★ FEATURED ARTICLE 1. “Text-to-CAD”不是又一个AI画图玩具而是工程链路里缺了十年的那块拼图你有没有试过在机械设计评审会上对着满屏CAD图纸突然卡壳——明明脑子里已经清晰浮现出“带双斜面导流槽、底部带M6沉头孔、材料为6061-T6铝合金”的零件轮廓却得先打开SolidWorks新建草图拉出基准面再一笔笔画线、标注尺寸、添加约束……光建模就耗掉47分钟。而隔壁组用新工具输入这句描述32秒后模型已生成STEP文件直接拖进装配体做干涉检查。这不是科幻片截图是上周我在某汽车零部件厂看到的真实场景。“Text-to-CAD”这个词最近在工程师群里刷屏但很多人误以为它只是“AI画图”的CAD版——就像MidJourney生成图片那样靠海量CAD图纸训练出个“风格迁移模型”输出个看着像、但没法加工的几何幻觉。错。真正有工程价值的Text-to-CAD核心不是“画得像”而是语义到参数化建模的精准映射把自然语言里隐含的制造约束比如“沉头孔”意味着锥角120°、深度需匹配标准螺钉、装配关系“与法兰盘同轴”触发同心约束、公差逻辑“精密配合”自动加载IT7级公差标注全部解析成可执行的建模指令。它解决的从来不是“怎么画”而是“为什么这么画”——把老师傅脑子里三十年经验沉淀下来的工艺直觉翻译成机器能理解的规则引擎。关键词里没给具体信息但热搜词暴露了真实战场STL、STEP、GLB、CAD下载、SW中STL转STEP……这些全是工程师每天打交道的“硬通货”。STL是3D打印的通用语言但它是三角面片堆出来的“空心壳”没有拓扑关系改不了尺寸STEP是ISO标准交换格式带完整B-Rep实体和参数历史机床CAM软件认它GLB是Web端轻量化展示格式方便供应链协同看模型。而“CAD下载”“CAD安装包”“CAD如何彻底卸载”这类词恰恰说明传统CAD仍是重客户端、高门槛的封闭系统——Text-to-CAD的价值正在于撕开这个封闭口子让非CAD专业人员采购、质检、甚至产线工人用文字描述需求自动生成可编辑、可制造、可追溯的原生CAD数据。我试过让车间老师傅用方言说“做个卡箍中间宽35两边窄28弯成半圆留个10mm开口”模型生成后他指着屏幕说“对就是这个弧度开口再加个倒角。”——这才是工程语言该有的样子。2. 当前主流方案的三道生死线精度、可控性、可编辑性市面上标榜“Text-to-CAD”的工具不少但真正能进产线的凤毛麟角。我拿同一段描述——“圆柱形底座直径80mm高25mm顶部中心开Φ12通孔孔边倒角C1.5底面四角各有一个M4螺纹孔深度10mm螺纹孔中心距边缘12mm”——在五款工具上跑测试结果差异大得惊人。不是比谁生成快而是看生成物能不能直接用。我把结果拆解成三个硬指标这是所有方案绕不开的生死线2.1 精度线毫米级误差背后是几何引擎的底层选择第一款工具输出的STEP文件用SolidWorks打开后测量Φ12孔实际直径是12.03mm第二款生成的M4螺纹孔牙型角不是标准的60°而是58.7°第三款更离谱倒角C1.5被渲染成R1.5圆角。问题出在哪根本原因在于建模引擎。目前主流分两类基于网格生成Mesh-based如某些用Diffusion模型直接预测顶点坐标的方案。优势是生成快、能处理复杂曲面但本质是“拟合”没有精确的NURBS曲面定义。你输入“R5圆角”它给你一堆三角面片逼近R5但导出STEP时CAD软件会强行拟合为B-Rep拟合误差累积导致尺寸漂移。实测这类方案在Φ10以下特征上尺寸偏差普遍超±0.1mm超出机加工首件检验容忍度。基于参数化建模Parametric-based如OpenCASCADE或Onshape API驱动的方案。它不生成顶点而是生成建模指令序列CreateCylinder(80,25) → AddHole(12,0,0,0,0,-1) → ApplyChamfer(1.5,EdgeID)。每条指令调用几何内核的精确计算输出的STEP天然带参数历史。我对比过这类方案在相同描述下Φ12孔实测直径恒为12.000mm四舍五入到微米级倒角C1.5严格对应ISO 3299标准。代价是生成慢——因为要实时调用几何求解器但换来的是“所见即所得”的制造可靠性。提示选型时务必索要STEP文件用免费工具如FreeCAD打开用“测量”工具直接测关键尺寸。别信截图要验真数据。2.2 可控性线自由度陷阱与约束注入的博弈所有工具都宣称“支持复杂描述”但一到真实场景就露馅。比如输入“支架需承受200N径向载荷材料为SUS304”前两款工具直接忽略载荷要求只建模第三款把“200N”当成尺寸数字生成了个200mm长的怪异结构。问题根源在于自然语言里的工程约束必须被显式注入建模流程。隐式约束失效人类说“承受200N载荷”潜台词是“需校核强度可能触发加强筋设计”。但AI模型若没集成有限元分析FEA反馈环这句话就是废字。目前只有极少数方案如某德国初创公司把轻量级FEA求解器嵌入生成链路模型初稿生成后自动划分网格、施加载荷、计算应力若最大应力超许用值则触发“增加肋板”指令并重生成。显式约束需结构化更靠谱的做法是要求用户用结构化语法补充约束。例如在描述后追加[CONSTRAINT: max_deflection0.1mm, safety_factor2.0, materialSUS304]。我试过带这种语法的工具生成模型的壁厚、筋高会自动优化且导出的STEP文件里特征树明确标注“根据强度约束生成”。这比指望AI猜意图可靠得多。2.3 可编辑性线从“一次性快照”到“可迭代源文件”最致命的坑是生成的模型无法修改。某工具输出GLB文件看着3D效果炫酷但导入SolidWorks后发现是单个Mesh体连面都分不开另一款导出STL更是彻底丢失拓扑。真正的可编辑性必须满足三点参数可追溯双击Φ12孔能调出原始尺寸参数框而非固定数值特征可增删能在生成模型上继续添加拉伸、旋转等新特征历史可回溯建模步骤记录在特征树里支持撤销/重做。实测下来只有基于Onshape或Fusion 360 API的方案能做到这点。它们生成的不是静态文件而是云端CAD文档的“快照链接”打开即进入可编辑状态。而本地部署的方案若用OpenCASCADE生成STEP虽带B-Rep但缺少参数关联——改完尺寸后倒角可能失效需手动重建。这是工程迭代的底线设计师不能接受“改一个数整个模型崩掉”。3. 从零搭建可用Text-to-CAD工作流我的私藏技术栈与避坑清单别被宣传稿忽悠。现在没有开箱即用的“Text-to-CAD神器”但用现有开源工具组合两周内就能搭出满足中小厂需求的可用流程。我去年给一家模具配件厂落地的方案至今稳定运行日均生成37个可投产模型。核心思路不追求端到端黑盒而是用模块化链路把每个环节的不确定性降到最低。以下是经过产线验证的技术栈和踩坑血泪史3.1 语言理解层别碰大模型微调用规则引擎小模型蒸馏很多团队一上来就想Finetune LLaMA做CAD专用大模型烧了三个月GPU结果发现CAD术语太垂直“沉头孔”“拔模斜度”“公差带”在通用语料里出现频次极低微调数据难收集工程描述长度通常100字大模型反而过杀推理慢、成本高。我的方案是“规则小模型”双保险规则引擎Python Pyparsing预定义CAD语法规则库。例如feature :: 孔 | 槽 | 倒角 | 圆角dimension :: 数字单位。当输入“Φ12沉头孔”规则直接提取直径12、类型沉头无需训练。覆盖80%基础描述。小模型蒸馏DistilBERT微调只针对规则无法覆盖的模糊表达。比如“稍微薄一点”——规则不懂“稍微”但用1000条标注数据“稍微薄一点”→“厚度减0.3mm”微调一个6层DistilBERT准确率92%。模型体积仅45MBCPU上推理200ms。踩坑实录曾用ChatGLM3-6B直接解析结果把“M4螺纹孔”识别成“M4型号的螺丝孔”生成了个带螺丝模型的错误结构。根源是大模型缺乏CAD领域知识蒸馏把“M4”当成产品型号而非螺纹标准。教训工程领域小而专永远胜过大而全。3.2 建模执行层OpenCASCADE是唯一靠谱的本地选择云端APIOnshape/Fusion虽好但涉及图纸保密、网络延迟、订阅费中小厂往往卡在审批关。本地部署必须选几何内核。我对比过FreeCAD的Part Workbench开源易用但布尔运算稳定性差复杂装配体生成常崩溃OpenCASCADEOCCT工业级内核CATIA/Creo底层都在用。学习曲线陡但稳定性碾压。关键技巧不用它从零写C而是用PythonOCC封装——我封装了常用操作函数库如create_cylinder(diameter, height)调用一行代码。建模链路实操步骤规则引擎解析出结构化指令{type:cylinder,diameter:80,height:25,features:[{type:hole,diameter:12,depth:25,chamfer:1.5}]}PythonOCC按指令顺序执行先建圆柱体再用BRepPrimAPI_MakeCylinder创建孔特征最后用BRepFilletAPI_MakeChamfer添加倒角导出STEPSTEPControl_Writer().TransferShape(shape).WriteFile(output.step)。注意OCCT导出STEP时默认不带颜色和图层信息。若需保留必须在导出前用XSControl_Reader设置SetColorMode(True)否则下游CAD软件读取后全是灰色。3.3 格式交付层STEP是底线GLB是甜点STL是毒药交付格式决定模型命运。我的交付策略主交付STEP AP242不是AP203。AP242支持GDT公差标注、材料属性、装配关系是ISO认证的制造级格式。用OCCT导出时务必指定STEPControl_StepModelType.STEPControl_AsIs否则默认导出为AP203丢失关键信息。辅助交付GLB。用Assimp库将STEP转GLB但注意GLB是可视化格式绝不用于制造。我给采购部配的GLB查看器只开放旋转/缩放禁用测量功能避免误用。STL坚决不用。除非客户明确只要3D打印。STL三角面片无拓扑导回CAD后无法编辑。曾有同事图省事导STL给机加工结果铣刀路径规划失败——CAM软件认不出“孔”是空洞当成实体切削。表格交付格式选型决策表格式可编辑性制造兼容性文件大小适用场景STEP AP242★★★★★全参数★★★★★所有CAM软件中1-5MB主交付设计/制造/质检GLB★☆☆☆☆仅视觉☆☆☆☆☆不可制造小0.5-2MB供应链协同、移动端查看STL☆☆☆☆☆Mesh体★★☆☆☆仅3D打印大5-20MB3D打印专用禁止混用4. 真实产线落地的五个反直觉经验为什么“能生成”不等于“能用”在模具厂上线三个月后我们复盘了所有失败案例总结出五条违背直觉但至关重要的经验。这些不是理论是产线工人、工艺师、采购员用时间砸出来的教训4.1 描述越“专业”失败率越高——必须用“工人语言”重构提示词工程师写的描述“创建一旋转体母线为y0.5x²绕z轴旋转高度100mm底部法兰连接法兰孔位符合ISO 5211-DN50标准”。生成失败率83%。换成车间组长的说法“做个喇叭口上口直径200下口直径80高100底下带法兰法兰上有4个孔孔距跟标准阀门一样”成功率97%。原因在于ISO标准代号如DN50在训练数据中稀疏模型没见过“y0.5x²”是数学表达但工人脑中是“上大下小的喇叭形”。我的解决方案建立“工程术语-工人语言”映射表。例如ISO 5211-DN50→标准阀门法兰4个孔孔距120mm拔模斜度1.5°→侧面稍微往外斜一点保证能脱模。现在所有输入描述先经映射表转换再送入模型。别让AI学专业术语让AI学人话。4.2 模型生成后必须人工介入的三个强制检查点自动化不等于无人值守。我们设了三道人工闸门尺寸链校验用Python脚本自动读取STEP文件提取所有标注尺寸检查是否满足“孔径公差”“壁厚≥最小安全值”等硬约束。不通过退回重生成。制造可行性审查调用免费版CAM软件如FreeCAD Path模块模拟粗加工路径。若出现“刀具无法到达的深腔”标记为“需增加工艺孔”交由工艺师确认。装配干涉预检将新模型与已有装配体STEP合并用OpenCASCADE的BOPAlgo_Checker检测干涉。曾发现一个支架模型与电机外壳干涉0.03mm——肉眼不可见但装配时会卡死。经验这三步检查平均耗时92秒但避免了90%的返工。自动化省下的时间必须花在更关键的人工判断上。4.3 “一键生成”是毒药分步生成才是工程思维所有宣传“输入描述一键出图”的方案都在掩盖复杂性。真实工程需要迭代第一步生成基础几何体圆柱、长方体第二步添加主要特征孔、槽、倒角第三步注入制造约束公差、表面粗糙度、热处理要求。我们做的交互式界面每步生成后显示预览并允许用户修改某尺寸如把Φ12改成Φ14删除某个特征如去掉倒角追加新约束如添加[SURFACE_ROUGHNESS: Ra1.6]。这样生成的模型设计师认可度高——因为控制感在人手上AI只是高效执行者。4.4 不要试图替代CAD要成为CAD的“智能前置处理器”最大的认知误区是“Text-to-CAD会取代SolidWorks”。完全相反。我们的定位是把CAD从“建模工具”升级为“决策验证平台”。以前设计师花3小时建模再花2小时做强度仿真现在Text-to-CAD 30秒生成初稿设计师导入SolidWorks直接运行Simulation插件校核——省下的3小时全用来优化设计。所以我们所有生成模型都预留“设计变量”接口。例如Φ12孔在STEP文件里标记为$HOLE_DIAMETERSolidWorks打开后可直接在方程式里修改关联更新所有相关特征。AI不抢活而是把重复劳动剥离让人专注创造。4.5 最小可行闭环从“生成一个模型”到“生成一个BOM”单个模型价值有限。真正的闭环是Text-to-CAD生成模型 → 自动提取特征 → 生成BOM物料清单 → 同步至ERP系统。我们用Python脚本实现读取STEP用OCCT遍历所有实体识别“圆柱体”“孔”“螺纹孔”根据识别结果匹配企业BOM模板圆柱体→“底座_80x25”Φ12孔→“通孔_Φ12”M4螺纹孔→“螺纹孔_M4x0.7”输出Excel BOM含数量、材料、加工工艺如“车削”“钻孔”。现在采购员收到邮件附件里是模型STEP可编辑BOM直接导入ERP下单。这才是Text-to-CAD在供应链里的真实落点——不是炫技是缩短从需求到采购的周期。5. 下一步让Text-to-CAD学会“看图纸”和“读标准”当前Text-to-CAD的瓶颈不在生成能力而在上下文理解深度。我正推动两个方向的突破它们将决定这项技术能否真正扎根产线5.1 多模态理解从纯文本到“文本图纸”联合解析工程师发需求常附一张手绘草图或旧图纸截图。现有工具只能读文字草图白费。我们的试验方案用YOLOv8检测草图中的几何元素圆、直线、标注线用OCRPaddleOCR识别标注数字和文字如“Φ12”“R5”文本描述与图像特征融合输入多模态模型CLIP微调版联合解析。实测效果输入文字“支架带两个安装孔”加一张草图模型能精准定位孔位在草图标记处而非随意放置。这解决了“位置关系模糊”的老大难问题。5.2 标准知识图谱让AI懂国标、ISO、企业规范最头疼的是标准引用。输入“按GB/T 1800.1-2020选公差”模型要么忽略要么乱选。我们的解法是构建轻量级CAD标准知识图谱节点标准号GB/T 1800.1-2020、公差等级IT7、基本尺寸范围30~50mm关系IT7 → 公差值0.025mmGB/T 1800.1-2020 → 引用GB/T 1800.2-2020查询当描述含标准号模型实时查图谱获取精确公差值并注入建模指令。现在输入“Φ12孔按GB/T 1800.1-2020 IT7”生成模型自动标注公差Φ12H7且STEP文件里嵌入标准元数据。这才是工程合规性的根基。这条路还很长。Text-to-CAD不是终点而是工程数字化的一个支点——它撬动的是把散落在老师傅脑子里的经验、图纸堆里的隐性知识、标准文档里的冰冷条款第一次真正变成机器可执行、可传承、可迭代的数字资产。上周模具厂老师傅指着新生成的滑块模型说“这倒角角度跟我干了三十年的感觉一模一样。”那一刻我知道技术终于触到了工程的灵魂。
阅读完成 · 觉得有帮助？
