机械圈最近聊得最多的AI话题里，text-to-cad一定排得上号。我最早看到这个概念的公开演示时，第一个反应是"这不就是别人家的AI画图套了个工程壳"，直到自己在浏览器里把一句"带四个安装孔的L型支架，长60宽40高30，孔距中心对称"输进去，生成结果居然包含了尺寸合理的孔位、圆角和可下载的STEP文件，我才意识到问题的本质跟画图完全不是一回事。这篇内容把我大半年里用text-to-cad做实际零件、踩坑、修改、导入传统CAD继续设计的完整过程整理出来，主要面向机械结构、产品设计和准备把AI并入设计流程的朋友；如果你是纯小白，也能从原理部分看懂它到底做了什么、哪些能信、哪些不能信。
1. 为什么同样叫"AI生成模型"，text-to-cad和AI画图根本不是一回事
1.1 先分清两个容易混淆的方向：网格模型和参数化实体
很多人第一次听到text-to-cad，首先想到的是"文生3D"。确实，最近两年OpenAI Shap-E还有一批类似的工具，都能做到"输入一段描述，输出一个三维模型"。但如果你把这类工具生成的模型拿进SolidWorks或者Fusion 360里，多半会崩溃或者只能当装饰品看。
关键差别在数据的数学定义：
- 文生3D工具的产物通常是三角网格（mesh）：由成千上万个三角形顶点构成。三角形数量可以很多，视觉上可以很细腻，但它本质上是一层"皮"，没有工程意义上的面、边、厚度、拔模角。
- CAD软件内部用的是边界表示（B-Rep）：几何体由精确的数学曲面（NURBS、平面、圆锥面等）定义。拉伸一个圆柱，系统记录的是圆柱面方程、两个平面端面，以及它们的交界，而不是一堆三角形。
STEP文件就是工程世界里交换B-Rep数据的标准格式。数控加工、模具设计、有限元分析，认的都是这一套，而不是OBJ/STL那种网格。STL拿去3D打印没问题，但真正拿着STL去做CNC加工，精度和几何逻辑都不可靠。所以"一键生成一个好看的模型"和"一键生成一个能进BOM、能开模、能出图的零件"是两件事，text-to-cad要解决的是后者。
1.2 为什么当前方案普遍是"让大模型写代码"
既然需求是精确几何，那大模型怎么输出精确几何？直接生成STEP文件是不现实的——STEP文本是复杂的ASCII编码结构，包含曲面方程、拓扑关系，没有给大模型生成这种专有格式的空间。反过来，程序化建模库给了一条非常务实的路：让大模型生成Python代码，用CadQuery或者OpenSCAD这种库去把几何"算"出来。
这一下子把问题从"生成几何"变成了"生成代码"。大模型写代码的能力已经相当成熟，而且代码是确定性执行：同样的代码跑一万遍，几何一模一样，不会出现AI画图那种手指头多一根的随机错误。更妙的是，代码天然可编辑、可版本化、可批量修改——改一个变量，几何随之变化，这正好继承了参数化设计的核心优点。
从训练数据的角度看，GitHub上公开的CadQuery、OpenSCAD代码数以万计，配上模型对应的渲染图和文字描述，足以构造"文字→代码→几何"的训练样本。这条路比要求AI直接生成B-Rep数据要现实得多。
1.3 "可编辑"才是这项技术的灵魂
我见过不少朋友试完text-to-cad后感叹"生成得还挺像"，然后就把文件丢进打印机里打出来了。这是最浪费的用法。真正的价值在于它是可编辑的。
跟AI画图生成了死图不同，text-to-cad的输出是一个程序。你可以在生成的代码里直接改孔距、改壁厚、改圆角半径；这些修改是精确的数值修改，不是"重新画一张"的碰运气。对我的日常工作来说，这意味着它可以当一个随叫随到的草稿工程师：概念阶段需要十个方案对比？让模型出十次变体，人来做判断和筛选。这在传统CAD流程里，每改一版都是几十分钟甚至几小时。
所以我把text-to-cad定位为"设计流程里的加速器"而不是"设计替代品"。它把从口头需求到第一版三维草图之间的时间压缩掉90%，把人的精力留给真正需要判断的地方。
2. 一句中文到底怎么变成STEP文件：全链路拆解
2.1 大模型产出的其实是一段几何程序
实际操作一次，你就能看到典型的工作方式：在对话框里输入零件描述，服务器端把这句话发给一个经过微调的模型，模型输出一段完整的CadQuery脚本，这段脚本在隔离沙箱里运行，运行结果实时渲染成三维预览，同时提供STEP、STL下载。
以最经典的"垫片"为例，一句"M8平垫片，外径16毫米，内径8.2毫米，厚度1.6毫米"对应的生成代码大概长这样：
import cadquery as cq result = ( cq.Workplane("XY") .circle(8.0) # 外圈半径，对应外径16mm .extrude(1.6) # 厚度1.6mm .faces(">Z") # 选中顶面 .workplane() .hole(8.2) # 直径8.2mm的通孔 ) cq.exporters.export(result, "washer.step")这只是个示例，目的是让你理解"代码描述几何"的语法。你不需要背CadQuery的API，因为模型会帮你写；但你会越来越需要"读得懂"它，因为遇到翻车的时候，改一行代码比重新打一遍prompt快得多。
2.2 为什么是CadQuery而不是"教AI操作SolidWorks界面"
在早期，也有团队尝试过让大模型去操作CAD软件的GUI——模拟鼠标点击、输入命令。这条路我持保留态度。GUI操作是像素级的，依赖软件版本、界面布局，任何一个弹窗都可能打乱步骤，而且调试起来极其痛苦。程序化API则完全不同：它在无头环境下运行，不需要显示器，执行结果可以自动化校验，出错了能看日志。
CadQuery这类库之所以被生成式工具选中，除了纯Python、开源、跨平台之外，还有一个关键点：它是声明式的建模方式。你声明"在XY平面上画一个半径8的圆，拉伸1.6毫米，在顶面打一个直径8.2的孔"，而不是一步步"点这里、点那里"。这种声明式描述和自然语言的距离很近，模型学起来更容易对齐。
OpenSCAD是另一条常见路线，它基于CSG（构造实体几何）布尔运算，也很适合代码生成。但实测下来，复杂特征的表达没有CadQuery舒服，尤其是圆角、扫掠、沿路径拉伸这些操作，CadQuery的链式调用更接近工程师的习惯。
2.3 从文本到可验证几何，中间藏着哪些环节
完整链路是：提示词 → 微调模型推理 → 生成代码 → 静态检查（是否有明显语法错误、危险调用）→ 沙箱执行 → 导出中性格式 → 前端渲染预览。这里的"静态检查"和"沙箱"不是摆设。AI生成的代码偶尔会出现死循环、无限制的布尔运算、甚至引用不存在的函数，如果不加沙箱跑在本地，轻则崩溃，重则拖垮环境。这也是我在本地方案中坚持用虚拟环境的原因。
值得一提的还有视觉反馈闭环。当前主流是"人"来做这个闭环：你看到渲染预览觉得不对，就去改prompt或改代码。据公开资料，一些团队也在尝试让模型自己"看"渲染图来自我修正，但至少在我写这篇文章时，好用的产品形态仍然是人工在环里。也就是说，你的挑剔程度决定了生成质量的上限。
3. 主流工具实测：浏览器工具、通用大模型本地方案、其他建模路线
3.1 浏览器里的专用工具：开箱即用但别当黑盒
我最早用的就是Zoo的Text-to-CAD，它在2024年开放公测后迅速成为讨论度最高的工具。优点非常明显：不需要配置环境，打开网页就能用；生成的是CadQuery代码，不是靠猜的网格；界面里能看到完整代码，还能直接改代码再重新执行；下载格式覆盖STEP和STL，主流CAD和切片软件都认。
实测感受分两面。对机械特征清晰的零件——支架、法兰、外壳、垫片、卡扣座——效果超出预期，尤其在"显式给出所有尺寸"时，生成结果和需求几乎一致。但如果你丢一句"做一个好看一点的连接件"，它也会很诚实地给你一个平庸且缺乏依据的零件。它擅长把明确的工程语言转成几何，不擅长替你决定设计意图。
另一件需要注意的事：这类专用工具的训练数据里，机械零件占了绝大多数，它们的强项是规则几何，不是自由曲面。别拿它生成鼠标外壳或椅子扶手，那是给自己找不痛快。
3.2 通用大模型加本地CadQuery：可以无限折腾
如果不想依赖在线工具，或者你需要把生成过程集成进公司内部流程，完全可以用通用大模型+本地CadQuery自己搭一套。我在本地实验环境里的操作流程是：
python -m venv cad_env source cad_env/bin/activate pip install cadquery jupyter-cadquery装好之后开一个Jupyter Notebook，把模型生成的代码粘贴进去，手动执行、旋转查看、导出STEP。通用模型的prompt自由度更高，你可以把一段长对话的历史都喂给它，让它理解你的修改意图。缺点是：没有内置的代码校验和沙箱，代码质量参差不齐，还有CadQuery版本差异会导致某些API行为变化。我的建议是固定一个CadQuery版本，别随手升级。
3.3 那些"看起来很像"的建模路线怎么选
- 网格类文生3D（Shap-E等）：生成速度快，适合概念展示、游戏资产、快速可视化，但几何没有工程精度，导入CAD软件后难以继续设计。
- 制造级生成式建模（如Autodesk Project Bernini这类研究项目）：目标是生成有功能语义的CAD模型，方向正确，但公开可用性和成熟度仍是问题，主流用户暂时碰不到。
- 传统CAD里的生成式设计：Fusion 360、NX等自带生成式设计/拓扑优化功能，它们输入的是载荷和约束条件，输出的是优化后的受力结构。这和text-to-cad的逻辑恰好互补：text-to-cad负责"把需求变成几何"，生成式设计负责"把性能目标变成几何"。
3.4 我的实际选型逻辑
如果你只做一两个快速原型，直接用在线专用工具，省心。如果你要把生成能力嵌到脚本、批量出图或者给团队做内部工具，选通用模型+本地CadQuery，灵活可控。如果你的目标是"现有零件的轻量化/拓扑优化"，别在这条赛道里找，去用传统生成式设计功能。三者不是替代关系，是分工关系。
4. 可以直接抄的实战流程：从一句话到能加工的零件
4.1 prompt这么写，成功率直线上升
在踩了够多坑之后，我总结出一套稳定好用的描述句式：基础形状+整体尺寸+关键特征+位置关系+制造约束+单位。
我之前给一个传感器支架写prompt的一段是这样的：
"创建一个L型安装支架，总外形尺寸长60mm、宽40mm、高30mm；底板厚度5mm，立板厚度4mm；在底板上开2个直径8mm的沉孔，孔中心距边缘15mm，左右对称；立板顶部开1个直径12mm的圆孔，孔中心距立板顶边10mm；所有外边缘做半径3mm的圆角；坐标单位全部为毫米。"
注意几个要点：
- 每个特征都给了具体数字，不写"适量""差不多"。
- 位置关系用"距边缘XXmm""左右对称"表达，比"中间位置"更精确。
- 最后明确标注单位，杜绝模型在mm和cm之间瞎猜。
- 一次性描述控制在十句以内，信息太密会让模型顾此失彼。
反过来最典型的失败prompt是"帮我做个支架，放传感器用的，大小合适，孔在合适的位置"。这种描述等于是把设计意图全部甩给模型，它只能随便填一个看起来合理的数字。
4.2 生成、检查、下载、再加工的标准动作
拿到预览后，我从不直接下载就完事，而是按固定顺序过一遍：
- 先看整体轮廓对不对：长宽高比例有没有明显离谱。
- 数孔位的数量和位置：这个最容易出错，模型经常在"对称"这个词上理解不到位。
- 对关键尺寸做测量：大部分预览器支持点选测量，至少确认孔距、孔径、壁厚三个核心参数。
- 确认壁厚和几何合理性：比如孔是否完全穿透、倒角是否吃掉太多壁厚。
- 下载STEP导入Fusion 360或SolidWorks，补真实工程约束——公差、螺纹标注、表面粗糙度、拔模斜度——再出工程图。
第五步极其重要。text-to-cad产出的几何是"干净的理想零件"，它不会也不会替你考虑加工工艺。上次我让它做个带内螺纹特征的零件，代码跑通了，渲染也好看，导进Fusion之后才发现螺纹特征只是视觉装饰，钻不出实际的牙。这类问题靠prompt解决不了，必须在传统CAD环境里用正规的螺纹孔命令补上。
4.3 参数化变体批量出图：把生成结果当函数用
text-to-cad给我最大的惊喜不是单件生成，而是它天然适配"参数化变体"场景。因为产物是代码，把关键尺寸抽出来做成函数参数，就可以批量产出同一系列的不同规格。
def mount_bracket(L=60, W=40, H=30, thk=4, hole_d=8, fillet_r=3): result = ( cq.Workplane("XY") .box(L, W, H) .edges("|Z") .fillet(fillet_r) .faces(">Z") .workplane() .rect(L - 40, W - 40, forConstruction=True) .vertices() .hole(hole_d) ) return result拿到这样的代码之后，一个系列十种规格就是循环改参数的事，做完还能批量导出成不同的STEP文件。这种工作方式在传统CAD里需要建参数表、处理关联关系，折腾半天；在text-to-cad生态里，模型刚生成完，你顺手改写几行就实现了。当然，这段代码的前提是模型生成的产物足够规范，所以不要把期望放在"一次生成直接可用"上，要放在"迭代两次后变成可复用函数"上。
5. 那些年我踩过的坑：六个高发雷区
5.1 不写单位，等于把设计交给掷骰子
我第一次使用的时候只写了"做一个M6垫片，外径12，内径6.4，厚1.5"，生成结果看起来完全正常，直到导入Fusion 360才发现实际尺寸完全依赖模型的默认推断。AI模型的训练语料里既有毫米也有英寸还有厘米，你不声明，它就按统计概率猜。快速原型阶段差个几毫米可能无伤大雅，但在卡扣、压配合这些场景里差0.1mm都是废品。
对策只有一个：每个尺寸都带单位，必要时在prompt末尾重复一遍"全部使用毫米"。不要嫌啰嗦。
5.2 特征互相打架，代码成功但几何爆炸
有一次我让模型生成一个带8个孔的法兰盘，还同时要求"孔间中心距10mm"和外径"30mm"。两个条件在几何上几乎不可能同时成立，但模型仍然生成了代码，代码也能跑通，渲染出来是边缘互相重叠的孔。这种"看似能跑实则废品"的结果最坑人，因为它不会报错。
纯靠视觉检查很难发现这类问题，特别是孔洞重叠程度轻微时。我的做法是：拿到一个新几何，先用测量工具检查最小壁厚和最小间距，如果模型没有自动标注，就手动点几个关键位置。过度约束是这类问题的根源，写prompt时也要注意每加一个约束，都要回头问自己"新约束是否和旧约束冲突"。
5.3 细节特征的"视觉真实"不等于加工真实
上文提到过螺纹的例子。类似的情况还有：倒角或圆角值过大导致破面、薄壁被去除、孔的位置距离边缘太近导致强度不足。这些都属于制造感知缺失——模型不知道什么是铣刀半径，不知道注塑件最小壁厚，不知道钣金折弯系数。它只是把几何生成了，工艺合理性完全不在它的判断范围内。
应对策略是在流程里加一道"制造检查"关卡，不要指望prompt一次性写全所有工艺参数。标准的三板斧是：最小壁厚、拔模方向、刀具可达性。这三个检查传统CAD工程师本来就会做，只不过现在多了一道工序而已。
5.4 代码版本和环境差异，注释也别乱写
本地跑CadQuery时，我踩过环境问题的坑。CadQuery的文档示例和实际pip安装版本偶尔存在API差异，比如某些方法在新版本里改了参数名，AI学习的是旧版数据，生成的代码在新版环境里直接报错。这个不算AI的问题，算工程问题。
解法是把环境固定下来，用requirements.txt锁版本号。我踩了几次后学乖了，生成代码后第一件事不是看几何，而是先跑一遍确认没有报错，再进渲染环节。中文注释也建议让模型别加——不是不礼貌，是有的编码环境下中文注释可能引发字符编码问题，纯英文注释最省事。
5.5 预览图和STL导出，是两套不同的几何
还有一个新手最容易忽视的坑：在线工具预览用的是WebGL渲染的网格，它显示的"光滑曲面"在导出成STL后可能是粗糙的三角面片。如果你的目标是3D打印，导出前看下STL精度设置；如果你的目标是CNC，务必用STEP而不是STL，否则曲面精度在传输过程中已经损失了。
我在做一批外观件时曾经被这个坑过：预览里圆角流畅自然，打印出来台阶感明显。后来养成的习惯是先导STEP，确认圆角导出精度，再做切片。
5.6 别让模型替你决定"设计意图"
最后的坑是认知层面的。大模型的默认行为是"只要不明确，我就填一个最可能的默认值"。所以当你没指定"孔是对称分布"，它就生成一个你觉得不太对但说不出哪不对的模型；当你没指定"壁厚均匀"，它可能生成形状正确但厚薄不均的实体。问题不在模型，在你没把话说完。
这恰恰是text-to-cad和传统CAD的最大区别：传统CAD里你用手绘出每个特征，AI工具里你要用文字讲清每个特征。会说工程语言的人，用这类工具的效率是几何级提升的。
6. 边界判断：text-to-cad能做什么，不能做什么
6.1 有机曲面和自由造型，请绕道
如果你需要的是像鼠标外壳、耳机柄、人体工学扶手这样对曲面美感要求极高的形体，text-to-cad目前帮不上忙。原因很直接：它的底层是规则几何的参数化描述，本质上不擅长表达"这里再顺滑一点、那里再饱满一点"这类主观造型意图。这类需求请继续用Rhino、Blender配合网格或细分建模，或者找专业的曲面建模工具。
6.2 多层装配与配合精度是它的死穴
还有一个明显的短板是装配。当前主流的text-to-cad工具基本面向单零件；哪怕模型能生成多个体，它们之间的配合关系、限制条件（同轴、贴合、间隙）也无法用自然语言可靠表达。更不要提形位公差、配合制度（比如H7/g6）——这些工程语义目前还进不了生成模型。
所以它的最佳应用场景是：非关键零件、支架、外壳、夹持件、原型件。一旦涉及传动轴、配合孔、轴承座这类高精度场景，让AI生成毛坯或概念草稿可以，但最终尺寸和公差必须由工程师在传统CAD里重新定义并出图。
6.3 我对它未来演进的三个判断
基于我自己的使用体验和行业动态，我觉得接下来几个方向值得关注：
- 多零件装配的生成会成为下一个突破口，因为单零件场景的天花板已经摸到了。
- "带约束的草图→拉伸旋转→3D实体"这种生成方式会变多——模型先画出带尺寸约束的2D草图，再用特征操作生成3D，这更接近工程师直觉，也更容易修正。
- 代码与视觉闭环会增强，模型自己渲染结果并自我纠错，人工在环的时间会进一步缩短。
这些判断不构成投资建议，纯粹是一个工程师视角的观察。我个人的习惯是：新版本工具出来先跑一轮我自己的标准测试件——垫片、支架、法兰各一个——验证效果再决定要不要切换流程，永远不追求所谓的最新型号，只看它能不能稳定省钱省时间。
最后分享一个我这半年养成的习惯：每次用text-to-cad生成满意的零件，我都会把prompt连同最终代码一起存进一个本地markdown笔记里，标上零件名、用途和踩坑记录。现在这个笔记已经有一百多条记录，它成了我个人的"零件生成手册"。下次遇到相似需求，直接翻出来改几个参数就完事，连重新提问都省了。如果你也打算认真用这门技术，我建议从今天开始做类似的事——AI的记忆不靠谱，但你的笔记永远靠谱。
