★ FEATURED ARTICLE 都说 2024 年是“文生 3D”爆发的一年但你要真拿那些网格模型去做机械设计保准被工艺和生产环节兜头浇一盆冷水。我这里说的不是“文生三 D 出个雕像再贴图”的那种而是 text-to-cad把一段自然语言指令直接变成能进仿真、能标公差、能出工程图的实体模型也就是后缀是 .step、.brep 这类带边界表示的 CAD 文件。这活儿看着跟 AIGC 沾边其实技术栈完全是另一套逻辑。过去两三年我一直在折腾 CAD 自动化和程序化建模从早期在 FreeCAD 里写 Python 宏到后来试 DeepCAD 那些基于命令序列的生成模型再到最近在本地搭文本转 CAD 的推理链路踩过的坑能写满一页 A4 纸。这东西不是简单的“换了个格式输出”它的难点在“几何精确性”在“拓扑有效”在“能不能被下游 CAM 软件识别”。这篇文章我不打算给你复述论文摘要而是把我实际跑通、也实际翻车过的经验统统倒出来text-to-cad 到底在解什么题、主流技术路线长什么样、我目前最推荐怎么上手以及出了烂模型时怎么救。先说结论目前没有任何开源模型能做到“一句话直接出可加工零件”的成熟度但你把它当作设计初期的概念生成器配合参数化软件二次修正已经能省下大量从零建模的时间。这篇文章适合机械设计从业者、3D 打印爱好者、以及想往 CAD 生成方向卷的算法工程师我会尽量用大白话讲清楚里面的门道。1. 别把 text-to-cad 当文生 3D它到底在生成什么1.1 网格是“壳”CAD 是“实体数学”很多人第一次听 text-to-cad 都会误以为这是文生 3D 的高配版反正都是“给句话出一个三维模型”嘛。真不是。文生 3D 的主流输出是网格mesh本质是一堆三角形面片拼出来的外壳面里面是空的拓扑关系也不严谨。你拿去 3D 打印一个摆件没问题但要是拿去做装配干涉检查、做有限元分析、做 CNC 加工网格这东西立刻原形毕露倒角对不上、厚度没法保证、圆孔不是真圆CAM 软件根本没法生成连续的刀具路径。CAD 模型则完全相反。它底层是边界表示B-rep也就是用精确的数学曲面和曲线去描述实体的面、边、顶点以及它们之间的连接关系。一个带孔的法兰盘在 CAD 内核里是“一个旋转体减去一个圆柱体”的布尔运算结果而不是一堆三角面片的集合。这种表达天然支持测量、支持装配约束、支持加工仿真。text-to-cad 的目标就是让模型直接产出这种“实体数学”而不是“视觉壳子”。所以我一直强调一个判断标准看一个文本生成三维模型的项目是不是真 CAD别听宣传直接看输出后缀。如果只能吐 obj、glb、stl那它是“文生网格”如果能吐 step、brep或者能返回一段可以被 Open CASCADE 这类内核直接重建的命令序列那才算沾了 text-to-cad 的边。1.2 为什么一句话生成实体比生成一张图难一个量级生成图片的难点在像素分布的合理性生成网格的难点在形状的视觉合理性但生成 CAD 的难点在“处处精确”。我给你举个机械设计里最常见的例子一根直径 20mm 的轴一端开 M12 螺纹孔另一端铣出 10mm 宽的扁位。这串描述里每一个尺寸都是有明确物理意义的20mm 必须是 20.00不能是 19.97 也不能是 20.03否则跟轴承配合就会出问题。更麻烦的是拓扑有效性。CAD 实体要求闭合、无自相交、无悬面、边和面的连接严格一致。就算生成器嘴上说得头头是道最终重建出来一个面片法线乱飞、内部有隐藏碎面的“实体”在 CAM 里照样报错。我可以负责任地告诉你目前绝大多数 text-to-cad 模型最容易翻车的地方恰恰就在拓扑有效性上。生成一个“看起来像”支架的模型并不难难的是生成一个“能通过内核检查”的模型。1.3 真实需求场景概念设计、夹具、与教学实验抛开技术text-to-cad 真正能落地的场景其实比很多人想的窄但也比很多人想的实用。第一个是概念设计。产品工程师拿到需求时脑子里其实已经有大致形状了但手工建模一个初步方案通常要半小时以上。用 text-to-cad 出三五个粗糙的变体挑一个顺眼的进软件细改效率明显不一样。我实测下来描述得越像“加工图”生成结果越接近可用状态。第二个是夹具和简单结构件。很多工厂的非标夹具结构高度套路化一块底板、几个定位销、若干安装孔。这类零件数据在训练集里一大堆生成器很容易输出基本可用的主体结构人工只需要补几个关键公差。这反而是 text-to-cad 目前最让我惊喜的领域。第三个是教学演示。给学生讲“拉伸-切除-倒角”这些基础特征时直接用自然语言生成一个示例模型比一步步画快得多也更能让学生体会“特征”和“实体”之间的关系。当然这个场景对精度没什么要求所以模型翻车了也不心疼。2. 主流技术路线拆解那些“能跑”的模型背后都是什么思路2.1 序列化建模把 CAD 当成一种“方言代码”来生成目前学术界最主流、我实际用下来效果也最稳定的路线是把 CAD 建模过程编码成一串 token 序列然后用训练语言模型的方式去生成这串序列最后再用几何内核把序列“编译”成实体。先不要被术语吓到这个思路其实特别好理解。你在 FreeCAD 里建模一个零件本质上就是依次执行一堆命令新建草图、画直线、加约束、拉伸、倒角、打孔。在 DeepCAD 这类模型之前研究者发现如果把每一步操作连同参数全部记录成文本那么整个建模过程就可以被当成一段程序代码来处理。模型学到的不是“法兰盘长什么样”而是“建一个法兰盘需要执行哪些操作、每个操作的参数是多少”。推理的时候模型输出一段操作序列调起 Open CASCADE 之类的内核逐条执行最后得到实体模型。这个路线最大的优势是输出天然是可编辑的因为它保留了一棵特征树。你在软件里打开生成结果仍然能改拉伸深度、改孔径这跟直接生成一个死的 B-rep 完全是两个体验。我用 DeepCAD 跑过不少轴类零件生成的效果相当能看尤其是旋转体相关的结构准确率明显高于其他类型。它的劣势也明显。训练数据来自 CAD 建模文件的操作历史而真实工业界的大量模型是从其他格式转过来的根本没有历史操作记录能用来训练的数据少得可怜。另外模型生成的是离散命令一旦某一步参数算错比如拉伸距离变成负值后面的特征全部白搭编译直接失败。这跟写代码遇到运行时错误一模一样——你看着语法没问题跑起来就崩。2.2 LLM Agent 工具调用让大模型“亲手”写建模脚本如果你不想训练自己的模型还有一条更取巧的路线用现成的大语言模型当调度器让它自己写 Python 脚本调用 FreeCAD 的 API 或者 CAD 软件的自动化接口去建模。这种方案本质上是把 text-to-cad 问题转化成了 code generation 问题。我试过的做法是给大模型一段预设的 API 文档告诉它“你只能调用这十来个函数比如 create_box、add_cylinder、boolean_cut”然后让它输出一份完整的建模脚本。模型不需要自己懂几何内核它只需要把自然语言里的意图翻译成正确的函数调用序列。这个方法在简单零件上表现相当好尤其是那种“底板 孔阵 支撑块”的零件大模型见过太多类似代码生成的脚本经常能一次跑通。不过这种方法非常吃提示词设计。你得把 API 的边界、单位制、坐标系约定全部写清楚模型才不会把毫米当成英寸、不会把旋转轴搞反。我在本地跑过一轮发现模型在“数量多、重复性高”的特征上特别容易偷懒比如让它生成六个均布孔它可能只给你写三个就收工或者干脆用整列特征但阵列参数又算错。所以用这招务必在脚本外面套一个校验函数查特征数量、查尺寸范围别把裸输出直接丢给内核。2.3 神经隐式场与扩散模型像文生图一样生成“几何场”再转 CAD还有一类路线是把扩散模型那套玩法搬到 CAD 上训练一个网络直接生成体素场或神经隐式场然后再用一个可微的算法把场转换成网格或 B-rep 近似。这条路目前商业化产品最喜欢讲因为它的生成结果“看起来”最自然能出很多自由曲面造型不像命令序列路线那么生硬。但我要给想入坑的朋友泼冷水这类方法做视觉展示可以做工程交付还差得远。隐式场天然擅长表达连续光滑的形状但在表达平面、圆柱面、球面这些精确解析曲面时非常吃力而机械零件恰恰是这些解析曲面的天下。把场转成 B-rep 的过程也充满数值误差转出来的模型经常出现微微扭曲的“假平面”看着平滑一测尺寸就开始飘。除非未来出现一种能从场里直接提取精确几何内核数据的方法否则我只拿这类结果做视觉预览不拿去做工程判断。2.4 三种路线横向对比从精度、可控性、易用性看我把上面三条主流路线的实测感受整理成一张表方便对照参考。技术路线代表思路输出形式几何精度特征可编辑性上手门槛我实测的翻车点序列化建模DeepCAD 和后续的 text-to-cad 变体建模操作序列 / STEP高取决于命令参数强保留特征树中需要跑推理环境某一步参数错导致后面编译全崩LLM Agent 写脚本用大模型生成 FreeCAD / 内核脚本脚本 / STEP中高取决于脚本质量强脚本即特征历史低只要会写提示词特征数量漏加、阵列参数漂移隐式场扩散神经网络生成 SDF / 体素再转实体网格 / 近似 B-rep低数值误差明显弱转完就死低商业产品最常用平面变波浪、圆孔变形、尺寸失准强调一点表格里的精度判断是基于我自己的测试环境不同模型差异很大。如果你只是想给 3D 打印做个外观件第三种路线完全够用如果是正经机械设计老老实实走前两种并在下游做好几何检查。3. 想把 text-to-cad 用在真实工程里我建议这样操作3.1 本地环境准备FreeCAD 是性价比最高的“编译后端”无论你用什么模型生成命令序列或脚本最终几乎都需要一个能执行这些命令的 CAD 内核。商业软件的内核不开源指望不了Open CASCADE 是开元场里最强的几何内核而 FreeCAD 把它包了一层友好的 Python API所以我强烈建议把 FreeCAD 当作 text-to-cad 的默认后端。具体准备不复杂装一个 FreeCAD把 Python 环境跟系统解释器打通。我比较推荐直接用 FreeCAD 自带的 Python 控制台跑脚本省去一堆依赖编译的麻烦。如果你要处理大批量、自动化的验证再额外装一个 pythonocc-core它的底层 API 更贴近 Open CASCADE适合做几何检查、布尔运算和 STEP 读写。我的环境就是 FreeCAD 起交互、pythonocc-core 做批处理两者切换用同一个文件格式中转。还有一个容易被忽略的细节单位制。FreeCAD 默认毫米但很多模型生成的脚本里面用的是米制或者英制混着混着就是一个零件大出 25.4 倍。我建议在提示词里明确写“单位使用毫米”并且在脚本执行完以后加一个全模型尺寸扫描超过预期范围立刻报警别等导入 CAM 才发现。3.2 提示词写得好不好直接决定模型下限text-to-cad 模型对自然语言的理解能力比很多人想象中差差的不是语言本身而是“语言背后的工程约束”。你说“一个坚固的支架”模型只能给你一个通用支架你说“一个 L 形支架底板长 80mm、宽 40mm、厚 5mm竖板高 60mm、厚 4mm底板上四个直径 6mm 的安装孔孔心距边界 10mm”生成结果立刻上一个台阶。我把这类高可用提示词的常用句式整理成一套模板你直接往里套就行一句话定主体什么类型的零件、大概外形。给关键尺寸长、宽、高、厚度、孔径、孔距一律带数字和单位。明确特征类型用“拉伸”“切除”“倒角”“阵列”这类建模动作描述比用形容词描述更有效。交代空间关系哪个面朝上、孔在哪个平面上、对称轴是哪里。最后加一句“所有单位默认为毫米请忽略装饰性圆角”。举个例子我最近测试时用的一句提示是“生成一个电机安装座底板 100x60x8mm四角有 5mm 倒角四个直径 5.2mm 的安装孔均匀分布在 80x40mm 的矩形上底板中央有一个直径 30mm、深 3mm 的圆形凹槽。”这个提示跑出来的结果比我早期用“一个带凹槽的电机座”精细了不止一个数量级。不是模型变聪明了是我把模型需要猜测的信息全都喂给了它。3.3 生成之后必须做的两步“体检”任何 text-to-cad 模型的输出都不能直接进生产线这是铁律。我做生成后处理永远先跑两步几何检查和尺寸抽查。几何检查用 Open CASCADE 的 shape analysis 工具一次性检查实体是否封闭、有没有自相交、边数面数是否异常、体积是否为正。这一步能拦下八成“看起来正常一加工就废”的模型。我见过太多模型在渲染窗口里完美无瑕但一跑检测边界表示里藏着几十个微小的退化面。尺寸抽查更简单。把生成的 STEP 文件导入 FreeCAD用测量工具量三到五个关键尺寸跟提示词里的目标值对比误差我一般允许 0.1mm 以内。这一步的成本只要两分钟但能帮你在后续 CAM 编程前把比例错误、单位错误全部拦住。我踩过的最大一个坑就是单位问题生成的轴直径 20 英寸而不是 20 毫米渲染时因为视口缩放没注意直接导进车床程序还好在模拟阶段发现了。4. 踩坑实录为什么生成的 STEP 文件老出问题4.1 编译失败与空实体模型的“运行时错误”序列化建模路线的模型最常出的问题是生成的命令序列在编译阶段直接失败。原因五花八门拉伸距离超出了草图平面的范围、布尔运算选择了两个不相交的实体、倒角半径大于边本身长度。这些问题有一个共同特征语言模型对“几何可行性”完全没有概念它在训练时只学过命令的文本分布没学过几何内核的执行规则。我最初的应对方式很笨把失败的命令序列丢回去让模型重新生成但成功率堪忧。后来学乖了在提示词里刻意限制特征数量把要生成的实体控制在二三十个操作以内同时把模型输出的序列做一次预处理凡是超出合理范围的数值全部截断到预设上下限。简而言之别让模型自己放飞参数你替它设好安全围栏。4.2 拓扑有效但几何变形的“隐形损坏”比编译失败更恶心的是“编译过了实体也有但形状就是不对”。正常情况是平面变成了微微扭曲的曲面、圆柱面变成了椭圆锥面肉眼在模型旋转时根本看不出异常测量出来却差了 0.3mm 以上。这个问题多发于隐式场路线少见于命令序列路线因为命令序列的参数只要没错重建出来的解析面就是精确的。遇到这类问题第一反应应该是查导出格式。有些模型内部处理精度不够导出 STEP 时把曲面离散成了样条逼近。解决办法是换一个导出精度更高的内核或者在建模阶段改用更基础的解析面操作。命令序列路线天然免疫这个问题这也是我始终最看好它的原因。4.3 漏特征与阵列偷懒大模型的老毛病如果你用 LLM Agent 那条路让大模型写脚本很容易碰到“漏特征”问题。比如让它生成四个螺纹孔它可能只生成三个然后振振有词地说“第四个与第三个对称”。这种现象在语言模型里非常普遍本质是它在模仿人类“懒人式表达”而不是在真算特征位置。我的防范手段是建立“特征计数清单”。生成脚本之前先把提示词里所有带数量的特征列出来比如“四个孔”“两排散热片”“三处倒角”然后在脚本末尾加一个断言函数逐个核对数量。数量不对直接抛异常根本不给它蒙混过关的机会。这个方法听起来简单但真的救了我无数次。4.4 格式与版本STEP 也有“水土不服”最后提醒一个很多人不知道的坑STEP 文件本身有多个版本和多种实现不同 CAD 软件对不同版本的支持程度不一样。Open CASCADE 导出的 STEP 在 SolidWorks 里打开没问题但到了某个特定版本的 Fusion 360 里可能丢颜色、丢图层甚至部分曲面被自动修复掉。我一般是导出 AP214 格式它在兼容性上表现最稳。如果你发现导入后模型自动变了个样别急着怪生成模型先换一个 STEP 版本试试。这里我把实际排查的经历整理成一张快捷表方便你照着查。异常现象高概率原因推荐排查动作生成后编译直接报错命令序列中参数越界截断参数范围减少特征数量能导入但无法选中实体内部边界表示有退化面跑 shape analysis用内核工具修复尺寸比提示词大 25.4 倍单位制混用重跑前统一毫米单位做尺寸冒烟测试漏特征、数量对不上大模型“偷懒”脚本末尾加特征计数断言导入软件后变形STEP 版本兼容问题改用 AP214检查软件修复选项5. 一些系统上的经验体会text-to-cad 这个方向真正的进化速度非常快今天跑起来还很费劲的环节可能三个月后就变成常识了。但我始终觉得理解这类工具的使用边界比追新模型更重要。以目前的技术状态把文本生成的模型直接当作最终加工模型是危险的但是把它当作“可快速迭代的草稿”配合参数化软件做二次调整价值能立刻体现出来。我个人的工作习惯是把 text-to-cad 生成的 STEP 文件看作一种“带误差的初始装配”进入 FreeCAD 之后先解除它的参数化关联重新建立我自己能够控制的特征树。说白了模型负责把抽象描述变成一个有形的几何体真正的工程决策还得靠人。我试过完全信任生成结果结果就是交期压力最大的时候翻车翻得最狠。另外一个小经验是同一个提示词可以多生成几个候选把它们排成一排对比比反复调一个提示词效率高得多。模型有随机性十个结果里通常有一两个特别接近可用状态剩下九个就当噪声。与其跟单个结果死磕不如批量生成、批量筛选。这个思路在我在处理标准件库扩容时尤其好用——一口气生成 20 个简单结构件挑出可用的入库速度远超手工建模。往后我准备把 text-to-cad 的验证流程再往前推一步不仅检查几何还要在生成的模型上直接跑简单的静力学仿真筛掉那些“几何正确但结构弱智”的设计。毕竟CAD 最终服务于制造能生成一个形状只是第一步能生成一个真正扛得住工况的零件才是这个方向真正值得期待的未来。
阅读完成 · 觉得有帮助？
机制与应用实践)
