★ FEATURED ARTICLE 说句得罪人的文生 CAD 生成的是「草图」不是「设计」离生产力还差一个参数化【免费下载链接】text-to-cadGive your agent CAD superpowers.项目地址: https://gitcode.com/GitHub_Trending/tex/text-to-cad过去两年「文生 CAD」大概是硬件圈最性感的叙事之一不用画图、不用学软件敲一句「19 齿直齿轮」——几分钟后一个符合工程外形的 STEP 文件就躺在你面前。Zoo 的 Text-to-CAD 引爆了这场讨论随后 YC W25 背景的 AdamCAD 拿到 410 万美元融资海外媒体开始报道「把文本描述转换成可打印 3D 模型」的开源多智能体系统国内社区则忙着总结「5 分钟零门槛建模」的教程。热闹是真的但我要先泼一盆冷水这类工具生成的绝大多数是「草图」不是「设计」。原因很简单。设计不只是「长得对的几何」而是意图、约束、可编辑性与可追溯性的集合——一个能改、能迭代、能验证、能进制造流程的活体。而大多数文生 CAD 产品给你的是快照一句 prompt 换一个静态模型换句话重来一遍输出的东西既没有特征树也没有参数更没法放进装配里约束。本文不想停留在情绪上我结合开源项目 earthtojake/text-to-cad一个把 CAD 能力封装成 Agent Skills 的插件仓库口号是 Give your agent CAD superpowers.的源码逐层拆解「生成模型」与「工程设计」之间的那道真实鸿沟以及为什么参数化是那道分水岭。先看清楚文生 CAD 现在到底能做什么把市面上的方案粗分两派各看能力边界。第一派提示词直出几何Zoo 系。典型形态是社区教程里反复出现的 text-to-cad-uiSvelteKit 前端 Three.js 实时预览 云端 API自然语言进、B-rep 出支持 STL/STEP/GLTF 导出。它的价值真实存在对创客、教育演示、客户需求验证来说从「脑子里有个想法」到「手里有个 3D 文件」的链路被压缩到几分钟这确实是传统 CAD 学习曲线给不了的体验。第二派把 CAD 变成 Agent 的技能text-to-cad 系。这个仓库走的是另一条路——不替你做几何而是给 AI 代理一套完整的、可执行的建模工作流。安装后代理拥有 12 个左右的技能覆盖从建模到制造的全链路CAD 建模、STEP 零件检索、工程图纸、DXF 排样、URDF/SRDF/SDF 机器人描述、DFM/DFAM 可制造性检查、G-code 切片甚至直接对接 SendCutSend 钣金下单和 Bambu Lab 打印机见 skills/ 下的技能矩阵。两派的差异从各自的「能」与「不能」里立刻显现。先说共同的短板——这也是「草图」二字的来历一次性输出没有编辑语义。提示词生成的模型是结果不是过程。你说「把孔从 6mm 改成 8mm」它大概率重新生成一个模型而不是在原模型上改一个特征。网格不是几何。很多工具吐的是 STL 网格。网格可以看、可以打印但不可测量、不可做布尔运算、不可参与装配约束。这个仓库的 DFM 技能在 skills/dfm/SKILL.md 里把话说得很直白「Prefer exact STEP/B-rep measurements for radii and analytic faces. If only a mesh is available, record its resolution and approximation limits. A screenshot supports a suspected issue, not a measured pass/fail.」——截图只能佐证怀疑测量才是判定依据。这就是「草图」与「图纸」的技术本质区别。非确定性。同一个 prompt 换一次生成输出的拓扑可能完全不一样。你没法对它做版本 diff也没法审阅「这次改了什么」。从「能出模型」到「可编辑、可迭代」参数化是那道鸿沟现在看第二派仓库怎么回答上述问题。答案浓缩在一个词把设计写进源码让一切可参数化、可重跑、可追溯。在 skills/cad/SKILL.md 里一个「模型」被明确定义为「一个带参数化装饰函数的普通 Python 脚本返回 build123d 形状」。看仓库里真实的零件——models/examples/src/l_bracket.pyBASE_LENGTH 80.0 BASE_WIDTH 50.0 BASE_THICKNESS 8.0 HOLE_DIAMETER 6.0 BASE_HOLE_LOCATIONS ((-25.0, -10.0), (25.0, -10.0)) TRANSITION_FILLET 2.0 step(out../STEP/l_bracket.step) def l_bracket(): Return the L-bracket model in millimeters. with bd.BuildPart() as bracket: bd.Box(BASE_LENGTH, BASE_WIDTH, BASE_THICKNESS, align(bd.Align.CENTER, bd.Align.CENTER, bd.Align.MIN)) ...再比如 models/examples/src/centrifugal_impeller.pyBLADE_COUNT 12、BLADE_BACKWARD_SWEEP_ANGLE radians(45.0)、BLADE_THICKNESS 3.0——叶片数量、后掠角、厚度全部显式化为常量。这就是参数化最朴素也最核心的形态设计决策被写进变量改一行、重跑一次、输出跟着变。相比之下提示词生成器给你的是一张一次性「照片」这里给你的是随时可修订的「配方」。光有零件级参数还不够真正的工程难题在装配。仓库里这个问题的答案是「typed mates」——见 packages/cadgen/src/cadgen/kinematics.pyKINEMATICS { mates: [ cadgen.revolute(elbow, parent#upper_arm, child#forearm, axis#forearm.pivot_bore, limits(0, 150)), ], couplings: [cadgen.couple(curl, {mcp: 50, pip: 70, dip: 40})], poses: {open: {jaw: 40}, closed: {jaw: 0}}, } step(out../STEP/arm.step, kinematicsKINEMATICS) def arm(): ...注意它的设计取舍运动副是纯数据revolute/slider/cylindrical/fastened求值是一次对运动副树的正向运动学折叠「没有框吸附、没有求解器闭链明确不在范围内」。这不只是实现细节——它意味着装配关系像参数一样被固化、可重放、可验证而不是靠某次生成的运气。仓库的演示语料库models/README.md里mars_rover 概念车带 27 个运动副、7 个耦合、4 个姿态f14d 整机由 10 个子系统按 occurrence 顺序链接改一个子零件、重跑父装配整机联动更新。参数化的威力不止于几何本身它像多米诺一样推倒了下游的每一张「派生文档」工程图纸是派生态。skills/engineering-drawing/SKILL.md 开宗明义「An engineering drawing is a DOCUMENT derived from a part」——三视图、隐藏线、中心线、尺寸全部从几何投影得到「图上没有一笔是手绘的没有一个数字是你手输的除非你刻意覆盖」。改模型、重跑图纸脚本尺寸自动跟着动。图纸跟随模型而不是模型将就图纸——这正是生产环境要的东西。可制造性检查给「证据」。skills/dfm/SKILL.md 要求每条发现都带「测量值、单位、版本、测量方法、引用的规则来源」并且明确「没有发现 ≠ 可制造性通过」。这不是滤镜式的提示而是对着真实 B-rep 几何量出来的。机器人描述被当作约束建模。skills/urdf/SKILL.md 写着「Treat URDF work as constrained kinematic modeling, not just XML writing」强制在写文件前建立坐标系、关节、单位、假设台账并强制cadgen urdf validate后才算完成。把这些连起来看仓库的架构哲学在 packages/cadgen/README.md 里被写成「设计法则」生成物与源码完全独立删光所有.py渲染结果不变、写出器字节确定性同一模型必然产出同一批字节、STEP/DXF 是纯几何语义信息全部住在 sidecar 里。这些法则共同保证一件事设计意图有一个唯一权威的存放处——源码一切产物STEP、图纸、网格、URDF都是它的派生结果可以随时推倒重算。这跟「生成一个模型就完事」是两种完全不同的工程世界观。它的真正归宿辅助创意还是替代设计那么问题来了文生 CAD 究竟会取代设计师还是只是新的草图工具我的判断是两条路都有人走但只有一条通向生产力。分场景看会更清楚场景一灵感、原型、教学、客户沟通——mesh 就够。这里 Zoo 系工具是当之无愧的主角。「一句话出模型、5 分钟上手」的传播热度货真价实因为这类场景的验收标准就是「看得见、摸得着、聊得来」。模型是一次性的没关系反正它本来就是用来沟通的。场景二工程交付、制造、装配——必须回到参数化源头。要出 DFM 报告、要出带公差和孔标注的图纸、要排 DXF 钣金下料、要生成打印路径起点必须是可编辑、可验证的参数化几何。这个仓库展示的正是一条从「一句话需求」到「可制造工件」的完整链路代理先写可追溯的源码模型 → 产出 STEP → 派生工程图纸 → 跑 DFM 检查 → 对接 SendCutSend / G-code / Bambu 打印。每一步都有真实文件与命令可查而不是黑盒生成。关于 AI 的角色真正的结论是AI 是「候选生成器 检索引擎」不是「设计者」。设计 意图 约束 变更历史。意图和约束必须有人表达哪怕用自然语言而变更历史必须落在某个可 diff、可审阅、可回滚的载体上——在 text-to-cad 这里载体就是源码与参数。AI 的价值在于把「意图 → 参数化源码」这一步做得越来越快、越来越准然后把「验证闭环」交还给工程师。至于市场信号AdamCAD 获得 410 万美元融资、开源多智能体文生 CAD 论文被海外 3D 打印媒体关注说明资本与研究者都在往「AI 原生 CAD」挤。但融资热度是一回事生产力兑现是另一回事——如果产品停留在「生成好看的结果」它收获的永远是好奇心只有补上参数化交互、可编辑语义和验证闭环它才第一次摸到生产工具的门槛。说句得罪人的结论如果文生 CAD 的终局是「一句话出模型」那它产出的永远是草图当它把语言变成可执行、可参数化、可制造验证的设计源码时它才真正成为设计工具。目前最接近这条路的开源实践之一就是把 CAD 封装成 Agent 技能、让「源码即设计、派生即文档」的 text-to-cad 系方案——毕竟「草图」解决的是从无到有而「设计」解决的是从有到对后者才配叫生产力。【免费下载链接】text-to-cadGive your agent CAD superpowers.项目地址: https://gitcode.com/GitHub_Trending/tex/text-to-cad创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
