Text-to-CAD实战指南：从自然语言到三维模型的关键技术解析

我入行做结构设计那会儿，最磨人的环节不是方案想不出来，而是“想出来了还得把它画出来”。一个板厚2mm、带四个安装孔和两处限位凸台的钣金支架，从打开CAD到建模完成，熟练工也得半小时起步，粗心点的工程师可能磨蹭一个上午。所以当Text-to-CAD这个词传到我耳朵里的时候，我第一反应不是“AI又要抢饭碗”，而是“这工具能不能把我从重复的建模劳动里解放出来”。真正让我转变态度的，是某天我拿一个真实零件的自然语言描述去跑了一遍，它直接返回了带圆角、孔位坐标和壁厚的STEP文件——那一刻我确信，从“脑子里的设计意图”到“可以被制造系统读取的数字模型”，这段最枯燥的转化过程，确实快到拐点了。

这篇文章不打算做工具测评式的广告，而是把我这段时间对这个方向的研究、实测和踩坑经验拆开来聊。不管你是结构工程师、机械设计从业者，还是玩3D打印的创客、刚入行的小白，看完应该能搞清楚一件事情：Text-to-CAD现在到底能用在哪、怎么用、以及哪些坑别踩。

1. Text-to-CAD到底在解决什么问题

1.1 建模成本大头不在“想”，而在“转”

很多人一提CAD建模，默认难点在于“设计计算”——强度够不够、结构合不合理、材料怎么选。但在实际项目里，真正占用工作时间的往往是另一件事：把脑子里已经明确的设计意图，翻译成CAD软件里的一连串精确操作。

以我自己常画的支架类零件为例。构思一个L形钣金支架，材料Q235、板厚2mm、底面开四个安装孔、侧边翻边加强，这个方案在纸面上画个草图，几分钟就定下来了。但从打开CAD开始，事情就变得繁琐：先建草图，给直线加水平和垂直约束；标注长度、宽度、孔距；拉伸成实体；再建第二个草图做翻边特征；最后倒角、检查干涉、调整模型树顺序。一套流程下来，半小时打底，遇到圆心定位错了或者约束过定义，还得回头一点一点查。

这种“翻译成本”在流水线式的标准件、工装夹具设计里尤其明显。方案可能只占20%的思考量，80%的时间都耗在了操作上。Text-to-CAD试图压缩的，恰恰是这部分“设计意图转指令”的成本——你把零件描述成文字，它帮你把这个描述转成可编辑的三维几何。

1.2 文生图容易，文生CAD难在哪

很多人听到“用文字生成模型”，下意识会拿它跟最近两三年火得不行的文生图做类比。但两者难度完全不是一个量级。文生图输出的是一堆像素，评判标准是“看起来像不像”，偶尔多长一根手指、光影错乱一点，普通人甚至注意不到。CAD模型输出的却是拓扑和几何边界，评判标准是“拿去加工能不能做出来、装配会不会干涉”。

我的一个习惯比喻是这样：文生图相当于让一个画师给你画一幅速写，气质对了就行；文生CAD相当于让一个钳工师傅只看描述就把零件加工出一个能装的实体，尺寸、公差、配合关系差一点都不行。

下面这个表可以帮新手快速理解两者的核心差异：

因为CAD输出对精度的要求如此苛刻，这就导致Text-to-CAD不能像文生图那样“画个大差不差交差”。它必须在几何上自洽、在语义上贴合用户描述，还要保证数据格式能被传统CAD软件读取。

1.3 现阶段水平：它能做“数字毛坯”，不是“成品图纸”

我得把话说在前面：现在的Text-to-CAD不是万能的。

我实测下来的体验是，它最擅长的是那些可以用“基体加特征”思路描述的零件——壳体、支架、法兰、安装板、简单外壳这类中等复杂度的机械件。你说“100×60×8的铝板，四角开直径6mm通孔”，它很快能给你出模型。但你要是让它生成一个A级曲面车门外板，或者一个需要几十个特征联动的大型装配体，它基本会翻车。

用一句话概括它的定位：Text-to-CAD生成的是“电子草图”或“数字毛坯”，价值在于把设计意图快速变成看得见、摸得着、可以讨论和继续加工的三维体，而不是直接替代工程师出精加工图。

所以它最适合的人群也清晰了：急着出方案前期的结构工程师、做3D打印的创客、需要快速评估装配空间的设计人员，以及那些不擅长传统CAD但思路清晰的非建模岗位。反过来，指望它直接输出一个带公差、基准、形位标注的完整工程图的人，现在可以死了这条心。

2. 从一句话到三维几何：底层实现逻辑拆解

2.1 三条主流技术路线

Text-to-CAD不是一个单一算法，而是好几条技术路线的统称。我拆开来看，当前主流基本可以归成三类。

第一类：端到端几何生成。用深度学习模型直接从文本或条件信息预测三维形状，典型代表是OpenAI的Shap-E、Point-E这类模型，输出通常是三角网格（STL/OBJ）。这类路线的优势是生成速度快、形状表达能力强，适合外观探索；劣势是生成的是离散网格，没有传统CAD意义上的“特征树”，后期要改成带圆角、拔模角的标准件非常费劲。打个比方，它给你的是一块用泥捏好的实心雕塑，想改动就得重捏，而不是给你一堆积木让你重组。

第二类：代码生成加程序化建模。让大语言模型理解你的文字，翻译成OpenSCAD、CadQuery这类程序化建模代码，然后由几何内核执行生成三维实体。Zoo.dev的Text-to-CAD工具、以及各种“LLM+CadQuery/OpenSCAD”的本地方案走的都是这条路。输出的是真正意义上的B-rep实体，可以直接转成STEP，能被SolidWorks、Fusion 360这类软件识别和继续编辑。这是目前工程上最有价值的一条路线。

第三类：检索加参数化组装。从已有的模型数据库里找到最相似的模板，再根据文字描述里的关键尺寸去改参数、调整特征位置。这种做法精度高、可靠性强，但它只能覆盖“模板库里有的”东西，本质上是一个智能检索器，谈不上真正的生成。

三条路线放一起对比：

2.2 为什么“代码生成”成了当前工程上的最优解

这里有个反直觉的点值得展开：大语言模型最擅长的明明是“说话”，但业界最后发现，让它直接“说出”一串精确的三维坐标，远不如让它“说出”一段建模代码靠谱。

原因并不复杂。LLM本质是预测下一个token，它对“规则”和“指令序列”的理解能力很强，但直接预测空间坐标这种连续数值是它的弱项——让它输出一个顶点坐标，离实际值偏个几毫米很常见，但让它输出“在(10,10)位置放一个半径5的圆柱，做布尔减运算”，因为这句话本身就是一串有明确语义的指令，它执行起来反而很准。换句话说，代码是给LLM的一个“翻译中间层”，帮它避开不擅长的连续数值，同时又把建模意图表达得足够清楚。

另外一个现实的原因是：传统CAD行业已经非常依赖参数化特征树。一个拉伸、一个倒角、一个孔阵，都是可以被代码表达的逻辑单元。代码生成天然能和这个体系对接，导出的STEP文件也保留了实体边界，后续工程师在CAD里改起来是顺手推舟。

2.3 用“搭积木”和“敷面膜”理解CSG与B-rep

聊到这里得补两个CAD核心概念：CSG和B-rep。新手没听过这两个词也没关系，一个类比就能说清。

CSG说的是“用基础几何体拼凑组合”。就像小孩搭积木——先放一个大长方体做底板，叠一个小长方体做凸台，再把一根圆柱插进去挖洞。布尔加、布尔减、布尔交就是这三种拼接方式。它的特点是你永远知道这个模型由哪些步骤组成，每一步都能回去改。

B-rep则是“用边界描述实体”。你可以把它想象成用一张精确的“皮”——一堆面、边、顶点——把实体包裹起来。STEP文件里存的就是这种边界信息。它比STL那种海量三角网格更先进，因为每个面都可能是平面、圆柱面、样条曲面，而不是几千个小三角片拼接出的“近似形状”。

Text-to-CAD走代码生成路线时，底层逻辑就是让LLM组织一套CSG操作序列，执行完最终产出B-rep格式的实体模型。这也是为什么它能保证模型“水密”和“可制造”，而端到端网格生成只能给你一个近似外形。

2.4 一个“从句子到CAD指令”的最小示例

拿一个最简单的要求举例，帮你直观理解这个过程：

你输入：在100×60×8mm的铝板上，四角各开一个直径6mm通孔，孔心距边缘10mm。

这句话落到AI内部，其实被拆成了这样一串隐含步骤：

1. 识别主体是一个长方体，尺寸100×60×8（单位默认mm）；
2. 识别“四角各开一个孔”表示需要四次打孔操作，位置分别靠近四个角；
3. 识别“孔心距边缘10mm”得到四个圆心坐标：从每条边内偏10mm，即(10,10)、(90,10)、(10,50)、(90,50)；
4. 每个孔用直径6mm的圆柱，对主体做布尔减；
5. 输出一个底面平整、四个圆柱孔贯通的B-rep实体，转成STEP。

看到没，整个过程的本质是“自然语言 → 参数化操作序列 → 几何实体”。理解了这一步，后面写提示词就知道怎么避坑了。

3. 工具生态盘点：该用哪条路

3.1 目前能直接上手的主流方案

Text-to-CAD这个方向的工具这几年冒出来不少，但能真正动手玩、也有代表性的，主要还是下面几类。

Zoo.dev推出的在线Text-to-CAD工具是目前社区讨论度最高的一个。网页上直接输入文字，它能返回STEP或STL文件，而且一次会给多个候选版本供挑选。我体验下来，它对机械零件类描述的理解明显强于自由曲面类，给的提示词越“像工程师说话”，输出越靠谱。

OpenAI的Shap-E和Point-E是研究性质的三维生成模型，偏端到端网格路线。它们更适合做概念探索，比如你描述一个“像贝壳一样的坐凳”，它能给你一个形状怪异的网格模型，但拿去做CNC加工基本不现实。

对数据安全有要求的团队，推荐走“开源大模型+CadQuery/OpenSCAD”的本地组合方案。基本思路是：本地装一个开源大模型做语义解析，让它输出CadQuery代码，再在本地执行代码生成STEP。全程数据不出内网，适合处理涉密或未公开的产品结构。

传统CAD大厂也在布局，Autodesk等软件内置了越来越多的AI辅助命令，但更偏向“帮我完成这个特征”的交互式辅助，跟完整意义上的文生CAD还有一段距离。

放个对比表：

3.2 选型决策：先回答四个问题

选工具别上来就看参数，先问自己四个问题，答案基本就能框定方案范围。

第一个问题：你需要STEP还是STL？如果模型最终要走CNC加工、装配干涉检查或者让同事在SolidWorks里继续改，那必须选能输出STEP或参数化脚本的代码生成路线。如果只是想3D打印一个外观手板，STL完全够用。

第二个问题：生成之后还要不要编辑？工程上几乎都要编辑，这时候网格输出就非常难受，你得花一天时间逆向重构。所以对大多数设计岗位，我直接建议放弃纯网格类方案。

第三个问题：数据能不能上云？涉及公司未公开结构的，谨慎用公有云工具。我自己做项目时遇到未发布产品的结构验证，一律走本地部署方案，哪怕模型效果略微打折也认了。

第四个问题：团队有没有会写脚本的人？代码生成路线听起来美好，但如果你团队没人看得懂CadQuery、OpenSCAD的语法，出了问题只能干瞪眼。这时退一步用在线工具反而更顺。

3.3 先建一个“最小验证配置”

很多人一开始就被复杂的部署劝退，其实没必要。我建议想上手的人先搭一个最小验证环境，花半天就能跑通全流程。

最快的方法是：直接用在线Text-to-CAD工具，随便输入一个简单零件描述，等它输出STEP文件，下载后用FreeCAD或任意CAD查看器打开，检查尺寸对不对。这个过程不写一行代码，适合验证工具值不值得研究。

如果想本地跑，推荐“CadQuery+开源大模型”的组合。安装CadQuery很简单，Python环境里一行命令就行，然后写一个最简单的生成脚本，把描述文本传给模型，让模型返回CadQuery代码并执行。步骤大致是：安装依赖、准备模型接口、写一个“提示词模板→模型输出→执行脚本→导出STEP”的Pipeline。初期跑通这个链路，比花时间研究各种复杂框架有用得多。

4. 实操：从描述到能用的STEP文件

4.1 一个高成功率的描述话术框架

经过大量实测，我发现决定生成成败的第一要素不是工具，而是提示词的“结构化程度”。那些一上来就让AI“生成一个漂亮的支架”的描述，基本都会翻车。真正好用的描述，遵循一个固定公式：

主体几何 + 关键尺寸 + 特征清单 + 约束说明 + 输出格式

拿一个钣金支架举例，一段高成功率的描述长这样：

生成一个钣金支架： 主体为L形，两条边长分别为120mm和80mm，宽度60mm，板厚2mm； 长边末端有4个直径5mm通孔，沿长度方向间距20mm均匀分布， 孔心距长边边缘8mm； 短边中央有一个8mm×8mm的方孔； 所有外边缘做R3圆角； 底面开两个腰形安装孔，长10mm宽4mm，位置在长边中点附近； 输出STEP文件，长度单位mm，默认材料为Q235。

注意这段描述的几个细节：每个特征都有明确尺寸和位置基准；孔的类型写清楚是“通孔”还是“腰形孔”；圆角给出了半径；最后指定了单位和输出格式。

4.2 从翻车到修正：迭代式微调才是常态

没有人能一次就生成完美模型。工具返回结果不理想时，别急着推翻重写，先看问题方向，再做“增量修正”。这个过程有点像改设计图纸，逐条修改描述往往比推倒重来有更高的成功率。

举例来说，第一次生成后你发现孔位偏移了中心距、壁厚偏薄，可以这样追加修正：

之前生成的支架方向是对的，但需要调整： 孔位中心距从20mm改为18mm，靠近长边端部偏移减少2mm； 板厚从2mm改到1.5mm后，圆角半径同步改为2mm； 所有通孔改为沉头孔，沉头直径8mm，深度1mm，中心直径保持5mm不变。 保持之前的长宽高尺寸，只改上述内容。

这种方式之所以有效，是因为Text-to-CAD工具拿到的是描述文本，它没有“记住上一版模型”的记忆，但在一段对话里继续追加新描述，它能根据上下文重新理解需求。你用“只要改哪几个参数”的思路去微调，它输出的结果会明显更准。

4.3 拿到模型后的校验清单

生成不是终点，拿到文件后至少要做一轮校验，否则带着错误尺寸的模型进下游，等于埋雷。

我习惯按这个顺序检查：

• 用CAD软件打开STEP文件，跑一遍“测量”功能，核对关键外形尺寸。最容易错的是孔距和板厚，这两个参数几乎决定了零件能不能用。
• 检查单位。很多在线工具默认按毫米处理，但如果你在描述里漏了单位，生成结果可能以英寸为单位输出，导入后所有尺寸变成25.4倍关系，这问题我在团队里踩过不止一次。所以描述末尾我永远会加一句“单位mm”。
• 如果输出的是STL网格，先做非流形检查和法线翻转修复。像MeshLab、Blender这些免费工具都能一键修复基础问题，费用为零，耗时几分钟。
• 对壳体类的零件，一定要做剖面检查壁厚。AI生成薄壁件时经常漏掉内腔，给你一个实心块，或者壁厚忽厚忽薄。看剖面图能一眼发现。

4.4 拿到的是脚本而不是模型时，处理起来反而更爽

走代码生成路线的工具，有时会直接给你CadQuery或OpenSCAD脚本。新手一看代码头皮发麻，我反而觉得这种情况最舒服。因为脚本相当于把整个建模过程“参数化”了，想改尺寸就是改数字，改完重新生成，比在CAD图形界面里拖拽还快。

我截一段CadQuery风格示意（不同版本语法略有差异，但思路一致）：

import cadquery as cq result = ( cq.Workplane("XY") .box(100, 60, 8) .edges() .fillet(3) .faces(">Z") .workplane() .rect(80, 40) .cutBlind(-5) ) cq.exporters.export(result, "bracket.step")

如果AI生成的代码里尺寸不对，你不用重新描述，直接在脚本里改数字就好了。这也是为什么我说代码生成比纯网格生成更适合工程师使用——它把“改图”从一个黑盒操作变成了透明的参数修改。

5. 生成结果不理想？从几何错误到语义偏差的排查链路

5.1 第一步：判断是“语义错”还是“几何错”

用Text-to-CAD生成模型出问题，几乎是百分百会遇到的，新手容易慌，老手先分方向。处理生成结果时，第一个要判断的是：这个错误到底是“AI没听懂你在说什么”，还是“AI听懂但几何计算出了问题”。

把生成的模型导入CAD软件，看两个方面就能判断。如果模型整体形状跟描述接近，但孔位不对、圆角缺失、尺寸偏差，这是语义理解层面的问题，得改描述。如果模型到处是破面、布尔运算残片、单独悬浮的小实体、甚至无法进行正常倒角操作，这是几何拓扑层面的问题，改描述往往没用，得换生成策略或者用修复工具处理。

这两个方向的排查路径完全不同，不区分清楚就乱调提示词，纯属浪费次数。

5.2 几何类错误的典型表现和修复办法

我见过最多的几何类错误有三类。

一类是布尔运算失败导致实体不封闭。表面上看模型存在，但边缘缝隙多，导入专业CAD后一进行实体操作就报错。处理办法是在描述里写清“尽量使用拉伸与布尔减，不要生成曲面”，迫使工具走更稳健的CSG路线。

另一类是STL网格非流形，存在悬空的边、重叠的面。这种问题MeshLab的网格修复向导基本都能处理，自动修复后如果仍报错，就手动选中问题面删除重建。

还有一类是“单位比例错乱”。描述里没写单位，AI默认按某种尺度缩放，模型尺寸和预期差了一个数量级。这个没太好的修复手段，直接重新生成，并在描述里显式注明“单位mm”最省事。

5.3 语义偏差的典型表现和修复办法

语义偏差是另一个大类，也是新手最常踩的坑。根因通常在描述里，我把高频问题整理成了一张表：

我发现一个特别容易踩的雷是“孔”这个词的歧义。你在中文里说“开一个孔”，到底是圆孔、方孔、螺纹孔还是沉头孔？AI经常按它训练数据里最高频的理解来处理。解决办法就是牺牲一点自然语言的美感，把所有特征都说死：直径、类型、深度、位置基准，一个不要少。

5.4 一个典型排查案例：从“一团乱麻”到可生产模型

拿一个我接触过的常见组合场景举例：有一次我想生成一个带方形安装座的外壳，第一次描述写的是“做一个外壳，有底座，加一个方孔，整体圆角”，结果生成的模型底座和外壳连成一体、方孔没有贯穿、内部壁厚还变成0.4mm。

排查链路是这样的。第一步，导入FreeCAD后先检查模型树，发现底座和外壳的布尔和合并出问题，属于几何错误，修复思路是让生成器改用“两个分立的实体做布尔加”，而不是先生成融合体。第二步，方孔没贯穿说明语义描述不完整，于是我把“方孔”改成“在外壳顶面中央做一个12×12mm方孔，深度贯穿顶面至内腔”。第三步，壁厚偏薄说明内腔没有做偏置，改成“外壳壁厚1.5mm，内腔轮廓由外壁向内偏置1.5mm生成”。三轮修正后，模型终于从“看着像外壳”变成了“可以拿去检查壁厚和孔位的外壳”。

这轮排查给所有读者的启示应该是：别怕失败，Text-to-CAD本质上是一个“文字驱动的交互式建模流程”，修正迭代本身就是正常工序。跟传统CAD相比，它唯一的坏处是要花时间学习怎么写描述，好处则是改描述比改模型快得多。

6. 放进真实工作流：三类场景与三种整合方式

6.1 用得最顺手的三个场景

从纯工具新鲜劲过了之后，我总结出Text-to-CAD目前最值得进工作流的三个场景。

第一是概念方案发散阶段。传统流程里，你要想给设计评审出三到五个外观级方案，每个方案都得建出大概模型，耗时巨大。现在给AI描述同一个零件做五组不同的结构变化，比如孔位不同、加强筋布局不同、外壳圆角半径不同，几分钟就能拿到一批候选模型，直接放评审会上讨论，效率提升非常明显。

第二是工装夹具和定制件的快速建模。这类零件有个特点：结构本身不复杂，但是装配关系、安装尺寸必须准确。用文字把“底板四个M6过孔，间距依据方钢管宽度60mm”这台机器的关系写好，生成STEP后直接下料加工，如果不涉及特殊公差要求，能省掉大量建模时间。

第三是产品变体生成。散热器外壳要出三个版本：厚度不同、安装接口不同、孔位排布不同。以前这种变体得人工重画或者改参数，现在直接把差异写进描述里，AI生成一次可以得到一组尺寸近似的变体模型，稍作整理就能进CAD做装配验证。

6.2 坚决不碰的三个高风险区

顺势也要聊聊反例，什么事情不该用Text-to-CAD硬扛。

第一是承载和安全关键件。比如要焊接在设备上承受交变载荷的悬臂支架、密封容器的法兰面，这类零件的强度计算、应力分析和密封验证不能缺失，AI生成一个外形当然快，但工程责任最后还是落在工程师肩上，省了建模时间，后面仿真和分析一样跑不掉。

第二是精密配合和公差控制场景。AI生成的默认公差基本不受控，你让两个配合件分别描述“直径20的孔”和“直径20的轴”，生成出来的配合间隙可能完全超出预期。精密传动、轴承等场合，老老实实回到传统CAD做配合设计。

第三是复杂曲面设计。A级曲面、连续曲率车身件这种东西，AI现在根本生成不出可用的结果。它的训练数据里就没有多少高质量曲面特征，输出大概率是波浪起伏的网格，拿去造形倒是可以，拿去模具设计就是灾难。

6.3 三种整合方式，让工具真正产生价值

工具使用要想真正落地，我会建议根据团队情况选一种方式整合。

第一种是“前置创意法”。把Text-to-CAD放在设计流程的最前端，专门用来做概念发散，出几个粗模后由评审选定方向，再进入专业CAD做精细建模。这种方式投入最小，只需要一个人学会写提示词就行。

第二种是“生成式零件库法”。把团队常用件的参数模板整理成描述模板，同事要什么样的件，写一段描述就能拿到初步模型。这种方式适合标准化程度高、零件重复率高的产线周边设计团队。

第三种是“后处理标准化法”。把文字生成模型、校验、修复、数据转换这几个环节固定成标准流程，定义自己团队的描述模板库和数据规范。投入最大，但长期效果最好，能把“模型能用”变成“模型稳定可用”。

6.4 团队推广时容易忽略的细节

最后提醒几个团队落地时容易忽略的细节。

提示词模板一定要沉淀。AI生成稳定与否很依赖描述质量，但团队里每个人的语言习惯不同，写出来的描述差异极大。整理一份团队内部描述模板，统一单位、特征词、输出格式，能让整体成功率高一个台阶。

英文描述在当前主流工具上的表现普遍好于中文，特别是布尔运算、特征名称这些术语。如果团队同事英文吃力，建议把常用特征词做成英中对照表。

数据安全要提前配置。在线工具多数会把你的描述和生成结果传到云端，未发布的竞品结构千万不要随意传。对敏感项目，提前把本地部署方案跑通，免得到时候手里有工具却不敢用，比没有工具还难受。

最后说点我自己的实际体会。用了一段时间Text-to-CAD后，我最顺手的用法不是拿它一步到位生成成品，而是先让AI产生一个“具备讨论价值的粗模型”，然后我再用专业CAD把关键特征重建一遍。这个过程看似多了一步，实际却帮了大忙——我花在“把想法变成实体”上的时间，比我预想的减少了一大半。

还有一个让我一直受用的小习惯：第一次描述永远按“主体→凸台→减料→圆角”四段式来写。先描述基体形状和尺寸，再描述要加的部分，再描述挖孔削切的部分，最后统一说圆角和倒角。这个顺序本身就是在教AI“先长什么样、再加什么、再删什么”，按这个结构输出描述，生成的成功率比乱序描述高出非常多。

别把Text-to-CAD当成自动出图的魔法，把它当成一块说话就能改图的电子草稿纸，你会发现这个工具是真的顺手。