具、概念预览但拿到工程场景里基本是废的——网格没有实体拓扑无法编辑参数无法标注尺寸更无法做CAM加工。text-to-cad针对的是工程设计场景输出的是参数化模型、B-rep实体或者CAD操作序列典型格式是STEP、IGES或者带特征树的原生CAD文件。你可以在SolidWorks里打开它改一个孔的直径加一个倒角甚至把它放进装配体里配合其他零件。举个具体例子你让AI生成一个“镂空艺术花瓶”用文本生成Mesh的方案完全够用因为花瓶不需要精确尺寸也不会有后续加工。但让你让AI生成一个“带4个通孔和中心沉孔的法兰盘”那就必须用CAD方案了——法兰孔的直径、位置公差、与轴的配合关系每一样都需要精确几何定义。这就像一个是让画家画个素描一个是让机加工师傅车一个零件交付物完全不是一个层次。1.3 谁最需要这个东西我先说结论text-to-cad不是取代CAD软件而是把CAD从“专业工具”变成“通用能力”的一个过渡形态。第一类受益者是机械工程师。做方案评审或者客户沟通时往往需要在十分钟内出一个初步外形这时候等一个模型要半天可不行。用text-to-cad先快速出一个可编辑的初版再在CAD软件里做细化能把前期探索的时间压缩一大半。第二类是创客和3D打印爱好者。我见过太多人想打印个零件结果卡在了建模这一步。这类用户通常没有机械制图基础但对自己的需求描述得特别清楚。text-to-cad对他们来说就是“描述即建模”门槛直接从几个月压缩到几分钟。第三类是产品经理、工业设计师这些“有想法但不动手建模”的人。他们在跨部门沟通时可以用text-to-cad快速把口头需求变成可视化模型减少理解偏差。一句话这款工具最适合那些“能说清要什么”的人而不论你有没有建模经验。2. 技术原理拆解自然语言是怎么一步步变成CAD模型的2.1 共性架构编码、生成、重建三步走尽管市面上text-to-cad方案很多底层思路基本逃不出一个三步框架。第一步是文本编码用大语言模型或者对比学习模型比如CLIP的文本编码器把用户输入的描述转换成固定维度的语义向量。第二步是几何生成基于这个语义向量在某种中间表示上生成几何内容——这个中间表示可能是点云、体素、隐式距离场也可能是CAD建模指令序列。第三步是模型重建把中间表示转换成最终交付格式比如B-rep实体或者STEP文件。这个框架和文生图模型如Stable Diffusion的流程很像只是把像素空间换成了几何空间。难点在于像素是规则网格上的点而CAD几何是不规则、带精确拓扑的结构所以第三步“重建”比文生图里的“解码”要复杂得多。2.2 路线一程序合成法让大模型写建模脚本这是目前实测下来最稳、也最适合普通用户的路线。思路非常朴素既然大语言模型LLM能写Python代码那能不能让它写CAD建模脚本答案是能。市面上已经有多种成熟的CAD脚本库——OpenSCAD用类C语言描述几何CadQuery和Build123d用Python描述几何FreeCAD也有内置的Python宏接口。具体的实现方式就是给LLM一个明确的系统提示词“你是一个CAD脚本生成器请根据用户描述用CadQuery/OpenSCAD生成一个参数化模型脚本。”大模型会输出一段可执行的代码然后你本地运行这段代码由CAD内核完成几何构建得到最终的实体模型。这条路线最大的优势是完全可控、可编辑。因为LLM生成的是代码而代码中的每个尺寸都是一个变量你可以随意修改参数重新生成。同时它几乎没有额外成本只要你有ChatGPT、Claude这类大模型的访问权限加上本地一个免费的开源脚本库就够了。缺点是复杂几何能力有限。模型可以很好地生成规则机械件——法兰、支架、轴套、齿轮——但很难生成自由曲面或复杂拓扑结构比如一个仿生学流道壳体。另外大模型生成的代码偶尔会报错或者与库版本不兼容需要一点点调试能力。一个我能跑通的示例给模型描述“一个U型支架底板尺寸80x60x5mm两侧立板高40mm厚度5mm四个角各有直径6mm的安装孔”它生成的OpenSCAD代码大概是这样的// U型支架 thickness 5; base_w 80; base_d 60; wall_h 40; hole_r 3; module bracket() { difference() { // 底板 translate([0, 0, -thickness]) cube([base_w, base_d, thickness]); // 两侧立板 translate([0, 0, 0]) cube([base_w, thickness, wall_h]); translate([0, base_d - thickness, 0]) cube([base_w, thickness, wall_h]); // 四个安装孔 for (x [10, base_w - 10], y [10, base_d - 10]) { translate([x, y, -thickness * 2]) cylinder(h thickness * 4, r hole_r, $fn 32); } } } bracket();这段代码在OpenSCAD里直接渲染就能得到实体导出STL后即可切片打印。我实测下来这种玩法的成功率在机加工件上可以达到80%以上而且每次生成的代码都保留参数变量改尺寸非常方便。2.3 路线二数据驱动的CAD操作序列生成这是学术界最主流的方向代表项目是Text2CAD和CADGPT。这条路线的核心是“模仿人类建模过程”。研究人员先收集大量CAD模型将其分解成底层的建模操作序列——先画什么草图曲线、然后做哪个拉伸特征、拉伸高度是多少、再做哪个布尔运算。这些操作序列构成一个数据集比如DeepCAD和ABC数据集然后训练一个Transformer或扩散模型让模型学会“给定一个自然语言描述预测一串建模操作序列”。当模型预测出操作序列后就可以在CAD内核里按步骤回放这些操作最终构造出实体模型。由于每个操作都是真实的建模命令生成的模型天然带有完整的特征历史用户可以在CAD软件里展开特征树看到“草图1、拉伸1、孔1”这样的结构化信息也就能像手工建模一样去编辑它。这里有一个很关键的技术细节CAD建模操作是连续的几何处理不像文本是离散的词序列。为了让模型能生成研究者需要把连续几何参数比如一条贝塞尔曲线的控制点、一个圆孔的圆心坐标和直径离散化成token或者使用特殊设计的连续输出头。Text2CAD里还引入了SE(3)等变几何感知网络让模型对旋转、平移具有天然的不变性——简单说就是你描述“一个长100宽50的板子”模型不会因为描述中的方位变化就生成一个扭曲的几何体。这条路线代表了未来但目前还不够成熟。开源模型的生成质量中等对复杂装配体和无固定形态的零件表现不稳定而且推理时通常需要一块中高端GPU。我跑过Text2CAD的官方推理代码生成简单轴套和支架成功率尚可但生成一些描述模糊的零件时结果经常出现镂空、厚度异常这类低级错误。2.4 路线三多模态大模型直接端到端生成还有一种更激进的路线是训练一个专门的CAD多模态大模型如CADGPT同时接受文本、点云、图片甚至草图作为输入直接输出CAD模型的顶点、边、面表示。这类模型不再走“操作序列回放”的老路而是从数据中直接学习几何分布。这条路线的好处是理论上表达能力更强能处理自由曲面和复杂拓扑坏处是训练成本和推理成本都极高目前还没有真正产品化的方案。可以把它理解成“GPT-4发布前的文生图模型”——方向正确但离普通用户还很远。2.5 三条路线怎么选三条路线的本质区别在于“生成什么中间表示”这决定了输出模型的可编辑性、精确度和使用门槛。我把它们整理成一张对比表对比维度程序合成法LLM脚本库CAD操作序列生成Text2CAD多模态端到端生成CADGPT典型代表ChatGPT/Claude OpenSCAD/CadQueryText2CAD、DeepCAD系列CADGPT研究阶段输出格式OpenSCAD/CadQuery脚本可导出STEP/STL带特征树的原生CAD模型/STEPB-rep实体模型尺寸精确度高完全由代码控制中等低可编辑性极强改参数即可较强有特征历史弱实体难以参数化硬件要求无特殊要求建议NVIDIA GPU高算力使用成本低API费用极便宜开源免费电费无公开服务适合人群所有用户最推荐研究者和进阶玩家关注前沿的人如果你只想找到一个“今天就能用、能解决问题”的方案我建议直接走路线一也就是LLM生成脚本库代码。这也是我后续实操环节的主线。3. 主流工具实测这些项目到底能不能打3.1 Zoo产品化最成熟的黑马Zoo是2024年硅谷一家创业公司推出的Text-to-CAD服务也是目前市面上产品化程度最高的方案之一。它的交互方式非常简单你在网页或命令行里输入一句自然语言描述它调用云端模型返回一个可下载的STEP文件你直接把这个STEP文件导入Fusion 360、SolidWorks或FreeCAD就能用。Zoo的安装和使用非常直白。先注册账号拿到API密钥然后安装命令行工具pip install zoo export ZOO_API_KEY你的密钥 zoo 一个铝制散热片底部为80x60x10mm的基板上方有6片高度25mm的翅片命令执行后工具会返回一个STEP文件的路径整个过程通常在一分钟以内。实测下来Zoo对规则机械件的理解相当好像支架、法兰、齿轮毛坯、散热片这类零件生成的模型几乎可以直接用于概念验证。它输出的STEP文件几何拓扑是完整的导入CAD软件后能正常测量、装配。但Zoo也有一个很明显的问题它生成的是B-rep实体没有特征树。这意味着你在软件里看到一个实心的、无法编辑历史的模型想改一个孔的直径只能重新生成或者在软件里通过布尔运算补救。另外它是付费服务免费额度有限目前是按生成次数计费高频使用的话成本并不低。3.2 Text2CAD开源研究代码值得把玩Text2CAD是2024年学术界发布的开源项目论文全称是“Text to CAD Generation”基于DeepCAD数据集训练采取的是“文本→建模操作序列→CAD重建”的路线。它的开源仓库包含了训练代码、推理代码和预训练权重。我用一张RTX 4070显卡跑过它的推理。环境配置稍麻烦需要安装一个专门的Python环境下载预训练权重还要准备数据集的预处理脚本。成功跑通后输入一句“一个扁平的矩形板四角各有通孔”模型会在几十秒内生成一段CAD指令序列然后用内置的几何引擎重建为模型。说实话它的生成效果和Zoo相比还有差距。我测试了十几个描述只有四五个生成了合理的模型其余的多多少少有几何缺陷——比如孔的位置偏离、拉伸高度不匹配描述、模型自相交等。但它有几个优势一是完全离线运行数据不出内网二是生成的模型保留了建模操作序列编辑性比Zoo的B-rep好三是代码和训练方法完全公开对于想研究技术原理的人来说它的价值远超一个工具本身。3.3 用ChatGPT/Claude直接生成脚本最被低估的玩法这条方案我在前面已经提到简单说就是让通用大模型直接输出OpenSCAD、CadQuery或FreeCAD宏脚本。它的好处已经说过很多这里我补几个实操细节。第一模型选择上Claude和GPT-4系列对OpenSCAD语法掌握得更好因为它们训练的代码语料里这类少众语言覆盖率较高。第二为了让模型输出可以运行的代码提示词里要明确“只输出代码不要解释”否则大模型会附带一堆说明文字影响代码解析。第三如果模型生成的代码报错直接把报错信息贴回给模型让它自修复通常一两次就能修好。这种玩法的效果上限取决于你描述的清晰度。描述越具体生成的模型越准确。我测试时输入“生成一个CadQuery模型一个半径30mm、高度20mm的圆柱体顶部中心有一个半径10mm、深度15mm的沉孔”模型生成的代码首次运行就成功了导出STEP后在FreeCAD里打开尺寸完全正确。3.4 我的工具选型建议给你一个可以直接抄的选型逻辑。如果你工作流里已经有CAD软件且希望快速得到一个能用的初始方案选Zoo这类商业服务如果你还在学习阶段想理解text-to-cad的底层逻辑跑一遍Text2CAD的开源代码会有收获如果你预算为零或者对数据隐私有要求那就用LLM脚本库的组合。这从某种意义上是个“时间换质量”的选择。商业服务最省心但花钱而且不可定制开源模型最自由但调试成本高LLM脚本方案最灵活但对提示词和调试能力有一点要求。没有绝对最优只有场景匹配。4. 实操全记录从一段文字到一个可导入的STEP文件4.1 实操一用Zoo从零生成一个法兰盘我拿“法兰盘”这个典型机械件做演示因为它的几何特征清楚既包含回转体拉伸又有圆周阵列孔能很好地检验text-to-cad的真实水平。第一步去Zoo官网注册账号在控制台里创建一个API Key。第二步按前面说的安装命令行工具并配置密钥。第三步写提示词。我第一版提示词写的是“一个法兰盘”生成结果完全不可用——模型给了个不规则的圆盘尺寸完全随机。后来我按“对象主尺寸特征布局单位”的结构重写zoo 一个法兰盘总外径60mm中心孔径20mm盘体厚度10mm外圈有4个直径6mm的通孔均匀分布在直径45mm的螺栓圆上这次生成的效果合格。STEP文件下载后我在FreeCAD里导入测量结果与描述完全一致外径60.00mm中心孔20.00mm螺栓孔直径6.00mm螺栓圆直径45.01mm。作为概念模型完全达标。整个过程最值得说的一个细节是单位明确性。凡是提示词里不带单位模型就会默认用毫米但生成的数值经常不符合你的心理预期——比如你说“一个直径5的孔”它可能理解成5英寸也可能理解成5毫米。所以我强烈建议所有数字后面都明确写单位。4.2 提示词公式把需求说成人话在做了大量测试之后我总结出一个稳定的提示词公式适用于几乎所有text-to-cad工具零件名称 主要外形尺寸长宽高/直径/厚度 特征细节孔、槽、倒角、螺纹 特征分布均匀排列/对称/距离边多远 单位标注mm/inch遵循这个公式提示词会从“一个支架”变成“一个L型支架底板长度80mm宽度60mm厚度5mm立板高度40mm厚度5mm底板上有4个直径6mm的安装孔分别距离四个角10mm”。后者的生成成功率要比前者高好几倍。还有一个提升成功率的说话方式把“看起来像什么”的描述改成几何参数描述。模型不理解“漂亮的”“流线型”“结实”这些形容词只理解“直径”“高度”“厚度”“阵列”这些数学概念。4.3 实操二用OpenSCAD脚本路线走通U型支架再演示一遍我前面提到的脚本路线这次用一个U型支架作为例子。我使用的提示词是请用OpenSCAD语言生成一个U型支架模型。要求 1. 底板长80mm、宽60mm、厚5mm 2. 左右两侧立板高40mm、厚5mm与底板垂直 3. 底板四个角各有直径6mm的安装通孔孔心距边10mm 4. 所有尺寸定义为参数变量方便后续修改 5. 只输出OpenSCAD代码不要解释把这段提示词发给Claude或ChatGPT拿到代码后保存为bracket.scad打开OpenSCAD按F5渲染再F6执行完整几何计算最后用File → Export导出STL或STEP。我实测下来第一次生成的代码可能有坐标系问题导致孔位偏移但在OpenSCAD里直接观察剖面就能发现把错误信息反馈给模型改一版第二轮基本正确。注意OpenSCAD默认导出的是STL网格文件如果想导出STEP需要安装第三方插件或在FreeCAD里导入STL后再转STEP。对于3D打印场景STL完全够用对于CNC加工场景建议用CadQuery或Build123d替代OpenSCAD因为它们能直接导出STEP。4.4 从生成模型到真正可用中间还差几步生成模型不是终点尤其如果你要把模型拿去加工或打印还需要做几件不起眼但很重要的事。第一是检查壁厚。AI生成的模型经常出现薄壁或不合理悬空3D打印时一打印就失败。第二是检查单位。有些工具输出的是英寸导入软件时如果默认毫米尺寸会放大25.4倍——这个坑我踩过不止一次。第三是检查实体完整性。用“检查几何体”功能扫描模型排除自相交、非流形边缘这类问题。这些步骤花不了几分钟但能省下后续打印或加工失败的一大笔时间。5. 踩坑实录常见问题与排查技巧5.1 尺寸和单位不听话生成的模型比例是歪的这是我遇到最频繁的问题。一次用Zoo生成“一个直径25毫米的圆柱”结果模型输出后显示半径为25英寸。这类问题的根源是文本编码器对单位的理解太弱它把“25”当成核心数字却把毫米这个单位当成无意义的修饰词。排查办法很简单生成之后立刻在CAD软件里用测量工具核对关键尺寸不要信任视觉比例。如果尺寸不对在提示词里把单位写进零件名称里比如“25mm_diameter_cylinder”这个技巧能显著提高准确率。甚至在有些工具里你还可以在提示词里加一句“所有尺寸单位均为公制毫米”等于给模型一个强约束。5.2 生成的特征是“死”的无法编辑Zoo和很多端到端方案的输出是B-rep实体导入CAD软件后只有一个实体特征没有草图、没有拉伸特征、没有操作历史。你没法直接修改孔的直径或阵列数目。遇到这种情况有两种补救办法。一是在Fusion 360里使用“识别特征”功能让软件自动从B-rep反向推导出操作历史虽然复杂模型识别率不高但对简单零件效果尚可。二是干脆放弃编辑把生成的STEP文件当作参考几何照着它重新建一个带特征树的模型。听起来绕远路但对后期设计修改而言重建比修补更高效。5.3 生成结果经常超时或直接失败云端服务比如Zoo经常遇到请求超时、排队过久的情况。排查顺序是这样先检查网络状况再确认API Key有余额然后尝试简化提示词——一条包含十几个特征的超长提示词不仅生成慢也更容易让模型逻辑混乱。如果多次重试仍然失败我建议把描述拆成两个阶段先让模型生成一个基础几何体再分步添加特征。这相当于把一个大需求拆成多个小需求每步的成功率都会明显提高。我自己在实际使用中对有6个以上特征的零件基本都会这样做。5.4 常见问题速查表问题现象可能原因解决办法模型尺寸夸张不对单位理解错误英制/公制混淆提示词所有数字带mm在零件名里加单位孔位偏移或数量不对特征分布描述不清晰使用“均匀分布在直径X的圆上”这类标准化表述模型自相交或破面端到端生成的几何缺陷用CAD软件自动修复功能对关键件重新生成导入后只有实体没有特征树模型输出的是B-rep格式使用Fusion 360“识别特征”或手动重建生成超时/排队过长提示词太长或服务高峰期精简提示词拆分需求避开高峰时段脚本代码报错无法运行大模型生成了不兼容的API调用把报错信息贴回给模型让它自修复6. 我的经验总结这套东西现在到底该怎么用6.1 当前最适合的三个场景经过大半年的实际使用我认为text-to-cad现在最适合当“概念加速器”和“沟通翻译器”而不是生产工具。第一个场景是方案前期探索。做设计评审前你需要快速对比三五种形态不同的方案比如“同尺寸的封闭箱体”和“百叶窗散热箱体”手动建模每个要半小时而用text-to-cad生成只需要几分钟。快速对比后再花精力细化最有潜力的那一个整体效率提升明显。第二个场景是跨岗位沟通。产品经理描述需求时发一个AI生成模型机械工程师一看就知道意图比来回拉锯要快得多。第三个场景是个人建模学习。让AI生成能编辑参数的原生脚本然后在OpenSCAD或FreeCAD里打开观察不同参数如何影响最终形状这是理解参数化建模逻辑的绝佳路径。6.2 什么情况别用它一句话凡是涉及精密配合、强度计算和复杂装配的位置都别用它。如果你的零件要和一个标准件配合比如轴承座内孔要过盈配合某个轴径0.05mm的公差都会决定装配成败而现在的text-to-cad模型连稳定输出“0.1mm”的精度都做不到。另外有强度或热性能要求的零件AI生成的外形看似合理但内部应力、材料分布都不可控必须由工程师重新设计和校核。我的习惯是把AI生成的模型当成“可以讨论的黄泥稿”而不是“可以交付的施工图”。它能节省从0到1的时间但从1到100的专业工作仍然得靠自己。6.3 给新手的快速上手路线如果你的目标是“今天就能生成一个自己想要的零件”按这个路线走第一步下载OpenSCAD免费且轻量20分钟就能学会基本界面操作。第二步用ChatGPT或Claude生成脚本把上面的U型支架提示词改成你自己的需求。第三步在OpenSCAD里渲染并导出STL直接切片打印。整个过程你的工作量不超过半小时但这半小时里你会对“如何向AI描述几何”有最直观的体感。跑通之后再按需进阶到Zoo这类商业服务或者尝试Text2CAD的研究代码。我个人的体会是先掌握了脚本路线再用其他工具会顺手很多因为你能通过脚本判断生成结果的几何逻辑而不只是看一个表面上像不像的模型。6.4 下一步往哪个方向进化这个领域的技术迭代速度很快。我看到的方向有两个一是特征识别与重建的成熟化让AI直接输出带参数化历史的标准CAD文件我们在CAD软件里的可编辑性会大幅提升二是与BIM、仿真分析的集成让生成的模型自动带上材料属性和初步仿真条件。可以预见未来它在设计工具链里会逐渐成为一种被默认集成的能力。我自己操作中的体会是工具的边界在快速外移但设计本身的判断力反而变得越来越重要。你越清楚自己想做一个什么样的零件越能把需求精确翻译给AI得到的模型质量就越可控。这就是text-to-cad时代里的“建模力”——不再是你手里鼠标用得多好而是你脑子里把几何、尺寸和功能想得多清楚一句话表达得多准确。最后再分享一个实践中的小技巧对同一句话生成多次挑最优结果。这类生成模型有随机性同一句提示词生成三次可能得到三个质量不同的模型我通常会在生成后对比几何测量值选最接近需求的那个。这算不上什么技术含量但确实是我实测下来唯一百分百能提升结果质量的指标。 
长河君 · 2026/10/27 4:53:37 · 阅读 1.2k Text-to-CAD深度解析：从自然语言到参数化模型的原理、工具与实操指南
聊CAD建模有个绕不开的现实从脑子里有个零件的样子到CAD软件里出现一个能改、能出图、能加工的模型中间隔着一条“操作表达”的鸿沟。草图、约束、拉伸、倒角、打孔这些操作本身学起来不难难的是你得把设计意图翻译成软件能懂的一步步操作。而text-to-cad这个方向就是想把这个翻译过程直接干掉——你说人话它出模型。过去一年这个领域从论文快速走向了工具化。Zoo的Text-to-CAD已经做成了命令行产品Text2CAD的研究代码也开源了CADGPT这类多模态模型也开始露面。我自己把主流的几个方案都实际跑过一遍这篇文章就围绕text-to-cad展开讲清楚它到底解决了什么问题、背后的技术路线有哪几条、实际操作中怎么用、哪些地方还特别容易翻车以及针对不同需求怎么选工具。这篇文章既写给做机械设计和产品开发的朋友也写给想玩3D打印的创客。如果你是后者可能没学过SolidWorks但你能描述清楚想做个什么东西那text-to-cad正好能把你的语言能力变成建模能力。我会把工具选型、提示词写法、参数调整这些细节都摊开来讲保证你照着操作就能跑通第一版模型。1. text-to-cad到底在解决什么问题1.1 建模流程里的“翻译鸿沟”先从一个常规的CAD建模流程说起。无论你用SolidWorks、Fusion 360还是FreeCAD建一个零件大体都是这几步先想清楚零件的功能和形状然后新建草图绘制二维轮廓添加几何约束比如相切、平行、共线再通过拉伸、旋转、扫描这些特征操作让草图变成三维实体最后打孔、倒角、加圆角。这个过程最耗时间的不是“想”而是“把想的东西掰碎了喂给软件”。一个经验丰富的工程师脑子里早就有了完整的三维形象但他必须把这个形象解码成软件能理解的二维草图与特征序列。这个过程我管它叫“翻译鸿沟”。对于新手来说鸿沟更深——他可能连“先建草图再拉伸”这个基本套路都不清楚自然说不出“我需要一个直径30mm的圆拉伸8mm”这种操作语言。text-to-cad的切入点就在这里它把“设计意图”到“建模操作”之间的翻译工作从人转移给了算法。你要做的只是描述你想要的最终结果比如“一个U型支架底板长100毫米两侧立板高50毫米底板边缘四个直径6毫米的孔”。剩下的草图怎么画、拉伸多少、打孔位置怎么定位由模型在后台替你完成。1.2 和AI生成3D模型文本生成Mesh的本质区别很多人把text-to-cad和“文本生成3D模型”混为一谈这其实是两个方向。早几年的DreamFusion、Point-E、Meshy这类工具走的是“文本生成Mesh”路线输出的是三角网格文件如OBJ、STL。这种模型适合做视觉资产、游戏道具、概念预览但拿到工程场景里基本是废的——网格没有实体拓扑无法编辑参数无法标注尺寸更无法做CAM加工。text-to-cad针对的是工程设计场景输出的是参数化模型、B-rep实体或者CAD操作序列典型格式是STEP、IGES或者带特征树的原生CAD文件。你可以在SolidWorks里打开它改一个孔的直径加一个倒角甚至把它放进装配体里配合其他零件。举个具体例子你让AI生成一个“镂空艺术花瓶”用文本生成Mesh的方案完全够用因为花瓶不需要精确尺寸也不会有后续加工。但让你让AI生成一个“带4个通孔和中心沉孔的法兰盘”那就必须用CAD方案了——法兰孔的直径、位置公差、与轴的配合关系每一样都需要精确几何定义。这就像一个是让画家画个素描一个是让机加工师傅车一个零件交付物完全不是一个层次。1.3 谁最需要这个东西我先说结论text-to-cad不是取代CAD软件而是把CAD从“专业工具”变成“通用能力”的一个过渡形态。第一类受益者是机械工程师。做方案评审或者客户沟通时往往需要在十分钟内出一个初步外形这时候等一个模型要半天可不行。用text-to-cad先快速出一个可编辑的初版再在CAD软件里做细化能把前期探索的时间压缩一大半。第二类是创客和3D打印爱好者。我见过太多人想打印个零件结果卡在了建模这一步。这类用户通常没有机械制图基础但对自己的需求描述得特别清楚。text-to-cad对他们来说就是“描述即建模”门槛直接从几个月压缩到几分钟。第三类是产品经理、工业设计师这些“有想法但不动手建模”的人。他们在跨部门沟通时可以用text-to-cad快速把口头需求变成可视化模型减少理解偏差。一句话这款工具最适合那些“能说清要什么”的人而不论你有没有建模经验。2. 技术原理拆解自然语言是怎么一步步变成CAD模型的2.1 共性架构编码、生成、重建三步走尽管市面上text-to-cad方案很多底层思路基本逃不出一个三步框架。第一步是文本编码用大语言模型或者对比学习模型比如CLIP的文本编码器把用户输入的描述转换成固定维度的语义向量。第二步是几何生成基于这个语义向量在某种中间表示上生成几何内容——这个中间表示可能是点云、体素、隐式距离场也可能是CAD建模指令序列。第三步是模型重建把中间表示转换成最终交付格式比如B-rep实体或者STEP文件。这个框架和文生图模型如Stable Diffusion的流程很像只是把像素空间换成了几何空间。难点在于像素是规则网格上的点而CAD几何是不规则、带精确拓扑的结构所以第三步“重建”比文生图里的“解码”要复杂得多。2.2 路线一程序合成法让大模型写建模脚本这是目前实测下来最稳、也最适合普通用户的路线。思路非常朴素既然大语言模型LLM能写Python代码那能不能让它写CAD建模脚本答案是能。市面上已经有多种成熟的CAD脚本库——OpenSCAD用类C语言描述几何CadQuery和Build123d用Python描述几何FreeCAD也有内置的Python宏接口。具体的实现方式就是给LLM一个明确的系统提示词“你是一个CAD脚本生成器请根据用户描述用CadQuery/OpenSCAD生成一个参数化模型脚本。”大模型会输出一段可执行的代码然后你本地运行这段代码由CAD内核完成几何构建得到最终的实体模型。这条路线最大的优势是完全可控、可编辑。因为LLM生成的是代码而代码中的每个尺寸都是一个变量你可以随意修改参数重新生成。同时它几乎没有额外成本只要你有ChatGPT、Claude这类大模型的访问权限加上本地一个免费的开源脚本库就够了。缺点是复杂几何能力有限。模型可以很好地生成规则机械件——法兰、支架、轴套、齿轮——但很难生成自由曲面或复杂拓扑结构比如一个仿生学流道壳体。另外大模型生成的代码偶尔会报错或者与库版本不兼容需要一点点调试能力。一个我能跑通的示例给模型描述“一个U型支架底板尺寸80x60x5mm两侧立板高40mm厚度5mm四个角各有直径6mm的安装孔”它生成的OpenSCAD代码大概是这样的// U型支架 thickness 5; base_w 80; base_d 60; wall_h 40; hole_r 3; module bracket() { difference() { // 底板 translate([0, 0, -thickness]) cube([base_w, base_d, thickness]); // 两侧立板 translate([0, 0, 0]) cube([base_w, thickness, wall_h]); translate([0, base_d - thickness, 0]) cube([base_w, thickness, wall_h]); // 四个安装孔 for (x [10, base_w - 10], y [10, base_d - 10]) { translate([x, y, -thickness * 2]) cylinder(h thickness * 4, r hole_r, $fn 32); } } } bracket();这段代码在OpenSCAD里直接渲染就能得到实体导出STL后即可切片打印。我实测下来这种玩法的成功率在机加工件上可以达到80%以上而且每次生成的代码都保留参数变量改尺寸非常方便。2.3 路线二数据驱动的CAD操作序列生成这是学术界最主流的方向代表项目是Text2CAD和CADGPT。这条路线的核心是“模仿人类建模过程”。研究人员先收集大量CAD模型将其分解成底层的建模操作序列——先画什么草图曲线、然后做哪个拉伸特征、拉伸高度是多少、再做哪个布尔运算。这些操作序列构成一个数据集比如DeepCAD和ABC数据集然后训练一个Transformer或扩散模型让模型学会“给定一个自然语言描述预测一串建模操作序列”。当模型预测出操作序列后就可以在CAD内核里按步骤回放这些操作最终构造出实体模型。由于每个操作都是真实的建模命令生成的模型天然带有完整的特征历史用户可以在CAD软件里展开特征树看到“草图1、拉伸1、孔1”这样的结构化信息也就能像手工建模一样去编辑它。这里有一个很关键的技术细节CAD建模操作是连续的几何处理不像文本是离散的词序列。为了让模型能生成研究者需要把连续几何参数比如一条贝塞尔曲线的控制点、一个圆孔的圆心坐标和直径离散化成token或者使用特殊设计的连续输出头。Text2CAD里还引入了SE(3)等变几何感知网络让模型对旋转、平移具有天然的不变性——简单说就是你描述“一个长100宽50的板子”模型不会因为描述中的方位变化就生成一个扭曲的几何体。这条路线代表了未来但目前还不够成熟。开源模型的生成质量中等对复杂装配体和无固定形态的零件表现不稳定而且推理时通常需要一块中高端GPU。我跑过Text2CAD的官方推理代码生成简单轴套和支架成功率尚可但生成一些描述模糊的零件时结果经常出现镂空、厚度异常这类低级错误。2.4 路线三多模态大模型直接端到端生成还有一种更激进的路线是训练一个专门的CAD多模态大模型如CADGPT同时接受文本、点云、图片甚至草图作为输入直接输出CAD模型的顶点、边、面表示。这类模型不再走“操作序列回放”的老路而是从数据中直接学习几何分布。这条路线的好处是理论上表达能力更强能处理自由曲面和复杂拓扑坏处是训练成本和推理成本都极高目前还没有真正产品化的方案。可以把它理解成“GPT-4发布前的文生图模型”——方向正确但离普通用户还很远。2.5 三条路线怎么选三条路线的本质区别在于“生成什么中间表示”这决定了输出模型的可编辑性、精确度和使用门槛。我把它们整理成一张对比表对比维度程序合成法LLM脚本库CAD操作序列生成Text2CAD多模态端到端生成CADGPT典型代表ChatGPT/Claude OpenSCAD/CadQueryText2CAD、DeepCAD系列CADGPT研究阶段输出格式OpenSCAD/CadQuery脚本可导出STEP/STL带特征树的原生CAD模型/STEPB-rep实体模型尺寸精确度高完全由代码控制中等低可编辑性极强改参数即可较强有特征历史弱实体难以参数化硬件要求无特殊要求建议NVIDIA GPU高算力使用成本低API费用极便宜开源免费电费无公开服务适合人群所有用户最推荐研究者和进阶玩家关注前沿的人如果你只想找到一个“今天就能用、能解决问题”的方案我建议直接走路线一也就是LLM生成脚本库代码。这也是我后续实操环节的主线。3. 主流工具实测这些项目到底能不能打3.1 Zoo产品化最成熟的黑马Zoo是2024年硅谷一家创业公司推出的Text-to-CAD服务也是目前市面上产品化程度最高的方案之一。它的交互方式非常简单你在网页或命令行里输入一句自然语言描述它调用云端模型返回一个可下载的STEP文件你直接把这个STEP文件导入Fusion 360、SolidWorks或FreeCAD就能用。Zoo的安装和使用非常直白。先注册账号拿到API密钥然后安装命令行工具pip install zoo export ZOO_API_KEY你的密钥 zoo 一个铝制散热片底部为80x60x10mm的基板上方有6片高度25mm的翅片命令执行后工具会返回一个STEP文件的路径整个过程通常在一分钟以内。实测下来Zoo对规则机械件的理解相当好像支架、法兰、齿轮毛坯、散热片这类零件生成的模型几乎可以直接用于概念验证。它输出的STEP文件几何拓扑是完整的导入CAD软件后能正常测量、装配。但Zoo也有一个很明显的问题它生成的是B-rep实体没有特征树。这意味着你在软件里看到一个实心的、无法编辑历史的模型想改一个孔的直径只能重新生成或者在软件里通过布尔运算补救。另外它是付费服务免费额度有限目前是按生成次数计费高频使用的话成本并不低。3.2 Text2CAD开源研究代码值得把玩Text2CAD是2024年学术界发布的开源项目论文全称是“Text to CAD Generation”基于DeepCAD数据集训练采取的是“文本→建模操作序列→CAD重建”的路线。它的开源仓库包含了训练代码、推理代码和预训练权重。我用一张RTX 4070显卡跑过它的推理。环境配置稍麻烦需要安装一个专门的Python环境下载预训练权重还要准备数据集的预处理脚本。成功跑通后输入一句“一个扁平的矩形板四角各有通孔”模型会在几十秒内生成一段CAD指令序列然后用内置的几何引擎重建为模型。说实话它的生成效果和Zoo相比还有差距。我测试了十几个描述只有四五个生成了合理的模型其余的多多少少有几何缺陷——比如孔的位置偏离、拉伸高度不匹配描述、模型自相交等。但它有几个优势一是完全离线运行数据不出内网二是生成的模型保留了建模操作序列编辑性比Zoo的B-rep好三是代码和训练方法完全公开对于想研究技术原理的人来说它的价值远超一个工具本身。3.3 用ChatGPT/Claude直接生成脚本最被低估的玩法这条方案我在前面已经提到简单说就是让通用大模型直接输出OpenSCAD、CadQuery或FreeCAD宏脚本。它的好处已经说过很多这里我补几个实操细节。第一模型选择上Claude和GPT-4系列对OpenSCAD语法掌握得更好因为它们训练的代码语料里这类少众语言覆盖率较高。第二为了让模型输出可以运行的代码提示词里要明确“只输出代码不要解释”否则大模型会附带一堆说明文字影响代码解析。第三如果模型生成的代码报错直接把报错信息贴回给模型让它自修复通常一两次就能修好。这种玩法的效果上限取决于你描述的清晰度。描述越具体生成的模型越准确。我测试时输入“生成一个CadQuery模型一个半径30mm、高度20mm的圆柱体顶部中心有一个半径10mm、深度15mm的沉孔”模型生成的代码首次运行就成功了导出STEP后在FreeCAD里打开尺寸完全正确。3.4 我的工具选型建议给你一个可以直接抄的选型逻辑。如果你工作流里已经有CAD软件且希望快速得到一个能用的初始方案选Zoo这类商业服务如果你还在学习阶段想理解text-to-cad的底层逻辑跑一遍Text2CAD的开源代码会有收获如果你预算为零或者对数据隐私有要求那就用LLM脚本库的组合。这从某种意义上是个“时间换质量”的选择。商业服务最省心但花钱而且不可定制开源模型最自由但调试成本高LLM脚本方案最灵活但对提示词和调试能力有一点要求。没有绝对最优只有场景匹配。4. 实操全记录从一段文字到一个可导入的STEP文件4.1 实操一用Zoo从零生成一个法兰盘我拿“法兰盘”这个典型机械件做演示因为它的几何特征清楚既包含回转体拉伸又有圆周阵列孔能很好地检验text-to-cad的真实水平。第一步去Zoo官网注册账号在控制台里创建一个API Key。第二步按前面说的安装命令行工具并配置密钥。第三步写提示词。我第一版提示词写的是“一个法兰盘”生成结果完全不可用——模型给了个不规则的圆盘尺寸完全随机。后来我按“对象主尺寸特征布局单位”的结构重写zoo 一个法兰盘总外径60mm中心孔径20mm盘体厚度10mm外圈有4个直径6mm的通孔均匀分布在直径45mm的螺栓圆上这次生成的效果合格。STEP文件下载后我在FreeCAD里导入测量结果与描述完全一致外径60.00mm中心孔20.00mm螺栓孔直径6.00mm螺栓圆直径45.01mm。作为概念模型完全达标。整个过程最值得说的一个细节是单位明确性。凡是提示词里不带单位模型就会默认用毫米但生成的数值经常不符合你的心理预期——比如你说“一个直径5的孔”它可能理解成5英寸也可能理解成5毫米。所以我强烈建议所有数字后面都明确写单位。4.2 提示词公式把需求说成人话在做了大量测试之后我总结出一个稳定的提示词公式适用于几乎所有text-to-cad工具零件名称 主要外形尺寸长宽高/直径/厚度 特征细节孔、槽、倒角、螺纹 特征分布均匀排列/对称/距离边多远 单位标注mm/inch遵循这个公式提示词会从“一个支架”变成“一个L型支架底板长度80mm宽度60mm厚度5mm立板高度40mm厚度5mm底板上有4个直径6mm的安装孔分别距离四个角10mm”。后者的生成成功率要比前者高好几倍。还有一个提升成功率的说话方式把“看起来像什么”的描述改成几何参数描述。模型不理解“漂亮的”“流线型”“结实”这些形容词只理解“直径”“高度”“厚度”“阵列”这些数学概念。4.3 实操二用OpenSCAD脚本路线走通U型支架再演示一遍我前面提到的脚本路线这次用一个U型支架作为例子。我使用的提示词是请用OpenSCAD语言生成一个U型支架模型。要求 1. 底板长80mm、宽60mm、厚5mm 2. 左右两侧立板高40mm、厚5mm与底板垂直 3. 底板四个角各有直径6mm的安装通孔孔心距边10mm 4. 所有尺寸定义为参数变量方便后续修改 5. 只输出OpenSCAD代码不要解释把这段提示词发给Claude或ChatGPT拿到代码后保存为bracket.scad打开OpenSCAD按F5渲染再F6执行完整几何计算最后用File → Export导出STL或STEP。我实测下来第一次生成的代码可能有坐标系问题导致孔位偏移但在OpenSCAD里直接观察剖面就能发现把错误信息反馈给模型改一版第二轮基本正确。注意OpenSCAD默认导出的是STL网格文件如果想导出STEP需要安装第三方插件或在FreeCAD里导入STL后再转STEP。对于3D打印场景STL完全够用对于CNC加工场景建议用CadQuery或Build123d替代OpenSCAD因为它们能直接导出STEP。4.4 从生成模型到真正可用中间还差几步生成模型不是终点尤其如果你要把模型拿去加工或打印还需要做几件不起眼但很重要的事。第一是检查壁厚。AI生成的模型经常出现薄壁或不合理悬空3D打印时一打印就失败。第二是检查单位。有些工具输出的是英寸导入软件时如果默认毫米尺寸会放大25.4倍——这个坑我踩过不止一次。第三是检查实体完整性。用“检查几何体”功能扫描模型排除自相交、非流形边缘这类问题。这些步骤花不了几分钟但能省下后续打印或加工失败的一大笔时间。5. 踩坑实录常见问题与排查技巧5.1 尺寸和单位不听话生成的模型比例是歪的这是我遇到最频繁的问题。一次用Zoo生成“一个直径25毫米的圆柱”结果模型输出后显示半径为25英寸。这类问题的根源是文本编码器对单位的理解太弱它把“25”当成核心数字却把毫米这个单位当成无意义的修饰词。排查办法很简单生成之后立刻在CAD软件里用测量工具核对关键尺寸不要信任视觉比例。如果尺寸不对在提示词里把单位写进零件名称里比如“25mm_diameter_cylinder”这个技巧能显著提高准确率。甚至在有些工具里你还可以在提示词里加一句“所有尺寸单位均为公制毫米”等于给模型一个强约束。5.2 生成的特征是“死”的无法编辑Zoo和很多端到端方案的输出是B-rep实体导入CAD软件后只有一个实体特征没有草图、没有拉伸特征、没有操作历史。你没法直接修改孔的直径或阵列数目。遇到这种情况有两种补救办法。一是在Fusion 360里使用“识别特征”功能让软件自动从B-rep反向推导出操作历史虽然复杂模型识别率不高但对简单零件效果尚可。二是干脆放弃编辑把生成的STEP文件当作参考几何照着它重新建一个带特征树的模型。听起来绕远路但对后期设计修改而言重建比修补更高效。5.3 生成结果经常超时或直接失败云端服务比如Zoo经常遇到请求超时、排队过久的情况。排查顺序是这样先检查网络状况再确认API Key有余额然后尝试简化提示词——一条包含十几个特征的超长提示词不仅生成慢也更容易让模型逻辑混乱。如果多次重试仍然失败我建议把描述拆成两个阶段先让模型生成一个基础几何体再分步添加特征。这相当于把一个大需求拆成多个小需求每步的成功率都会明显提高。我自己在实际使用中对有6个以上特征的零件基本都会这样做。5.4 常见问题速查表问题现象可能原因解决办法模型尺寸夸张不对单位理解错误英制/公制混淆提示词所有数字带mm在零件名里加单位孔位偏移或数量不对特征分布描述不清晰使用“均匀分布在直径X的圆上”这类标准化表述模型自相交或破面端到端生成的几何缺陷用CAD软件自动修复功能对关键件重新生成导入后只有实体没有特征树模型输出的是B-rep格式使用Fusion 360“识别特征”或手动重建生成超时/排队过长提示词太长或服务高峰期精简提示词拆分需求避开高峰时段脚本代码报错无法运行大模型生成了不兼容的API调用把报错信息贴回给模型让它自修复6. 我的经验总结这套东西现在到底该怎么用6.1 当前最适合的三个场景经过大半年的实际使用我认为text-to-cad现在最适合当“概念加速器”和“沟通翻译器”而不是生产工具。第一个场景是方案前期探索。做设计评审前你需要快速对比三五种形态不同的方案比如“同尺寸的封闭箱体”和“百叶窗散热箱体”手动建模每个要半小时而用text-to-cad生成只需要几分钟。快速对比后再花精力细化最有潜力的那一个整体效率提升明显。第二个场景是跨岗位沟通。产品经理描述需求时发一个AI生成模型机械工程师一看就知道意图比来回拉锯要快得多。第三个场景是个人建模学习。让AI生成能编辑参数的原生脚本然后在OpenSCAD或FreeCAD里打开观察不同参数如何影响最终形状这是理解参数化建模逻辑的绝佳路径。6.2 什么情况别用它一句话凡是涉及精密配合、强度计算和复杂装配的位置都别用它。如果你的零件要和一个标准件配合比如轴承座内孔要过盈配合某个轴径0.05mm的公差都会决定装配成败而现在的text-to-cad模型连稳定输出“0.1mm”的精度都做不到。另外有强度或热性能要求的零件AI生成的外形看似合理但内部应力、材料分布都不可控必须由工程师重新设计和校核。我的习惯是把AI生成的模型当成“可以讨论的黄泥稿”而不是“可以交付的施工图”。它能节省从0到1的时间但从1到100的专业工作仍然得靠自己。6.3 给新手的快速上手路线如果你的目标是“今天就能生成一个自己想要的零件”按这个路线走第一步下载OpenSCAD免费且轻量20分钟就能学会基本界面操作。第二步用ChatGPT或Claude生成脚本把上面的U型支架提示词改成你自己的需求。第三步在OpenSCAD里渲染并导出STL直接切片打印。整个过程你的工作量不超过半小时但这半小时里你会对“如何向AI描述几何”有最直观的体感。跑通之后再按需进阶到Zoo这类商业服务或者尝试Text2CAD的研究代码。我个人的体会是先掌握了脚本路线再用其他工具会顺手很多因为你能通过脚本判断生成结果的几何逻辑而不只是看一个表面上像不像的模型。6.4 下一步往哪个方向进化这个领域的技术迭代速度很快。我看到的方向有两个一是特征识别与重建的成熟化让AI直接输出带参数化历史的标准CAD文件我们在CAD软件里的可编辑性会大幅提升二是与BIM、仿真分析的集成让生成的模型自动带上材料属性和初步仿真条件。可以预见未来它在设计工具链里会逐渐成为一种被默认集成的能力。我自己操作中的体会是工具的边界在快速外移但设计本身的判断力反而变得越来越重要。你越清楚自己想做一个什么样的零件越能把需求精确翻译给AI得到的模型质量就越可控。这就是text-to-cad时代里的“建模力”——不再是你手里鼠标用得多好而是你脑子里把几何、尺寸和功能想得多清楚一句话表达得多准确。最后再分享一个实践中的小技巧对同一句话生成多次挑最优结果。这类生成模型有随机性同一句提示词生成三次可能得到三个质量不同的模型我通常会在生成后对比几何测量值选最接近需求的那个。这算不上什么技术含量但确实是我实测下来唯一百分百能提升结果质量的指标。