text-to-cad实战：从一句话到CAD模型，AI建模的现状与经验

把一句话变成CAD模型，这事在很长一段时间里听起来都像是CAD厂商画的大饼。但最近一年多，text-to-cad这个方向突然被认真做起来了。我第一次用Zoo的在线工具测试时，输入"带四个安装孔的L形支架，长边120mm，短边60mm，厚度5mm"，大概等了半分钟，它真的交给我一个能正常打开的STEP文件。那一刻说实话有点恍惚——做机械设计十来年，"建模"这个动作本身被重新定义了，大概就是这种感受。

这篇文章我打算以一个长期在SolidWorks、Fusion 360和FreeCAD之间来回折腾的机械从业者身份，聊聊text-to-cad目前的真实水平、背后的技术逻辑，以及真正拿它干活时提示词怎么写、模型怎么验、坑怎么躲。不讲虚的，大部分内容是我自己反复试错出来的经验。无论你是工程师、3D打印玩家，还是被建模门槛卡住的产品经理，应该都能从这里找到点有用的东西。

1. text-to-cad 到底解决了什么问题

1.1 建模门槛背后的"翻译成本"

先把立场说清楚：text-to-cad不是为了消灭CAD软件，更不是要让工程师失业。它真正解决的问题，是"从想法到几何表达"这一步的摩擦成本。

传统流程是这样的：你脑子里已经有一个零件的完整形态，然后你需要打开软件、新建零件、选基准面、画草图、标尺寸、加约束、拉伸切除、倒圆角……这一整套动作，本质上是在把"语言层面的空间想象"翻译成"参数化特征树上的操作序列"。这个翻译过程对熟练工程师来说可能只需要几分钟，但对没受过训练的人，可能就是噩梦。

我在给一些做硬件创业的朋友辅导时经常遇到这种情况：他们产品方案想得很清楚，结构上需要什么样的支架、什么样的外壳，但一打开建模软件就懵了——草图约束不会加，拉伸切除搞不明白，更别提扫描、放样这些高级特征。text-to-cad的出现，等于把这道坎直接挪走了。你只需要把脑子里的零件"说"清楚，它负责输出那个翻译好的操作序列。

1.2 它和传统参数化建模的本质区别

传统参数化建模有一个核心特性：过程是显式的。打开模型的特征树，你能看到这个零件是怎么一步步建出来的——先画了什么草图，拉伸了多少，哪里切了一刀。每一步都可以单独修改、重新排序，整个设计过程是可追溯、可调整的。

text-to-cad生成的模型，在生成引擎内部其实也保留着类似的"隐式特征树"——它确实是先画草图、再拉伸、再开孔这样的命令流。但问题在于，当你把它导出成STEP文件，再导入到其他CAD软件时，这些历史特征就全部丢失了，只剩一个孤立的B-rep实体。你看到的是一块"死几何"，没法直接改某个孔的直径然后让整个模型自动更新。

这一点特别关键。很多刚接触text-to-cad的朋友拿到的STEP模型第一反应是直接开始改，结果发现改不动——因为那不是参数化模型。这也决定了它的实际定位：它是草图生成器，不是设计替代者。聪明的用法是把它当"起笔"，而不是"终稿"。

另一个本质区别在于确定性。传统建模每一步都是确定的、可预期的；text-to-cad是概率性的，同一个提示词生成两次，结果可能完全不同。这在工程上是个需要严肃对待的问题——你不能把一个可能"发挥失常"的工具直接扔进生产流程，必须在它和人之间加一层验收机制。

2. 技术原理：语言到几何的翻译是怎么发生的

2.1 为什么不让大模型直接生成STEP文件

很多第一次接触这个领域的人会有一个很自然的疑问：STEP文件本质上也是文本，为什么不让大模型直接学会生成STEP呢？回答这个问题，比了解工具本身更能帮你理解这个领域的技术边界。

STEP文件采用的B-rep（边界表示）格式，对一致性要求极端苛刻。一个实体的每个面都要引用若干条边，每条边都要引用两个顶点，所有顶点的三维坐标必须精确闭合。任何一条引用关系断掉，任何一个坐标值轻微漂移，整个文件就是废的。你在软件里可能看到的就是破面、撕裂、非流形体，甚至根本无法导入。

你可以把B-rep想象成一座极其复杂的交通网络：每个路口是顶点，每条路是边，每个街区是面，它们之间必须严丝合缝。大模型生成大段文本时，单个token的出错率虽然很低，但累积到上千行、上万条实体记录时，几乎必然出错。让大模型直接写STEP，就像让它蒙着眼睛画一张立交桥图纸——画完大概率是没法用的。

所以现在主流方案都做了一个工程上的关键取舍：让大模型生成的不再是几何文件，而是"CAD命令序列"。你输入"我要一个L形支架"，模型把它翻译成类似这样的操作清单：

在XY平面上新建草图 画直线：起点(0,0)，终点(120,0) 画直线：起点(120,0)，终点(120,60) 画直线：起点(120,60)，终点(0,60) 画直线：起点(0,60)，终点(0,0) 闭合草图 拉伸：5mm 在草图平面添加两个孔： 孔1：直径6mm，圆心(10, 15) 孔2：直径6mm，圆心(110, 15) 倒圆角：内角处R3

这个命令序列再交给一个确定性的几何内核去执行。内核是数学上精确的，它负责计算坐标、生成拓扑、保证闭合，模型只负责"决策"而不负责"计算"。这个设计把确定性留给程序，把不确定性留给AI，是非常聪明的一种拆解方式。

2.2 主流实现路线的对比

目前市面上能看到的实现路线大致可以分成三类，各有各的取舍逻辑。

第一类是"微调视觉-语言模型 + 命令序列生成"，代表是Zoo的Text-to-CAD。它在一个大规模合成CAD数据集上微调了视觉-语言模型，让模型学会把文字描述对应到CAD操作。更妙的是，他们还训练了一个奖励模型——简单理解就是"AI裁判"，用来给生成的模型打分排序。实际生成时，系统会跑出多个候选方案，裁判模型从中挑一个最优的。这有点类似"先海选再晋级"的思路，虽然消耗了更多算力，但效果确实比单次生成稳定不少。

第二类是"开源浏览器方案"，代表是CADmium。整个生成流程在浏览器里跑，模型参数规模不大，输出结果还带着特征高亮显示，你能清楚看到它每一步做了什么操作。它的定位更像透明教学工具：你可以在浏览器里打开源码，研究它到底是怎么把语言转成命令序列的。但对实际交付来说，它目前的能力还比较有限，更多适合学习与研究。

第三类是"传统CAD厂商的AI助手路线"，比如Autodesk在Fusion里推出的各种AI辅助功能。这类并没有做到严格的端到端text-to-cad，更多是对话式辅助：你说需求，它帮你搭草图和特征，你仍然留在软件环境里做确认和调整。优势在于和现有工作流结合得很紧，劣势是端到端程度不够，无法脱离人。

这三条路线背后其实反映了不同的产品哲学。第一类追求"从文本到可交付文件"的完整性；第二类追求开放与可复现；第三类不赌彻底重构，而是温和地融入工程师已经习惯的工作方式。从我的立场看，短期内最容易被广泛接受的是第三类，但最让人兴奋、最能拉低门槛的是第一类。

2.3 数据集与训练逻辑

text-to-cad真正卡脖子的地方，不在模型架构，而在数据。CAD操作序列的数据实在太难拿了：工业界的设计文件大多涉及保密，公开的带特征历史数据的模型库少得可怜。

目前已知的数据来源主要有三类。第一类是Autodesk的Fusion 360 Gallery数据集，收集了数千个带完整特征历史的模型，是学术圈用得最多的资源。第二类是ABC数据集，包含上百万条B-rep几何数据，但只有几何没有操作序列，所以只能用于几何理解类的预训练。第三类是程序化合成数据——一些公司会写脚本随机生成海量CAD操作和模型，再把这些模型渲染成图片、配上文字描述，形成"自己出题自己考"的训练闭环。

合成数据的优势非常明显：规模可以无限扩展，数据精度完全可控。但它的弊端同样突出：完全随机组合出来的CAD特征，往往"几何上合理、工程上无意义"。真实零件里的螺纹孔是为了装配，加强筋是为了抗弯，这些工程语义是合成数据很难模拟出来的。这就是为什么你会经常看到text-to-cad生成的模型"远看像模像样，近看全是问题"。

我自己有个很朴素的类比：现在的text-to-cad，就像让一个看过大量建筑照片但从未进过工地的人去画施工图。他能画出像模像样的建筑轮廓，但你要是让他标注钢筋间距、设计排水坡度，他就露馅了。好消息是，这个"没进过工地"的短板正在被越来越多的真实数据和工程反馈所校正，而且校正的速度比我预想的要快。

3. 工具选型：现阶段有哪些能上手的方案

3.1 商业产品与开源项目横评

过去几个月，我把市面上能试的text-to-cad工具基本都摸了一遍，简单做个横向对比，方便大家按需求对号入座：

先说Zoo。它在网页上直接输入文字，几乎不需要任何CAD基础，半分钟到几分钟就能拿到STEP文件。我实测下来，那些特征清晰的简单零件——支架、盖板、带孔的盒子、简单的轴类件——效果相当能打。但复杂度一上来就不行：螺旋特征、复杂曲面、或者多个零件之间有装配逻辑的设计，基本不用指望。另外它的网页版目前是免费的，但每天有次数限制，重度使用可以考虑走API。

再说CADmium。它是完全开源的，整个生成流程在浏览器里跑，模型不大，但输出结果会带特征高亮，你能看到它每一步执行了什么命令。这个透明的特性对研究很有价值——如果你想弄清楚"语言到CAD操作"这个翻译过程到底发生了什么，它是目前最好的教材。但要说用它来做正经交付，还差得很远。

Fusion的AI辅助功能则是另一条路线。它不追求一次性生成整个零件，而是在你建模过程中帮你完成某些环节，比如自动识别草图中的约束、推荐标准特征、辅助生成设计变体。对已经在使用Fusion的工程师来说，这类功能几乎没有学习成本，也能实打实提效。

3.2 我的选择标准和使用场景

工具选型这件事，我在这个领域吃过不少亏，总结下来有三个硬标准，供大家参考。

第一，输出格式必须支持STEP。原因很简单：STEP是机械CAD领域目前最通用的中性交换格式，绝大多数软件都能无损读写。如果工具只给你STL，那只能用于可视化和3D打印切片，后续做参数化编辑、出工程图、跑CAM全都无从谈起。拿到STL等于拿了一块"冻结的石头"。

第二，生成结果必须有多个候选或可迭代空间。我试过某些学习性质的Demo，输入一句话只回一个结果，不好用就得整句改提示词重来。这就像让设计师画草图却只给你一张图还拒绝修改意见，根本没法定稿。好的工具至少要让你在"候选方案"层面有挑选的余地。

第三，必须能正确处理尺寸与单位语义。你输入"5mm厚的板"，模型应当明确地把5mm当作绝对长度而不是相对比例。很多早期模型把文本里的数字全部当作"无单位相对值"处理，生成出来的几何完全不具备工程意义。这一条直接决定了生成结果能不能进下游流程。

说下我自己的实际使用场景。一个是快速出方案草图：客户在电话里描述零件需求时，我打开text-to-cad生成初版模型，先在空间关系上确认大方向，再进正式设计。这一步能把前期沟通成本压缩一半以上。另一个是给3D打印爱好者做辅导：很多玩打印机的朋友建模是最大短板，用text-to-cad先生成一个基础模型，在Fusion里稍微修一修，比自己从零画快太多了。还有一个是异形非标件的前期评估：比如过渡法兰、异形垫片这类东西，先用文本生成看装配空间够不够，不行就换方案，试错成本几乎为零。

3.3 API集成与批量生成

除了网页版，还有一个值得提的实操方向：API集成。如果你有少量的重复性建模需求——比如每周生成几款标准规格的支架、护罩——完全可以把text-to-cad接到自己的脚本或工具链里。

我在自己维护的一个小工具里做过类似的事：用Python脚本读取一个表格，表里写好了零件名称、关键尺寸、特征描述，脚本逐行调用生成接口，拿到STEP后自动归档到目录，再触发Fusion的批处理导入。整个过程基本无人值守，省下来的时间非常可观。

不过要提醒一点，API返回的模型仍然只是"生成稿"，我依然会在下游做全套验收检查。自动化只是把"画草图"这个劳动密集环节替代了，验收环节永远不会被省掉。

4. 实操：从一句话到可制造的模型

4.1 提示词的写法：描述几何，不要描述意图

这是整个流程中我认为最核心、也最值得分享的经验。

text-to-cad的模型本质上是"几何推理器"，不是"工程咨询师"。你输入"我需要一个能固定电机的支架"，它并不知道电机厂家标准的安装孔距是多少，也不知道电机法兰的形状。但如果你输入"中心距30mm的四个6mm直径通孔，围绕40mm x 40mm的方形法兰均布"，它大概率能给你精准建出来。

一句话总结：说人话没用，要说"几何话"。

我整理了一套提示词模板，可以当公式直接用：

1. 总体形状加外廓尺寸。先讲清楚是什么基本形——板、支架、壳体、轴——再用毫米标注关键外形尺寸。
2. 特征操作加精确参数。逐个描述孔、槽、凸台、倒角、拔模角，每个特征尽量带完整的尺寸和位置数据。
3. 对称与约束关系。说"四角各一个孔，距边缘10mm"比笼统说"四个角上有孔"好得多。模型不是人，它不会脑补"那当然是均布的啊"。
4. 删掉形容词和主观感受。"结实""美观""像苹果一样"这类词，在text-to-cad里是无效信息，甚至可能干扰几何生成。

举一个我用过非常成功的示例，大家可以直接抄作业：

生成一个L形支架。侧视为L形，长边水平方向120mm，短边竖直方向60mm，整体厚度5mm。两段交接处的内侧倒R3圆角。长边上开两个直径6mm的过孔，孔中心分别位于距左端10mm与110mm处，距长边下边缘15mm。

这串描述看起来啰嗦，但CAD建模本来就是精确的语言游戏。text-to-cad只不过帮你把这个"语言描述"翻译成了"特征操作"，描述越精确，翻译的误差越小。

相反的例子我也踩过。有一次我想生成一个"配电箱外壳"，提示词里写了很多功能需求，什么"防尘防水""侧面要散热孔""底部要出线口"，结果出来的模型惨不忍睹——尺寸比例失调，孔数是随机的，壁厚薄得能透光。原因很简单：我描述的是功能和意图，而不是几何和操作。后来我把提示词改成高度参数化的描述："箱体主体300x200x150mm，壁厚2mm，顶盖与箱体分离，顶盖通过四个M4螺丝固定，孔位距边缘8mm"，结果立刻可用。

4.2 生成结果的检查清单

模型生成只是起点，验收才是重头戏。这一步无论如何不能省——把text-to-cad的输出直接扔进生产环节，等于在赌概率，而AI生成的概率性决定了它一定有翻车的时候。

我每次拿到生成结果，都会按下面这张清单过一遍：

1. 整体尺寸是否与预期一致？用测量工具确认长宽高、壁厚等核心尺寸。
2. 特征数量对不对？说好的4个孔是不是真的4个？圆角是否遗漏？
3. 位置关系是否正确？孔的间距、孔到边缘的距离逐一确认，不能只看个大概。
4. 几何是否有破损？导入时要观察是否有非流形、破面报错。
5. 最小特征是否满足工艺要求？比如0.5mm的薄壁，3D打印或许能勉强做，CNC基本没戏。

检查手段并不复杂。在Fusion或FreeCAD里导入STEP后，我第一件事是查看质量属性——如果是合法的实体，系统会给出一致的体积与惯性矩数值；如果是破壳或非闭合几何，质量属性计算会直接报错。这个"质量属性计算"是最简单有效的实体合法性测试。然后我会逐个特征测量，重点确认孔的相对位置。有时候孔是6.2mm而不是6mm，屏幕上根本看不出来，只有测量才能发现。

4.3 与参数化建模软件的接力

拿到STEP之后，多数人在自己常用的CAD里要做的第一件事不是直接改，而是"重新参数化"。

原因前面说过：STEP是一个纯几何格式，没有参数化历史。你没法直接改某个孔的直径再让整个模型自动更新。所以标准的接力流程是：把生成的实体当作参考，基于它重新建立自己的参数化特征树。

我在Fusion里的具体操作是这样的：

1. 导入STEP文件，得到原始实体。
2. 新建草图时开启"捕捉原始实体"，把它当作参考几何。
3. 在参考几何上重新画草图、重新定义拉伸与切除特征。
4. 新特征树建立完成后，隐藏或删除原始导入实体。

这个流程做完，你重新获得了完整的可编辑性。之后任何尺寸改动、设计迭代，都能在参数化特征树上直接操作。有人觉得这一步多此一举，但做过工程项目的人都会明白：设计变更从V1到V2是最频繁的阶段，直接在"死几何"上改，会让人崩溃。

5. 踩坑实录：生成结果是"好看"还是"能用"

5.1 精度、单位与公差问题

这里必须给大家泼一盆冷水：text-to-cad目前最大的问题，不是画不出来，而是画出来了但"不靠谱"。

第一个坑是单位混淆。某些模型会把数字当作相对单位而不是绝对尺寸。你输入"一个100 x 50 x 2的板"，它可能给你一个体积放大了几十倍的抽象块。我的对策是：提示词里强制带"mm"，生成后再用CAD测量工具验证核心尺寸，双保险。

第二个坑是尺寸漂移。比如你要求孔中心距左边缘10mm，它实际生成时可能给到10.2mm。这0.2mm看起来微不足道，但在装配场景里就是一个孔位偏了装不上的现实。这类误差在导入CAD后一定能测量出来并修正，前提是——你必须量。

第三个坑是几何细微错误。模型在屏幕上看着完美，放大几百倍之后，可能会在圆角处发现微小的褶皱或者自交曲面。这些瑕疵在普通显示下完全看不出来，但切片软件或仿真求解时一定会炸给你看。所以务必养成"导入诊断+质量属性计算+切片预览"三连检查的习惯。

5.2 可制造性检验

"好看"和"能用"之间的距离，大概隔着一个完整的工艺知识库。

我见过不少初学者兴奋地向周围人展示AI生成的零件模型，但那类模型压根没法加工。举几个我真实遇到的例子。

第一，完全没有拔模角。注塑件和压铸件几乎都要有拔模角，但text-to-cad生成的大多数模型侧壁都是90度垂直的，这种设计一开模就会刮伤产品、甚至导致无法脱模。第二，壁厚严重不均。同一块板上既有0.5mm的薄区又有5mm的厚区，注塑时会缩水翘曲，3D打印时会拉丝和冒支撑。第三，内圆角半径小到没法加工。CNC铣削内角时必须考虑刀具半径，R1的内圆角配直径10mm的刀，刀根本转不进去。

所以拿到任何生成模型，我都会先做一层"工艺体检"：确定目标工艺是注塑、CNC还是3D打印，然后按该工艺的核心约束逐项检查特征。现在有些软件工具支持DFM自动检查，能提前标出一些明显的加工风险点，但最终判断还是得靠人——尤其那些涉及装配关系、结构强度的判断，AI短期内很难替你作主。

5.3 常见问题速查表

我把自己这段时间踩过的坑整理成了一张表，遇到问题时可以快速对照，省得一个个试。

这张表不万能，但覆盖了我测试过程中八成以上的问题。还有一个很重要的心得：遇到生成结果不理想，我的第一反应永远是回头看自己的提示词，八成是哪里把参数写漏了或者写模糊了。AI的"笨"往往源于人的"懒"。

5.4 一个完整的翻修案例

最后分享一个具体的翻修过程，让大家感受一下实际工作流是什么样。

我做过一个电缆固定座，需求是：一个长方体底座，上面有一个半圆形卡槽，两侧各有一个安装耳。我用text-to-cad生成了初版，生成结果第一眼看起来很对——底座、卡槽、安装耳都在。但测量后发现两个问题：一是两侧安装耳上的孔没有给出直径，工具随机生成了4.5mm的孔；二是半圆形卡槽的半径比电缆直径大了2mm。

处理过程是这样的：先把STEP导入Fusion，质量属性验证通过后，用参考几何重新建特征树。重建时我把安装耳孔的直径改为M4螺纹配合的4.5mm过孔，卡槽半径改成匹配电缆规格的精确值，然后顺手加了入口倒角和底座固定螺丝孔。整个过程大概十五分钟。如果从零开始画这个零件，我至少需要四十分钟。这就是text-to-cad现阶段最舒服的使用姿势：它把基础形状给你，你负责把工程灵魂加进去。

6. 我的体会与一个长期观察

最后说点个人体会，不打算做那种"以上等等"式的总结，就是几句碎碎念。

text-to-cad这个方向，我越用越觉得它像早期的机器翻译工具——一开始你指望它通篇翻译不现实，但拿它做初稿、做草稿润色，效率提升是实实在在的。放到工程上，把它定位成"草图生成器"而不是"设计替代者"，是最务实的心态。

一个很有意思的现象是：我身边高频使用text-to-cad的人，恰恰不是最资深的工程师，而是那些"懂设计但没空画图"的角色——产品经理、结构项目负责人、还有我这种需求描述能力强但建模熟练度一般的工程师。这个分布本身就说明了它的历史使命：它不是给顶尖设计师用的神笔，而是给每个脑子里装着真实零件的人配的一支来得快的铅笔。

另一个观察是，这个领域正处在从"学术Demo"走向"工程实践"的关键跨越期。早期论文里的方法大多输出点云、体素或者STL，离工业场景太远；现在商业化的方案已经能端到端输出可编辑的STEP，这背后是数据管线、评价体系、后处理流程共同成熟的成果。我不敢说三五年后工程师这个岗位会消失，但"花十分钟把想法变成精确模型"这件事的门槛，确实已经在肉眼可见地崩塌。

如果你想亲自体验一下text-to-cad到底到了什么水平，我的建议是：不要拿网上的演示样例测试，拿一个你真实工作中画过的小零件当题目。只有用它处理你熟悉的东西，你才会准确知道它到底几斤几两——哪些环节能放心交给它，哪些环节必须自己盯着。说到底，AI工具的价值不在于替代你，而在于把你在重复劳动上的时间挤出来，让你去做更值得的事。以上，就是我这段时间折腾text-to-cad的全部经验。如果你也在用类似方向的工具，欢迎评论区聊聊你踩过的坑，说不定比我写的这些更精彩。