Text-to-CAD实战：自然语言生成可编辑CAD模型的原理与应用

text-to-cad 这几年在设计和制造圈子里热度一直没降过，而且从早期只能生成简单的拉伸体，到现在已经能处理带圆角、倒角、阵列这类中等等级特征的零件，进步相当明显。我本人从第一版开源模型就开始玩，踩过不少坑，也总结了一些实际可用的流程，这篇就围绕 text-to-cad 到底是什么、底层逻辑怎么走、怎么选工具、实际建模时有哪些注意事项，完整梳理一遍。不管你是刚接触这个概念的机械专业学生，还是在企业里做非标设计的工程师，只要想用自然语言直接驱动三维建模，这篇内容都值得看完。

1. 内容整体设计与思路拆解

1.1 text-to-cad 的核心价值

先给第一次接触的朋友解释一下。text-to-cad 就是把一段自然语言描述，比如“一个带有四个安装孔的矩形底座，长100毫米，宽60毫米，高15毫米，孔直径8毫米”，直接转换成可编辑的 CAD 模型文件，通常是 STEP、BREP 这类几何内核数据，而不是一张图片或者一个网格体。

早期很多人在网上看到“文本生成3D”的演示，以为 text-to-cad 就是那种生成 OBJ 或 GLTF 网格的技术，其实完全不是一回事。CAD 模型要求的是精确的边界表示（B-rep），有表面、边、顶点，还要带参数化特征，后续要能修修改改，要能出工程图，要能丢到 CAM 里做加工。网格模型（Mesh）看着像，细节一放大全是三角面片，根本没有精度概念。text-to-cad 的核心价值在于它直接面向工程制造语言，生成的是真正能用的零件几何体。

我理解的本质是：它把“设计意图”翻译成“参数化操作序列”。举个例子，你说“在平面上打四个孔”，模型内部其实知道这是“打孔特征”，孔的位置、直径、深度都要能被参数驱动。这和传统手工建模的思考方式是一致的，只不过过去是通过鼠标点选、输入参数完成，现在是用语言直接表达。

1.2 这个技术适合谁、解决什么问题

text-to-cad 最直接解决的问题是三维建模效率瓶颈。我自己做非标自动化设计时，很多标准件底座、支架、法兰盘，形状并不复杂，但每次都要从草图开始画拉伸、倒角、打孔，重复劳动特别多。有了 text-to-cad 之后，类似“带中心孔和四个螺栓孔的圆形法兰，外径100，内径40，螺栓孔均布在80的圆周上”这种话术直接出模型，再微调一下就能用，效率提升非常明显。

对小白来说，它降低了学习门槛。你要是完全不会用建模软件，又急需一个简单零件模型，描述一句就能拿到基础体，再做局部修改，比从零学一款软件快得多。对资深工程师来说，它更像是一个“灵感速写工具”，快速验证结构可行性，而不是替代精密建模。

需要想清楚的是，text-to-cad 不能解决所有问题。复杂曲面、装配关系、运动仿真、工程图标注，这些光靠一句话很难搞定。它最适合的场景是几何特征清晰、约束明确的机械零件，尤其是回转体、拉伸体、孔槽类结构。如果你要做的是矿机外壳那种大型焊接件，或者需要精密配合的齿轮箱内部结构，还是老老实实用传统方式。

1.3 从文本到模型到底经历了什么

理解 text-to-cad 的流程，可以帮助你更准确地去写提示词。整个处理链路大致是：文本解析 → 语义理解 → 几何生成 → 模型输出。文本解析负责把一句话拆成“零件类型、尺寸、特征、位置”的结构化信息；语义理解负责把这些信息映射到 CAD 建模操作上；几何生成是用算法构建出 B-rep 实体；模型输出再转成 STEP/IGES 等标准格式。

这里最容易出问题的地方是模糊表达。比如“一个稍微大一点的板子”，“稍微大一点”到底多大？模型没法猜。所以我在实际使用时，所有关键尺寸都要写清楚，而且要带上单位。另外“上面有几个孔”这种写法也不够，得明确说“四个孔，均匀分布在以中心为圆心的直径80的圆上”。

2. 核心工具选型与原理辨析

2.1 目前主流的 text-to-cad 方案对比

市面上的方案可以分为几类：开源的文本生成 CAD 模型项目、商业 CAD 软件内置的 AI 助手、以及基于云端 API 的文本转模型服务。我接触比较多的是以下几类，各有特点。

第一类是本地可运行的开源方案。这类工具通常基于 Transformer 架构，训练数据来源于公开的 CAD 模型库。它们可以离线运行，模型权重自己掌握，适合对数据保密要求高的企业。缺点是对硬件要求高，而且生成质量受训练集覆盖范围影响很大，复杂特征容易翻车。

第二类是商业软件内嵌的 AI 建模助手。这类工具的优势是和原生建模环境无缝集成，生成的特征树是标准的，参数可编辑，也不会出现突兀的几何错误。但通常需要付费订阅，而且部分功能依赖云端计算，网络环境不好就用不了。

第三类是基于 API 的通用服务。输入文字直接调用接口返回模型文件。这种方案部署最简单，但长期使用成本高，而且定制化能力有限。

选型要看实际场景。如果只是个人学习，开源方案加一个免费 CAD 软件足够；如果是企业设计部门，建议优先考虑软件内嵌方案，因为可编辑性和后续出图更顺畅。我个人的习惯是，先用开源方案做快速验证，确认结构没问题再导入商业软件细化。

2.2 底层几何表示与生成逻辑

要做文本生成 CAD，首先得明白 CAD 模型内部是怎么存的。主流几何内核用的是 B-rep，也就是边界表示。一个实体由一组面、边、顶点构成，面可以是平面、圆柱面、圆锥面等解析面，也可以是非均匀有理 B 样条（NURBS）曲面。每个面之间通过边连接，边上有拓扑信息。B-rep 最明显的优势是精度高，支持布尔运算、倒角、抽壳这些高级操作。

text-to-cad 模型输出的就是这种 B-rep 数据。目前多数生成思路是分两步走：先通过语言模型生成一个“建模指令序列”，再交给几何引擎执行。这里的建模指令序列类似宏命令，包括“新建草图、切换到前视面、画矩形、约束尺寸、拉伸 20mm”等操作。几何引擎一步步执行这些命令，最终生成实体。这样做有个额外好处：模型是带特征历史的，后面可以修改任意一个尺寸重新生成。

另一个思路是直接预测 B-rep 的拓扑和几何，靠图神经网络来完成面、边、顶点的拼接。这个方法更底层，但目前稳定性不够好，生成的实体常常出现微小裂缝或自相交。所以现阶段工业化的产品大多走指令序列这条路。

2.3 训练数据与语义映射的难点

text-to-cad 的效果很大程度取决于训练数据。公开的 CAD 模型数据集通常包含几百万个零件，每个零件都有完整建模历史。要让模型学会文本到建模指令的映射，需要把建模历史对应上自然语言描述，这本身就是个复杂的数据工程问题。

比如说，一个法兰盘的建模历史可能是“草图圆 → 拉伸 → 打中心孔 → 阵列孔”。但自然语言描述可能是“一个带六个螺栓孔的法兰，螺栓孔均匀分布”，中间的信息并不完全对应。数据标注时就得建立这种语义联系。再加上不同人描述同一个零件可能用完全不同的说法，比如“底座”和“基板”可能指同一类东西，模型必须理解同义表达。

这也是为什么模型生成结果有时会出现“答非所问”的情况。我遇到过描述“一个简单的矩形板” 却生成了带缺口零件的情况，大概率是训练数据里“简单板”类别的样本太少，模型只能靠相似特征补全。针对这个问题，靠谱的做法是加限定词，比如“矩形板，没有其他特征，没有孔，没有槽”，把负面条件也写出来。

3. 实操流程与关键参数设置

3.1 写提示词的黄金模板

和 text-to-cad 打交道一年多，我总结出的一套提示词结构是：零件类型 + 主体尺寸 + 关键特征 + 布局方式 + 特殊要求。零件类型决定基础体是板、块、筒还是法兰；主体尺寸给出长宽高或直径厚度；关键特征指孔、槽、螺纹、倒角、阵列等；布局方式说明特征位置关系；特殊要求包括公差、表面处理、是否需要镜像等。

举个例子，我写过一个用于快速加工的提示词：

生成一个L形支架 主体尺寸：长100毫米，宽80毫米，厚10毫米 L形短边向上延伸50毫米，厚度同样10毫米 在底面钻两个安装孔，直径6毫米，间距60毫米，对称分布在中心线两侧 顶部短边处做一个半径3毫米的圆角 所有锐边倒角0.5毫米

这一段话集中了类型、尺寸、特征、位置、圆角倒角等所有信息，生成出来的模型基本不用大改。如果只说“做一个L形支架”，模型大概率会生成一个默认比例的东西，最终还是要手动调整。提示词越具体，结果越可控，这应该算 text-to-cad 用得久的人最深切的体会。

3.2 尺寸与单位的处理细节

不同工具对尺寸单位的默认设置不太一样，有的默认毫米，有的默认英寸，这一点特别坑。我一开始用某个开源模型，提示词里写着“50毫米”，结果生成模型在软件里量一下是50英寸，整个比例完全不对。后来养成习惯，每次提示词里不仅写数值，还要写上单位。更重要的是，生成之后第一步就在软件里检查“单位设置”，先确认文档单位是毫米还是英寸，再缩放模型。

做过设计的人都知道，CAD 建模中单位错误会带来灾难性的后果，加工出来的零件完全报废。所以 text-to-cad 生成的模型，哪怕建模特征看起来很对，也必须做一次标准检查：测量关键尺寸、检查单位、核对特征数量。这个习惯能省掉很多后续返工。

3.3 从文本生成到实体模型的完整操作演示

以某个开源工具为例，实际操作流程大概是这样的。先安装依赖环境，准备好 Python 运行环境并下载模型权重，然后运行命令行工具。我用的是最小可复现的脚本式调用：

import cadgen model = cadgen.load_model("text-to-cad-base") result = model.generate( prompt="一个直径50毫米、高20毫米的圆柱体，顶部有直径10毫米、深5毫米的中心盲孔", output_format="step" ) result.save("cylinder_with_hole.step")

这段脚本执行后，会得到一份 STEP 文件。打开自由开源的 FreeCAD 软件导入，检查特征树，能看到“拉伸1”、“孔1”这两个特征，而不是一个光溜溜的实体。这就是前面说的“带特征历史”的意义。要改孔直径，直接双击特征树里的“孔1”把10改成12，模型立刻更新，比重新生成一遍高效太多。

如果是更复杂的模型，比如需要阵列孔，提示词里写“在直径100的圆周上均匀分布6个直径8的孔，孔中心所在圆直径100”，生成后检查特征树，应该能看到“阵列”操作记录。线性阵列和圆周阵列是 text-to-cad 模型经常出问题的点，特征越多、数量越大，越容易漏掉或者重复。生成后数一数特征数，是我必做的验证动作。

3.4 从文本生成到实体模型的完整实操思路

除了工具直接生成，还可以再叠加一层“文本 → 脚本 → CAD”的链路。这种思路特别适合有一定编程基础的朋友。先说思路：把自然语言描述转换成一段 CAD 脚本（比如 FreeCAD 的 Python API 脚本），再执行脚本生成模型。这一步看似绕了远路，其实对复杂零件反而更好用，因为脚本可控性远高于直接生成的模型。

举个例子，如果要生成一组变距螺纹孔，直接在提示词里描述“每个孔之间距离逐渐增加”就很容易翻车，因为模型不理解渐变逻辑。写成脚本循环，每个孔的坐标通过算法算出来，既准确又高效。我的建议是：简单标准化零件直接用 text-to-cad 生成；比较复杂、涉及参数化规律的零件，用 text-to-cad 生成主体轮廓，再用脚本补齐规律特征。

4. 常见问题与排查技巧实录

4.1 特征丢失或多余，怎么定位问题

用得多了，常见的失败类型就那几种：零件主体出来了但孔没打，或者多出来莫名其妙的凸台；尺寸完全对不上；圆角倒角丢失；阵列数量不对；生成结果是网格而不是实体。

遇到这些问题，第一步不是改提示词重试，而是看特征树。特征树能告诉你模型实际做了什么操作。如果提示词写了打孔，但特征树里没有“孔”这项，那说明语义理解没能把“打孔”映射成建模指令。这时候要换一种表达方式，比如把“打孔”说成“在指定位置创建直径10的通孔”，往往成功率更高。

多出来的特征也一样，找到特征树里多余的那个操作，删除或者抑制，比反复重新生成更省事。所以我也经常说，text-to-cad 不是完全替代建模的魔法，而是成年人手里一根比较长的撬棍，最终还得自己动手拧两下。

4.2 尺寸不对或比例失调的处理

尺寸不对绝大多数是单位或者小数格式的问题。模型训练时用的数据可能只保留整数尺寸，你给个 15.75 这种带小数的数值，模型可能直接四舍五入成 16。这种情况用脚本生成参数化模型反而更稳。另外，长宽高差值过大的零件，比如长 200、宽 5、高 3 的细长条，也容易翻车，模型可能把宽高弄反。排查的时候，先用测量工具看三个方向尺寸，别只看某一个方向。

比例失调还体现在厚度上。描述“厚 2 毫米的环”，模型可能生成一个 2 厘米厚的环，十倍误差。这类问题没有通用解法，只能通过“检查 → 修正 → 再检查”的循环逼近。老实说，这也是为什么我不建议直接在生成结果上做加工，而是导入 CAD 软件后重新约束一遍主要尺寸。

4.3 生成速度慢和硬件资源问题

text-to-cad 模型跑在本地时需要 GPU 加速，显存至少 8GB 起步，16GB 比较充裕。我自己就遇到过在 6GB 显存的卡上要等好几分钟的情况，提示词稍微复杂一点还报显存不足。解决办法是给提示词瘦身，去掉无关修饰词，比如“一个美观的”、“看起来很结实的”这类描述。模型计算资源有限，应该全部留给几何信息。

如果公司有内部服务器，还可以把服务部署在远端，自己电脑只发请求。这种方式对硬件要求最低，也方便团队共用模型。个人开发时建议使用量化后的模型权重，内存占用能再降一半，生成质量下降不明显。

4.4 常见问题速查表

4.5 实测下来的提示词优化技巧

给模型写提示词有点像跟刚入职的实习生沟通，必须把每一步交代清楚。我常用的技巧是把“然后”、“接着”这类连接词换成带编号的分项描述，比如“第一步生成底板，第二步在四个角创建通孔，第三步在底部创建加强筋”。模型对步骤型输入的解析成功率远高于散文式描述。

另一个技巧是重复关键参数。在描述孔时，极大概率要想清楚直径、深度、类型。我遇到过一个案例，提示词里写着“在顶面打孔，直径 12”，结果模型默认打的是盲孔，深度只有 5。改说“直径12的通孔，贯穿整个板厚”就正常了。孔深作为独立参数，不能含糊。

我自己还习惯在提示词最后加一句“不需要额外特征”，这句话能有效抑制模型自作主张添加圆角或凸台。很多生成结果过度膨胀，就是因为模型出于“泛化”本能加上了它认为常见的特征。负面约束在 text-to-cad 里比正面约束还重要。

5. 现实场景中的可用性评估与扩展建议

5.1 哪些零件最适合用 text-to-cad 生成

刚才提到了，最适合的是中低复杂度机械零件。拿我最近在做的一个小工装来说，需要一块安装板，上面分布不同类型和数量的孔，还要铣一个 45 度倒角。这类零件特征数量在五到十个之间，用 text-to-cad 生成基本没问题，后续只花几分钟调整孔位置。

不适合的是大规模装配体、曲面复杂的外壳以及有严格公差要求的运动部件。比如齿轮齿形、凸轮轮廓，这些需要明确函数曲线和齿轮专业计算方法，自然语言描述出来模型大概率做不标准。又比如注塑件外壳，涉及拔模角度、壁厚均匀性、加强筋布局等大量注塑工艺知识，文本描述很难一次到位。

简单总结，text-to-cad 适合的是“设计需求能用文字说清楚，几何结构不算复杂，精度要求中等”的零件。精度要求特别高的场合，它只能用来做前期的方案论证，真正交付还要靠人在 CAD 里精修。

5.2 从文本到加工之间的缝隙

很多人容易忽略一个问题：text-to-cad 生成的是几何模型，不等于可以直接拿去加工。加工需要工程图，需要标注尺寸公差、表面粗糙度、材料、热处理要求等大量工艺信息。我见过设计师拿生成模型直接去线切割，出来的活尺寸跟理论值差了接近一毫米，原因是模型本身没有指定公差等级，加工厂默认按一般公差走。

正确做法是，用 text-to-cad 得到模型后，再导入 CAD 软件补充标注和属性。这部分工作目前没有完全自动化，需要人工参与。日常用的工作流是：文本生成模型 → 另存为 STEP → 在 CAD 中打开 → 调整关键尺寸和特征 → 出工程图 → 转给工艺人员。这条链路跑顺了，效率提升非常可观。

5.3 结合脚本和参数化设计的扩展玩法

除了直接用现成工具，text-to-cad 还可以和参数化设计很好地配合。思路是把自然语言描述转换成 Python 脚本，脚本里定义参数变量，通过改参数批量产出不同尺寸的模型。这在做系列化零件的时候特别有用。

举个例子，我需要做一系列不同规格的法兰：外径从 80 到 200 变化，螺栓孔数 4 到 12 变化。如果一个个用 text-to-cad 生成，得写很多差不多的提示词。但如果我用提示词先生成一个模板脚本，再把外径和孔数改成变量，循环生成，一分钟就能得到全套模型。这不只是偷懒，反而能保证系列零件之间的建模逻辑一致。

模型生成脚本还有一个好处：可以嵌套数学公式。比如孔的位置和某个尺寸存在函数关系，直接写进脚本，比描述“根据经验公式安装孔位置”靠谱得多。这类玩法可能更适合有编程基础的工程师，但也说明了 text-to-cad 只是一个入口，真正的天花板取决于使用者的设计能力。

5.4 长远视野：text-to-cad 会取代 CAD 吗

聊到这块，总有人问 text-to-cad 会不会让传统 CAD 软件消失。我的看法是，它改变的是交互方式，而不是几何内核。过去我们是用鼠标点菜单，现在是用语言描述，但底层仍然是草图、拉伸、阵列、倒角那一套特征建模逻辑。CAD 软件作为几何内核和工程数据管理器，地位反而更稳固。

更准确地说，text-to-cad 让“设计表达”变得轻量化。以前要完整画好一个零件，必须经历软件的学习曲线；现在有人可以用自然语言直接把自己的想法变成模型，有想法的门槛降低了。但对专业设计师而言，核心价值仍然在于判断一个设计是否合理，材料对不对，工艺能不能做出来，这些都不是文本生成能替代的。

在未来一段时间里，我比较看好的方向是设计前期概念探索。设计师用文本描述大致想法，快速生成多个方案进行比较，然后挑出最合理的方案在 CAD 里深入细化。这个“从零到一”的过程是 text-to-cad 最擅长的，“从一到十”还得靠人。

写在最后的实际体会

接触 text-to-cad 这么久，我最大的感受是它不像很多人想的那样只是“偷懒工具”，而是逼迫你把设计思路整理清楚。你写提示词的过程，其实就是在梳理零件的拓扑结构和尺寸关系。有一个隐藏的额外收益是，为了让模型输出稳定，我养成了给所有尺寸命名、明确公差和表面处理的习惯，这本来是老师傅才有的素养，如今新手也借由这个工具提前养成了。

如果你正准备上手 text-to-cad，我的建议是别指望第一条提示词就能生成完美零件，把它当成试错过程的起点。提前准备一个模板库，把常用的零件描述存下来，下次直接改尺寸，会越用越顺手。更要紧的是始终保留一个心眼：生成模型只能作为方案参考，最终需要人来做合理性检查，这是底线。希望这篇记录能帮你少走一些我走过的弯路。