★ FEATURED ARTICLE 上周一位做焊接件的老朋友发来一张手机照片问我能不能帮他把这个底座画成CAD图。照片拍得歪歪扭扭尺寸全靠猜我花了二十分钟才建出个七分像的模型。后来我反过来想如果他能直接告诉我“一个L型支架底板长100毫米宽50毫米立板高80毫米壁厚5毫米底板上四个直径6毫米的安装孔”我是不是可以更高效地完成建模这个念头其实就是text-to-cad想解决的问题——用自然语言直接生成CAD模型把“看图猜尺寸”变成“听需求出图纸”。text-to-cad不是某个软件里按一下就有的魔法按钮而是一整套技术思路让机器理解工程语言把它翻译成参数化建模指令再输出可编辑的CAD文件。它跟前几年流行的那种“AI生成图片”完全不同后者输出的是像素前者输出的是几何拓扑、尺寸约束和特征树。这篇文章我会从原理、工具、实操流程和踩坑经验几个角度把text-to-cad这个方向拆开来讲。无论你是用AutoCAD画二维图的老手还是刚开始学“cad制图初学入门”的新人又或者是整天研究“盘扣cad插件”“金林钣金cad版”这类专业插件的工程师都能从中找到自己能用的部分。1. 先搞清楚text-to-cad到底在解决什么问题1.1 CAD用户真实的痛从“画图员”到“翻译员”我接触过的机械、建筑、钣金行业的工程师大部分时间其实不是在设计而是在做“翻译”把客户的零散需求翻译成图纸把图纸翻译成尺寸把尺寸翻译成建模命令。这个过程重复又容易出错。客户说“大概这么大就行”你没法直接告诉软件“大概”是多少只能自己揣摩成具体数值。“cad下载”“cad安装”这类搜索词常年热门的背后是CAD软件本身的复杂度。软件装了命令记不住插件装了一大堆最后还是得靠人一点点画。text-to-cad要解决的就是这个“翻译”环节把模糊的语言描述变成可以被CAD软件执行的参数化指令。1.2 用一句话说清楚text-to-cad是什么简单来说text-to-cad就是输入一段文字描述输出一个可以被CAD软件打开的几何模型文件。文字描述可以是“一个带法兰的圆管外径60内径50法兰上均布6个孔”输出则是STEP、STL、DXF之类的东西能继续在AutoCAD、SolidWorks、中望CAD里编辑。这里有个关键点输出的不是图片而是真正的几何数据。图片只能看几何数据能改、能测量、能加工。这也是text-to-cad和“文字生成3D图片”的本质区别。你把一段描述扔给AI图像生成工具得到的是“看起来像那么回事”的渲染图但你扔给text-to-cad得到的是有尺寸、有约束、能进CAM软件出刀路的实体模型。1.3 它和“AI生成图片”的根本区别很多人第一次听到text-to-cad会拿它跟Midjourney、Stable Diffusion做类比这是最容易产生的误解。图像生成是生成式模型的典型应用模型学习像素分布然后从噪声里“画”出一张图。即使生成得再好它也只是离散像素没有几何意义。CAD模型是完全相反的思路——它需要精确的、有拓扑关系的连续几何。一个圆柱体不是“看起来像圆柱”的像素集合而是由轴线、半径、高度这些参数定义的形体。所以text-to-cad更接近“代码生成”而非“图像生成”。目前的主流实现方式也确实是把自然语言翻译成建模程序代码比如CadQuery、OpenSCAD的脚本然后用脚本“编译”出几何体。理解了这一点你就能明白为什么“精确描述需求”这么重要——模型不是靠“感觉”生成几何是靠“解析语义”生成规则。2. 底层原理拆解AI怎么把一句话变成一张图纸2.1 第一步把自然语言“翻译”成特征树所有参数化CAD软件的核心都是特征树拉伸、切除、倒角、阵列每个特征都带着参数。text-to-cad的第一步就是让大语言模型理解描述里的“语义实体”抽取成特征树的节点。比如“一个直径20、高50的圆柱顶部开一个直径10的盲孔”这句描述翻译成特征树就是圆柱直径20高50→ 孔直径10深度若干。听起来简单实际难在“省略信息”的补全。人说话时默认对方懂行规说“底板四个孔”意味着孔均匀分布、孔心到边缘有安全距离、孔径要配合螺栓规格。这些隐性的工程常识模型需要从大量图纸和建模数据里学习到才能在做翻译时补上默认值。2.2 第二步参数化建模而不是像素生成理解了第一步第二步就好说了模型把特征树转换成一段可执行的建模脚本。目前这种思路的扛把子之一是CadQuery它用Python代码描述建模过程代码里写明了每一个草绘、拉伸、布尔运算。大模型做这件事本质上是在做“代码生成”。我实测下来的感受是对简单零件模型输出的CadQuery代码基本能用对复杂装配体代码逻辑就会乱经常出现拉伸方向反了、布尔运算报错之类的问题。这有点像让AI写一段复杂的Python脚本——能写出能跑的版本但效率优化和边界条件得自己调。2.3 第三步约束求解与合法性检查代码生成出来还没完。几何体能不能真正在CAD软件里打开、编辑、加工取决于约束求解是否正确。两个面必须贴合孔必须垂直于板面尺寸链必须闭合。这需要另一套引擎——约束求解器——来判断。目前的大语言模型并不擅长做精确的数值求解所以实际产品都会把约束求解放到下游。要么用开源几何内核如OpenCascade重新计算要么在导出前做拓扑校验。这也是为什么你会发现AI生成的CAD文件偶尔能打开但修改时会报错——生成代码能跑通但约束关系不完整。2.4 补充为什么不能直接叫“CAD的ChatGPT”大模型本质上是个“概率预测器”它最擅长的是说“人话”不是做“精确的数学计算”。你把100%信任交给它让它直接输出加工图纸这在现阶段是很危险的。打个比方ChatGPT写作文很溜但让它做高数题就露馅——它能模仿解题步骤但算不对数。text-to-cad同理它擅长的是理解意图、生成框架代码最终的数值精度和拓扑正确性必须靠工程软件校验兜底。这并不代表它没用只是用法要对把text-to-cad当作“装配图纸的快速草稿生成器”而不是“最终图纸的自动输出器”。生成后的检查、微调、约束补全仍然是工程师的工作。理解了这条边界后面讲实操你才知道怎么提需求才不会拿到一个“看着挺好、一改就崩”的模型。3. 实操一个能落地的text-to-cad流程3.1 工具选型哪些方案现在真能用text-to-cad听起来高大上但真正想上手试验工具并不复杂。我试过几套路径最稳的是“大语言模型 CadQuery”让大模型生成CadQuery代码在本地Python环境跑输出STEP文件再导进CAD软件修改。另外一个方向是OpenSCAD它是靠CSG构造实体几何拼模型的代码思路更像“搭积木”对简单外形特别友好。如果你只需要做个拉伸、旋转、切孔的零件OpenSCAD生成的代码比CadQuery更直白。缺点是不太适合做复杂曲面和装配。至于那些号称“一句话生成3D模型”的商业工具我试下来多数是生成“看一眼”的展示模型不是真正的CAD数据。做设计交付还是老老实实走代码生成路线至少导出的STEP文件精度可控、能继续改。3.2 提示词写法工程语言与日常语言的区别很多人用text-to-cad效果差问题不在工具在提示词写得“太像人话”。你说“帮我画一个支架”模型只能给你一个“通用支架”尺寸全靠猜。工程需求要写得像清单功能、外形、关键尺寸、位置关系、公差、约束条件全部列清楚。我常用的一套提示词模板是这样的请生成一个CadQuery脚本实现以下零件 零件名称电机安装支架 外形L型钣金支架水平底板与竖直立板垂直相交 底板长120mm宽80mm厚5mm四角倒圆角R10 立板高100mm宽80mm厚5mm 孔位底板上开4个直径8mm的通孔孔心距边缘15mm对称分布 立板上开2个直径12mm的长圆孔用于电机安装调整 材料Q235冷轧板厚度默认按5mm 输出导出为STEP格式这样的描述模型能解析出实体、位置、尺寸、特征关系。你要是只说“一个架子”任何AI也救不了你——它不是不知道怎么做是不知道你要什么。3.3 从文本到可编辑图纸的完整流程我实际跑通的标准流程如下写提示词按3.2的模板把需求列清楚越具体越好。让大模型生成CadQuery脚本拿到代码后先别急着跑扫一眼拉伸尺寸、坐标原点、方向检查最明显的错误。本地执行脚本安装CadQuery库运行Python脚本。第一次跑十回有八回报错——布尔运算失败、面选择失败这都是正常的。根据报错修代码最常见的问题是“工作平面没切换”“草图未闭合”“选择的面不对”改几行继续跑。导出STEP文件到这一步你手里就有了一个参数化模型可以导入中望CAD、AutoCAD、SolidWorks做进一步修改。在CAD里检查测量关键尺寸、检查干涉、补圆心标记、加公差标注。这套流程看起来繁琐但熟练之后从需求到可编辑文件一个简单零件十分钟内能搞定。比起打开CAD从零画效率高很多。3.4 生成之后导入CAD做二次修改生成STEP文件只是第一步真正干活还在后面。STEP文件进SolidWorks或中望CAD通常会有两个问题一是特征树是“死的”——你看到的是实体但不知道怎么改参数二是模型方向可能跟你的装配基准对不上。我的处理方法是导入后把模型设为“编辑特征”重新定义基准面再做细微修改。或者干脆在CAD里用“切除-重做”的方式重新建一遍局部特征。听起来绕但实际操作时AI生成的结果本来就该当草稿——它的价值是帮你把外形和结构快速定下来让工程师在正确的骨架上做细化。可别指望它是成品。4. 实测经验常见的坑和排查思路4.1 问题一尺寸全对但单位不对这是最常见的翻车现场。AI生成的代码里数字都“对”但导入CAD后发现零件大了一圈或小了一圈十有八九是单位问题。CadQuery默认用毫米但有些模型回答时会按英寸理解用户描述。最后代码里写的是“width4”你以为4毫米实际是4英寸也就是101.6毫米。排查办法很简单写完代码先看一眼单位声明在代码开头强制加units MM。这个习惯我吃过几次亏才养成现在生成完代码第一件事就是查单位。4.2 问题二几何体“看起来对”但无法制造AI很擅长生成“视觉上正确”的模型但工程上这远远不够。比如两个实体虽然视觉上贴合实际上中间有0.001毫米的缝隙再比如一个沉头孔的沉头深度比板厚还大视觉上能显示加工就穿帮。工程师拿到AI生成的模型不能只看效果图。我一般重点检查三个地方壁厚是否均匀、孔深是否小于板厚、圆角半径是否大于刀具最小半径。这些是模型最容易“假对”的地方也是最容易导致废件的地方。4.3 问题三约束冗余或约束缺失参数化模型最怕什么怕改一个尺寸整个模型崩掉。AI生成的CadQuery脚本约束经常是“看起来完整实际冗余”的同一个尺寸既被固定的坐标数字定义又被一个变量定义一改变量就冲突。我的解法是生成后做“参数敏感性测试”把关键尺寸改成极端值比如把板厚从5mm改成1mm看模型是否还能重建。能重建说明约束设置对了崩了说明这个约束写得不合理需要手动优化。4.4 问题四零厚度、自相交等拓扑错误这类问题在复杂零件上更常见。两个实体做布尔运算如果贴合面没有完全重合就会产生薄片或者缝隙CAD软件不报错但后续做网格划分或CAM加工时会出各种幺蛾子。我的建议是生成STEP之后用CAD软件自带的“检查几何体”工具过一遍或者用开源工具做一下几何合法性校验。这一步绝不能省。4.5 排查流程速查表问题类型典型表现排查方法修复思路尺寸不对导入后零件明显偏大/偏小检查单位声明强制指定mm/inch无法制造孔深超板厚、圆角过小人工检查尺寸链对照加工工艺修正约束冲突改一个参数模型崩塌做参数敏感性测试精简约束、统一变量拓扑错误隐藏缝隙、零厚度面用CAD检查几何体改布尔运算顺序代码报错CadQuery运行失败看错误栈换工作平面、闭合草图这篇文章写到这里我不打算给你一个“未来CAD都会被AI替代”的结论这既不真实也不负责。我只说我自己实操的体会text-to-cad最大的价值是让“画图”这个动作变得更廉价但它不会让“设计”变得更简单。设计里的决策——选什么材料、留多大公差、怎么避免加工干涉——这些思考AI替代不了也不需要替代。还有一个小技巧实测下来很稳让AI生成代码的时候顺便让它输出“这份模型的假设条件”比如“假设材料是Q235默认折弯内半径等于板厚”。这样你审查模型时能快速发现AI哪些地方替你做了默认决定哪些决定不符合你的实际场景。这比对着图纸量尺寸还管用因为AI的错误通常不是“数值错误”而是“假设错误”。就我个人而言现在画简单零件已经很少从零启动了都是先写一段描述让模型出个框架再在CAD里精修。这跟十年前从AutoCAD“画一根线开始”完全不是一回事但核心技能没变——你得知道你要什么并且能发现模型哪里不对。text-to-cad把我的手从键盘上解放出来了但脑子还是得全程盯着。
阅读完成 · 觉得有帮助？
