text-to-cad 实战：从自然语言到 STEP/URDF/G-code 的参数化建模链路

1. 从一段文字到一张图纸：text-to-cad 到底在解决什么问题

第一次听到 “text-to-cad” 这个词，很多人脑子里蹦出来的画面大概是：对着电脑说一句“给我画个法兰盘”，然后屏幕上就自动出现一张带尺寸标注的工程图。这个想象方向没错，但真实落地的情况要复杂得多，也有意思得多。text-to-cad 本质上是一类工具链的统称，核心目标是把自然语言描述转换成计算机辅助设计软件能直接读取的几何模型文件，常见的输出格式包括 STEP、URDF、G-code 等。它要解决的核心痛点很明确：传统 CAD 建模需要人工在软件里一步步拉伸、旋转、倒角，一个中等复杂度的零件从构思到出图，熟练工程师也得花上几十分钟到几个小时，而大量重复性结构（比如标准件、简单支架、测试用夹具）其实完全可以用文字描述清楚，没必要每次都手动建模。

这个方向适合谁来关注？三类人最应该花时间研究。第一类是机械、自动化、机器人方向的工程师，日常要处理大量结构件建模和仿真模型准备，text-to-cad 能砍掉相当一部分重复劳动。第二类是做算法和软件的人，想把自己的程序跟 CAD 流程打通，比如用 Python 批量生成零件、批量修改图纸，这类需求在热词里“python批量对cad修改”出现频率很高，说明真实需求就在那儿。第三类是刚入门 CAD 的新手，热词里“cad制图初学入门”“cad安装教程”“cad教程”这些词长期霸榜，说明大量人卡在“怎么开始画第一个图”这一步，而 text-to-cad 的思路恰恰能帮新手跳过一部分繁琐的界面操作，先建立“描述即模型”的直觉。

但必须先把预期摆正：text-to-cad 不是万能魔法。它擅长的是参数明确、结构规整、有标准可循的零件，比如法兰、支架、齿轮毛坯、简单外壳；它不擅长的是高度依赖工程判断和装配关系的复杂总成，比如整台设备的完整装配图。理解这个边界，比盲目追求“全自动”重要得多。下面我从整体设计思路开始，把这条链路拆开讲透。

2. 整体设计与思路拆解：为什么是 STEP、URDF、G-code 这三个出口

2.1 三种输出格式对应三类完全不同的下游场景

text-to-cad 的输出格式选择，直接决定了这个工具能用在什么地方。热词里同时出现了 STEP、URDF、G-code，这不是偶然，它们分别对应三条主流链路。

STEP是 CAD 领域的中性交换格式，几乎所有主流 CAD 软件（中望 CAD、SolidWorks、Fusion 360 等）都能读写。它的优势是保留完整的 B-rep 几何信息，尺寸、曲面、实体关系都在，适合做后续的工程图出图、装配、加工准备。如果你生成的模型要交给别人继续编辑，STEP 是首选。

URDF是机器人描述格式，专门用来描述机器人的连杆、关节、运动学关系。热词里“urdf导入coppeliasim”说明很多人拿 URDF 去做仿真。text-to-cad 生成 URDF 的价值在于：你可以用文字描述一个机械臂的连杆尺寸和关节位置，直接生成可仿真的模型，省去在仿真软件里手动搭建的功夫。

G-code是数控加工和 3D 打印的指令格式。当 text-to-cad 的输出目标是“直接加工出来”，那最终产物就是 G-code。这条链路通常还要经过切片或 CAM 处理，但文字描述直接驱动加工的思路是通的。

提示：不要试图用一个格式打天下。STEP 管设计，URDF 管仿真，G-code 管制造，三者是接力关系，不是替代关系。

2.2 为什么选择“文字到参数到几何”而不是“文字到图像到几何”

这是 text-to-cad 设计里最关键的一个分叉。早期有些方案走的是“文字生成图片，再从图片识别轮廓”的路子，实测下来问题很大：图片是像素，像素转几何会丢失精确尺寸，一个孔的位置可能偏 0.5 毫米，这在工程上直接报废。所以靠谱的 text-to-cad 方案都走参数化路线：先把自然语言解析成结构化的参数字典，比如{类型: 法兰, 外径: 100, 内径: 40, 厚度: 10, 螺栓孔数: 6}，再用几何内核（如 OpenCASCADE）根据参数生成精确的 B-rep 实体。这样做的好处是尺寸完全可控，生成结果可复现，同一个描述每次跑出来的模型一模一样。

这个选择背后的逻辑是：工程领域对精度的要求远高于对“好看”的要求。一张渲染图再漂亮，尺寸错了就是废品。参数化路线牺牲了一部分“自由发挥”的空间，换来了工程可用的确定性，这笔账非常划算。

2.3 工具选型的现实考量

实际搭建 text-to-cad 链路时，工具选型有几个现实约束。几何内核方面，OpenCASCADE 是开源方案里最成熟的选择，Python 绑定（pythonocc）也够用。语言解析方面，早期用正则表达式匹配关键词就能覆盖不少标准件场景，现在可以引入大语言模型做更灵活的语义解析，但要注意模型输出的参数必须经过校验，不能直接信任。文件导出方面，STEP 用 OpenCASCADE 自带导出器即可，URDF 是 XML 结构自己拼装，G-code 则通常要接切片引擎或自己写路径规划。

热词里“cad插件”“盘扣cad插件免费版”“金林钣金cad版”这些词反映了一个现实：大量用户其实是在现有 CAD 软件里找插件来扩展功能。text-to-cad 落地时也可以走插件路线，比如做成中望 CAD 或 AutoCAD 的插件，用户在软件里输入描述，插件调用后端生成模型再导入当前图纸。这样比独立工具更容易被接受，因为用户不用切换工作环境。

3. 核心细节解析与实操要点：从一句话到参数字典

3.1 自然语言解析的难点与应对

把“一个外径 100 毫米、内径 40 毫米、厚度 10 毫米、带 6 个直径 8 毫米螺栓孔的法兰盘”这句话变成参数，看起来简单，实际有几个坑。第一是单位歧义：用户说“外径 100”，是毫米还是厘米？工程场景默认毫米，但必须显式确认，否则差十倍。第二是隐含参数：螺栓孔通常沿圆周均布，但用户没说“均布”，你得默认均布并把这个假设记下来。第三是同义词：有人说法兰，有人说凸缘，有人说 flange，解析层要做同义词映射。

我的做法是维护一个参数字典模板，每种零件类型对应一组必填和选填参数。解析时先识别零件类型，再抽取参数，缺失的选填参数用默认值填充，必填参数缺失就报错让用户补充。这个模板不用一开始就很大，从法兰、支架、齿轮毛坯、简单盒子这几类开始，覆盖八成常见需求就够了。

3.2 参数校验：不能省的这一步

大语言模型解析出来的参数不能直接送进几何内核。我踩过的坑是：模型把“厚度 10”解析成了字符串"10mm"，几何内核直接报类型错误。所以中间必须有一层参数校验和归一化：数值转 float，单位统一到毫米，范围检查（比如外径必须大于内径，厚度必须为正），孔数必须是整数且合理。这一步看起来琐碎，但它是保证整个链路稳定的关键。校验不通过时，返回明确的错误信息，比如“内径 40 大于外径 30，请检查”，而不是抛一个内核异常让用户懵圈。

3.3 几何生成的参数计算过程

以法兰盘为例，几何生成涉及几个关键计算。螺栓孔的位置需要按圆周均布计算：第 i 个孔的角度是2 * pi * i / n，其中 n 是孔数。孔中心的坐标是(R * cos(角度), R * sin(角度))，其中 R 是螺栓孔分布圆半径，通常取(外径 + 内径) / 4再根据标准调整。这些计算必须精确，因为孔位偏了装配就装不上。

生成流程通常是：先画外圆拉伸成圆柱，再画内圆做布尔减运算挖出中心孔，然后对每个螺栓孔位置画小圆做减运算。OpenCASCADE 里对应的操作是BRepPrimAPI_MakeCylinder建圆柱，BRepAlgoAPI_Cut做布尔减。每一步的中间结果可以导出检查，方便调试。

注意：布尔运算的顺序会影响结果稳定性。先挖大孔再挖小孔，和反过来，在大多数情况下结果一样，但遇到相切或重合边时可能出问题。建议固定顺序，减少不确定性。

3.4 文件导出的细节

STEP 导出时要注意单位设置。OpenCASCADE 默认单位是毫米，但导出时如果没显式设置，有些读取方会按米解释，导致模型缩小一千倍。导出 URDF 时要注意坐标系约定，URDF 里关节轴的方向、连杆的原点位置都有固定约定，搞错了仿真时机器人会扭曲。G-code 导出则要关注刀具半径补偿和进给速度，这些参数直接影响加工结果。

4. 实操过程与核心环节实现：手把手搭一条最小可用链路

4.1 环境准备与依赖安装

先搭一个 Python 环境，核心依赖是pythonocc-core（OpenCASCADE 的 Python 绑定）。安装方式推荐用 conda，因为 pythonocc 的 pip 包在部分平台上编译麻烦：

conda create -n text2cad python=3.10 conda activate text2cad conda install -c conda-forge pythonocc-core

再装一个解析用的库，如果走规则解析，re标准库就够；如果接大语言模型做语义解析，装对应的 SDK。文件导出不需要额外库，pythonocc 自带 STEP 导出器。

4.2 参数字典的定义与解析

先定义法兰的参数模板：

FLANGE_TEMPLATE = { "outer_diameter": {"type": float, "required": True, "unit": "mm"}, "inner_diameter": {"type": float, "required": True, "unit": "mm"}, "thickness": {"type": float, "required": True, "unit": "mm"}, "bolt_hole_count": {"type": int, "required": False, "default": 4}, "bolt_hole_diameter": {"type": float, "required": False, "default": 8.0}, "bolt_circle_diameter": {"type": float, "required": False, "default": None}, }

解析函数接收自然语言字符串，输出填充好的参数字典。规则解析版本可以用正则匹配“外径(\d+)”“内径(\d+)”“厚度(\d+)”“(\d+)个孔”这类模式。实测下来，规则版本对格式规整的输入准确率很高，对口语化输入则容易漏，这时候可以加一层大语言模型兜底。

4.3 参数校验与归一化

校验函数做三件事：类型转换、单位统一、范围检查。

def validate_params(params): params["outer_diameter"] = float(params["outer_diameter"]) params["inner_diameter"] = float(params["inner_diameter"]) params["thickness"] = float(params["thickness"]) if params["outer_diameter"] <= params["inner_diameter"]: raise ValueError("外径必须大于内径") if params["thickness"] <= 0: raise ValueError("厚度必须为正") if params["bolt_circle_diameter"] is None: params["bolt_circle_diameter"] = ( params["outer_diameter"] + params["inner_diameter"] ) / 2 * 0.75 return params

螺栓孔分布圆直径的默认值取内外径平均值再乘 0.75，这是常见工程实践里的经验值，保证孔在实体材料区域内且离边缘有足够距离。

4.4 几何生成的核心代码

用 pythonocc 生成法兰实体：

from OCC.Core.BRepPrimAPI import BRepPrimAPI_MakeCylinder from OCC.Core.BRepAlgoAPI import BRepAlgoAPI_Cut from OCC.Core.gp import gp_Ax2, gp_Pnt, gp_Dir import math def make_flange(params): od = params["outer_diameter"] id_ = params["inner_diameter"] t = params["thickness"] n = params["bolt_hole_count"] hd = params["bolt_hole_diameter"] bcd = params["bolt_circle_diameter"] axis = gp_Ax2(gp_Pnt(0, 0, 0), gp_Dir(0, 0, 1)) body = BRepPrimAPI_MakeCylinder(axis, od / 2, t).Shape() inner = BRepPrimAPI_MakeCylinder(axis, id_ / 2, t).Shape() body = BRepAlgoAPI_Cut(body, inner).Shape() for i in range(n): angle = 2 * math.pi * i / n x = (bcd / 2) * math.cos(angle) y = (bcd / 2) * math.sin(angle) hole_axis = gp_Ax2(gp_Pnt(x, y, 0), gp_Dir(0, 0, 1)) hole = BRepPrimAPI_MakeCylinder(hole_axis, hd / 2, t).Shape() body = BRepAlgoAPI_Cut(body, hole).Shape() return body

这段代码的逻辑很直白：建外圆柱，挖内孔，再逐个挖螺栓孔。每一步的布尔运算结果都重新赋值给body，保证后续操作基于最新形状。

4.5 STEP 导出与验证

from OCC.Core.STEPControl import STEPControl_Writer, STEPControl_AsIs def export_step(shape, filename): writer = STEPControl_Writer() writer.Transfer(shape, STEPControl_AsIs) writer.Write(filename)

导出后一定要用 CAD 软件打开检查，重点看三处：尺寸是否对、孔位是否均布、有没有多余的碎面。我遇到过布尔运算产生微小碎面的情况，肉眼看不出来，但导入下游软件时可能报错。如果出现碎面，可以加一步ShapeUpgrade_UnifySameDomain做面合并。

4.6 URDF 与 G-code 的扩展思路

URDF 生成的核心是把几何体的尺寸和位置映射到 link 和 joint 标签。一个简单连杆的 URDF 片段长这样：

<link name="link1"> <visual> <geometry> <box size="0.1 0.05 0.02"/> </geometry> </visual> </link>

注意 URDF 的单位是米，从毫米转过去要除以 1000，这个转换漏了的话仿真里模型会大一千倍。G-code 生成则通常不直接手写，而是把 STEP 模型送进切片软件（如 Cura 的命令行模式）或 CAM 工具，由它们输出 G-code。text-to-cad 在这一环的角色是“把模型准备好”，而不是“直接写加工指令”。

5. 常见问题与排查技巧实录

5.1 参数解析类问题

5.2 几何生成类问题

最常见的是布尔运算失败，表现为生成的实体为空或报错。原因通常是两个形状没有实际相交，或者相切导致数值不稳定。排查方法是把每一步的中间形状单独导出 STEP 看一眼，确认哪一步出了问题。另一个坑是孔位跑到实体外面，这通常是螺栓孔分布圆直径设得太大，超过了外径，校验层要拦住这种情况。

5.3 文件导出类问题

STEP 导出后打开发现模型是空白的，九成是单位或坐标系问题。检查导出时是否设置了正确的单位，以及模型是否在原点附近。如果模型坐标是几万毫米，有些查看器会默认缩放到看不见。URDF 导入仿真软件后模型扭曲，检查 link 的 origin 和 joint 的 axis 是否按约定设置。

提示：每次修改生成逻辑后，固定用同一组测试参数跑一遍，对比输出文件的包围盒尺寸。尺寸对了，大方向就不会错。

5.4 独家避坑经验

第一个经验：不要信任任何未经校验的解析结果。哪怕大语言模型信心满满地输出了参数，也要过一遍校验层。我吃过亏，模型把“厚度 10”理解成了“厚度 10 厘米”，生成出来的零件厚得离谱。

第二个经验：从简单零件开始，逐步增加复杂度。一上来就搞复杂装配体，调试成本极高。先把法兰、盒子、支架这三类跑通，链路稳定了再扩展。

第三个经验：保留中间产物。每一步的参数字典、中间形状、导出文件都存下来，出问题时能快速定位是哪一环的锅。这个习惯在排查偶发问题时特别有用。

6. 这条链路还能怎么扩展

跑通最小链路之后，扩展方向有几个。一是批量生成，热词里“python批量对cad修改”说明这个需求很真实，你可以把参数字典做成表格输入，一次生成几十个变体零件。二是接入现有 CAD 软件，做成插件，让用户在熟悉的环境里用文字建模，降低学习成本。三是反向链路，从现有 STEP 文件提取参数，生成文字描述，方便做模型检索和复用。四是结合仿真，生成的 URDF 直接送进仿真环境做运动学验证，形成“描述、建模、仿真”的闭环。

我个人在实际操作中的体会是，text-to-cad 的价值不在于完全替代人工建模，而在于把工程师从重复劳动里解放出来，让他们把精力放在真正需要判断力的地方。参数化路线虽然前期要花时间搭模板和校验层，但一旦跑通，后面每增加一个零件类型的边际成本很低。这个投入产出比，在需要大量相似结构建模的场景里非常划算。