一句话生成机械零件：text-to-cad原理、工具与工程落地

前阵子有朋友拿着一张零件照片问我：这种支架能不能直接用一句话生成出来？我第一反应是"你想多了"，但转头一想，text-to-cad 这个方向确实已经从论文标题变成了可以上手跑的东西。从 2025 年开源社区出现 Text2CAD 这类项目开始，用自然语言描述一个机械零件、然后直接拿到 STEP 模型的路径，已经不再是科幻。这篇文章我就从自己的实际体验出发，聊聊这个方向到底怎么工作、哪些工具值得试、以及它离真正替代常规建模还有多远。

先说清楚一个最容易混淆的点：text-to-cad 不等于 text-to-3D。市面上很多"输入一句话生成三维模型"的工具，生成的是网格模型（mesh），拿来渲染、游戏、3D 打印看个外形还行，但到了机械加工、装配、工程图阶段就完全不够用。text-to-cad 的目标是直接生成参数化 CAD 模型，也就是带特征树、带约束、能改尺寸、能导出 STEP 的那种。这篇文章适合所有对 AI 辅助设计感兴趣的工程师、产品经理和创客，不管你是用 SolidWorks、Fusion 360 还是 Onshape，读完应该都能建立一套自己的判断标准。

1. 从"画图"到"描述"：text-to-cad到底改变了什么

1.1 我为什么盯上这个方向

做机械设计的人都有这种体验：接到一个需求，脑子里其实已经有大概的形状了，但落地到建模软件里，还是要一个草图一个草图地画，一个特征一个特征地拉。尤其是那种"标准件改尺寸"的活儿——开孔位置挪一下、板厚加两毫米、倒角从 R1 变到 R2——重复劳动占了日常工作的大半。

text-to-cad 这个方向真正打动我的点是：它可以跳过"操作"这个中间层，直接让设计意图变成模型。你不需要记住某个特征命令在软件菜单的哪个位置，也不需要纠结草图的约束顺序，只需要把"我要什么"说清楚。对于一个有十年建模经验的人来说，这不是"不会画"，而是"不想花时间画"；对一个非机械背景的产品经理来说，这是第一次有能力把脑子里的想法变成一个能加工的真实零件。

1.2 一句话说清它的技术本质

如果只能给一句话，我会这样总结：text-to-cad 的本质是"用 LLM 生成一段可执行的 CAD 操作序列，再由建模内核把它变成带精确几何的实体模型"。

这里有两个关键词。第一是"可执行"。模型输出的不是一张图片，也不是一堆三角面片，而是一串结构化的建模指令，比如"画一个 100mm 乘 50mm 的矩形草图，拉伸 5mm，在四角打直径 10mm 的通孔"。这种指令可以被 OpenCASCADE 这类建模内核真正执行。第二是"精确"。因为执行的是参数化指令，最终模型的尺寸、位置、约束关系都是确定的，不是概率采样出来的近似形状。这一点决定了 text-to-cad 有可能进入工程流程，而不只是停留在概念展示。

2. 拆开引擎看原理：文本怎么变成参数化模型

2.1 核心链路：LLM + CAD操作序列 + 参数约束

我复现过几个开源框架之后，发现它们的架构虽然有差异，但核心链路基本一致，可以归纳成四步：

1. 接收自然语言描述，拆解设计意图。这一步会提取出形状类型、关键尺寸、特征数量、位置关系等信息。
2. 将设计意图映射为 CAD 操作序列，也就是"宏程序"。常见操作包括草图绘制、拉伸、旋转、倒角、布尔运算等。
3. 把操作序列交给建模内核执行。内核负责实际的几何计算和约束求解。
4. 导出标准格式文件，一般是 STEP，附带可视化渲染结果。

Text2CAD 这个开源项目的做法比较有代表性：它先构建了一个"文本-CAD 操作"的配对数据集，用真实 CAD 模型的特征树和对应的自然语言标注做监督，然后微调开源 LLM。推理时还用到了最近邻检索——先在库里找到和用户描述最相似的参考模型，把它作为少样本示例喂给模型，再让模型生成新的操作序列。这个"检索增强生成"的设计很聪明，相当于给 LLM 配了一本随时翻看的案例集，比让它凭空想象靠谱得多。

2.2 关键设计：为什么选STEP而不是网格

很多第一次接触这个方向的人会问：直接用现成的 text-to-3D 模型，输出 OBJ 或 STL 不行吗？为什么非要折腾 STEP？

答案要从制造端说起。STL 网格描述的是外形，它没有面与面之间的拓扑关系，更没有特征历史，工程师拿到一个网格模型之后几乎无法做进一步修改。你没法在网格上直接加一个螺纹孔，也没法把网格里的某个圆角改小。而 STEP 文件描述的是精确的边界表示（B-rep），包含完整的几何拓扑信息，可以直接进入 CAM 编程、有限元分析、装配干涉检查这些下游环节。

我自己的一个直观体验是：网格模型像一张照片，好看但改不了；STEP 模型像一份可编辑的 Word 文档，每个句子都能改。对一个面向制造的流程来说，后者才是真正能进入生产链路的格式。所以 text-to-cad 坚持走参数化+STEP 的路子，不是因为技术上排斥网格，而是因为它瞄准的本来就是工程场景。

2.3 让模型"会说CAD话"：数据与微调

一个很现实的问题：LLM 训练时见过大量自然语言，但"ChatCAD 指令"这种方言它几乎没见过。怎么让模型学会这门方言？答案是数据。

Text2CAD 团队做的核心工作之一，就是把已有的 CAD 模型逐层拆解，将每个特征的操作参数与对应的文字描述对齐。比如一个零件特征树里记录了"extrude depth=10mm"，他们就会配上"厚度为 10 毫米"这样的描述。这样成对的数据积累到一定规模，再用 LoRA 或全参数微调，模型才逐渐学会把自然语言翻译成操作参数。

这个环节有个容易被忽略的细节：CAD 操作是有严格顺序依赖的。先画草图再拉伸、先拉伸再打孔，顺序错了模型就生成不出来。所以训练数据里必须保留操作序列的上下文，而不是把每个特征当成独立样本。实际测试中我也发现，模型对"串行特征链"的处理能力，决定了它的最终成功率。

3. 主流方案横评：开源框架与商业产品的取舍

3.1 先看基准：Text2CAD开源项目能做什么

目前最容易上手复现的，还是 2025 年初开源的 Text2CAD 项目。它能处理的典型任务包括：带孔的法兰盘、L 型支架、轴类零件、齿轮坯体这类以拉伸、旋转、孔系、倒角为主的机械零件。输出格式是 STEP，同时能给出渲染图和质量评估指标。

它的框架里包含了训练和推理两条路径。如果你有 GPU，可以自己微调模型；如果只想体验效果，也可以直接调用云端 LLM API，走"检索+生成+执行"的完整链路。实测下来，对一个描述清晰的零件，生成成功率在五成到七成之间，主要取决于零件复杂度和提示词的规范程度。

3.2 商业产品：Zoo、Bernini这些在卷什么

商业产品的进度比开源项目更快，但方向上各有侧重。Zoo 这家公司（前身是 KittyCAD）推出了自己的 Text-to-CAD 产品，底层用了多个 AI 智能体协作的架构，强调生成结果的"无缺陷"——也就是生成出来的模型可以直接进入 CAD 环境继续编辑。它的实现思路是让不同智能体分别负责识别设计意图、规划特征顺序、检查几何合理性，相当于把一个大任务拆成了几个专业角色分工完成。

Autodesk 的 Project Bernini 是另一个值得关注的方向。它不完全走"文本生成操作序列"这条路，而是尝试用生成模型直接输出功能性设计结果，甚至能处理 2D 图纸和 3D 形状的双向转换。从目前的公开信息看，它更像一个探索性项目，离产品化还有距离，但方向证明了主流 CAD 厂家对 AI 生成建模的重视程度。

3.3 选型建议

我的建议是：如果目的是理解原理、做实验、或者把生成能力嵌入自己的工具链，优先选开源框架，因为你能看到每一步发生了什么，出问题也知道从哪里修。如果目的是给团队快速搭建一个"自然语言出模型"的演示流程，商业 API 见效快得多。两个不冲突，可以先用商业方案验证场景，再决定要不要回到开源框架自建。

4. 实操复现：跑通一条text-to-cad的最小链路

4.1 环境准备

我以开源路线为例，说下最小环境怎么搭。需要准备的包括：

• Python 3.10 以上版本，建议单独建一个虚拟环境，避免依赖冲突。
• 建模内核依赖，通常是 OpenCASCADE 的 Python 绑定，用来执行生成的 CAD 操作序列。
• LLM 推理入口，可以是云端 API，也可以本地部署量化后的开源模型。本地部署的好处是不用担心请求体量，坏处是生成质量会受模型能力影响。
• 数据文件，包括检索用的参考模型库和少样本示例。

配置过程中最容易踩的坑是内核版本冲突。OpenCASCADE 的 Python 绑定如果版本太旧，某些新生成的操作指令会执行失败，而且报错信息不直观，经常是底层崩溃而不是 Python 异常。建议严格按项目文档锁定的版本安装，不要随意升级。

4.2 生成一个零件：命令与参数

跑通链路后的调用方式大致长这样。我先用一个简单的平板零件做测试：

from text2cad.generator import TextToCADGenerator generator = TextToCADGenerator( model_name="qwen2.5-cad-7b", retrieval_index="./cad_library" ) result = generator.generate( prompt="A rectangular plate, 120mm long, 80mm wide, 5mm thick, " "with four holes of 8mm diameter, each hole is 10mm " "from the nearest edge, fillet all edges with radius 2mm", output_format="step" ) result.save("plate.step") print(result.macro_sequence)

我故意把提示词写得很具体——长度、宽度、厚度、孔径、孔边距、倒角半径全部明确。这是因为实测下来，模型对"在角落打四个孔"这种模糊描述很容易把孔位算偏，但只要你给出"距边 10mm"这个约束，生成结果就会稳定很多。

生成完成后，建议立即用免费查看器把 STEP 导入检查一遍，确认轮廓和尺寸。我习惯的做法是再写一个脚本自动读取 STEP 里的边界框和孔中心坐标，跟预期值比对，偏差超过 0.5mm 就重新生成。这一步虽然简单，但能避免把明显错误的模型直接发出去丢人。

4.3 实测效果与常见问题

我在测试过程中遇到的高频问题可以归纳成这几类：

• 倒角失败：提示词里写"所有边倒角 2mm"，但模型选的边不符合几何约束，导致内核报错。解决办法是给倒角加上限定条件，比如"只对顶面的外边缘倒角"。
• 孔的位置整体偏移：这通常不是模型笨，而是提示词里没有明确基准。加上"以零件中心为基准对称分布"这类描述后明显改善。
• 生成成功但特征树混乱：比如模型先生成了两个拉伸体再做布尔合并，而不是直接在一个草图里画完。结果虽然一样，但后续编辑体验很差。这种情况可以把"请在一个特征中完成"写进提示词。
• 内核执行偶尔崩溃：目前没有特别好的根治办法，稳妥的做法是在脚本里加异常捕获，出错了就换一个随机种子重新生成。

5. 它的边界在哪里：我踩过的坑和识别到的硬限制

5.1 几何复杂度天花板

用了一段时间之后，我对这个技术的能力边界有了比较清醒的认识。现在的主流模型处理"10 到 30 步以内的串行特征序列"效果不错，但一旦遇到曲面扫掠、放样、多实体装配这类高阶操作，成功率就断崖式下降。

原因也很容易理解。LLM 本质上是按统计规律预测下一个 token，它没有真正的空间想象力。让它生成一个"外方内圆、带六条加强筋、筋上还要开减重槽"的零件，它需要同时维护的约束关系太多，序列一旦拉长，前面的参数错误会一路传导到后面，最终不是几何自相交就是干脆执行失败。

5.2 提示词里的隐藏学问

很多人第一次玩 text-to-cad 都会觉得"我话都说清楚了，它怎么还是生成不对"。实际上，自然语言描述和 CAD 操作之间隔着巨大的信息鸿沟。我总结出几条实测有效的提示词技巧：

• 把所有尺寸写全，包括单位。只写"一个支架"和写"一个 L 型支架，长 80mm、宽 60mm、高 30mm、板厚 3mm、底部两个直径为 6.5mm 的安装孔"，生成效果天差地别。
• 用操作语言描述，而不是名词描述。"拉伸一个 60mm 乘 30mm 的矩形到 3mm 高度"比"做一个平板"更符合模型的训练数据分布。
• 一次性给足约束。不要指望模型自己推断"四个角上的孔离边应该一样远"，你要亲口说"四个孔均匀分布在四角，孔心距相邻边 10mm"。
• 保持特征顺序符合常规建模思路。先主体、再细节、最后修饰，会让最终特征树更干净。

5.3 工程化落地的现实问题

技术之外，真正要落地还需要面对几个非技术问题。一个是"责任归属"——AI 生成的模型出了问题，是提示词作者负责还是模型提供方负责？企业内部不能没有这条规定。另一个是版本管理——提示词会改、模型会换、生成结果不可复现，工程上需要像管理代码一样管理"提示词到模型"的溯源链条。

还有一个经常被忽略的问题：生成模型的许可证和知识产权状态。开源框架本身没问题，但微调用的基础模型和训练数据如果包含商业软件生成的 CAD 特征，生成的模型能不能直接用于商业产品，需要仔细核查授权条款。

6. 从demo到生产力：哪些场景真正值得用

6.1 标准化零件库生成

目前落地价值最明确的场景，是行业标准零件和通用件的参数化生成。比如某种规格的传感器安装支架、标准的走线卡扣、钣金折弯件，这些零件的特点是结构成熟、参数固定、但规格型号繁多。过去每个型号都要建一个模型，现在只需要维护一套提示词模板，把尺寸参数留空填入即可。相当于用 text-to-cad 做了一台"模型自动售货机"。

6.2 概念设计与评审

在项目早期，方案评审的痛点往往不是精度，而是速度。设计师脑子里有三个方案，但每个都要花两三个小时建模才能拿到评审会上讨论。用 text-to-cad 的话，三个方案可能半小时就出来了，虽然细节不完整，但足以支持"布局合不合理、外形有没有竞争力"这种层级的讨论。

我个人的经验是：把 text-to-cad 的输出当作"高保真草图"来用，而不是当作成品。评审通过后，再由设计师在传统 CAD 环境里重新建模或精细调整。这比从零开始省一半时间，又没有把最终质量押在模型的随机性上。

6.3 教育场景与新人上手

这个方向的教学价值被我严重低估了。以前教新人建模，最头疼的是他们理解不了"操作顺序"这件事——为什么不能先打孔再画外轮廓。现在可以反着教：先让新人用自然语言描述一个零件，再展示模型生成的宏指令和特征树，让抽象的操作流程变成可视化的步骤清单。这种"先想明白，再学操作"的方式，对新人的空间想象力和建模思维培养很有帮助。

用 text-to-cad 作为辅助教学工具还有一个额外好处：它天然要求使用者把话说精确。一个能清晰描述"孔心距边 10mm、倒角 2mm、两孔间距 40mm"的学生，建模时也不会含糊。

我自己跑了几个月之后，最深的体会是：别把它当"自动设计机器人"，而是当"一个用自然语言驱动的建模副驾"。它能帮你把大段常规操作变成一句话，能帮你快速试出多个方案，但最终决定设计质量的关键还是你脑子里的工程判断。现在最值得做的事情，就是把你自己常做的那几类零件整理成结构化的提示词库，这个积累越早开始越值钱。