一句话生成机械零件：text-to-cad原理、工具与工程落地

前阵子有朋友拿着一张零件照片问我这种支架能不能直接用一句话生成出来我第一反应是你想多了但转头一想text-to-cad 这个方向确实已经从论文标题变成了可以上手跑的东西。从 2025 年开源社区出现 Text2CAD 这类项目开始用自然语言描述一个机械零件、然后直接拿到 STEP 模型的路径已经不再是科幻。这篇文章我就从自己的实际体验出发聊聊这个方向到底怎么工作、哪些工具值得试、以及它离真正替代常规建模还有多远。先说清楚一个最容易混淆的点text-to-cad 不等于 text-to-3D。市面上很多输入一句话生成三维模型的工具生成的是网格模型mesh拿来渲染、游戏、3D 打印看个外形还行但到了机械加工、装配、工程图阶段就完全不够用。text-to-cad 的目标是直接生成参数化 CAD 模型也就是带特征树、带约束、能改尺寸、能导出 STEP 的那种。这篇文章适合所有对 AI 辅助设计感兴趣的工程师、产品经理和创客不管你是用 SolidWorks、Fusion 360 还是 Onshape读完应该都能建立一套自己的判断标准。1. 从画图到描述text-to-cad到底改变了什么1.1 我为什么盯上这个方向做机械设计的人都有这种体验接到一个需求脑子里其实已经有大概的形状了但落地到建模软件里还是要一个草图一个草图地画一个特征一个特征地拉。尤其是那种标准件改尺寸的活儿——开孔位置挪一下、板厚加两毫米、倒角从 R1 变到 R2——重复劳动占了日常工作的大半。text-to-cad 这个方向真正打动我的点是它可以跳过操作这个中间层直接让设计意图变成模型。你不需要记住某个特征命令在软件菜单的哪个位置也不需要纠结草图的约束顺序只需要把我要什么说清楚。对于一个有十年建模经验的人来说这不是不会画而是不想花时间画对一个非机械背景的产品经理来说这是第一次有能力把脑子里的想法变成一个能加工的真实零件。1.2 一句话说清它的技术本质如果只能给一句话我会这样总结text-to-cad 的本质是用 LLM 生成一段可执行的 CAD 操作序列再由建模内核把它变成带精确几何的实体模型。这里有两个关键词。第一是可执行。模型输出的不是一张图片也不是一堆三角面片而是一串结构化的建模指令比如画一个 100mm 乘 50mm 的矩形草图拉伸 5mm在四角打直径 10mm 的通孔。这种指令可以被 OpenCASCADE 这类建模内核真正执行。第二是精确。因为执行的是参数化指令最终模型的尺寸、位置、约束关系都是确定的不是概率采样出来的近似形状。这一点决定了 text-to-cad 有可能进入工程流程而不只是停留在概念展示。2. 拆开引擎看原理文本怎么变成参数化模型2.1 核心链路LLM CAD操作序列 参数约束我复现过几个开源框架之后发现它们的架构虽然有差异但核心链路基本一致可以归纳成四步接收自然语言描述拆解设计意图。这一步会提取出形状类型、关键尺寸、特征数量、位置关系等信息。将设计意图映射为 CAD 操作序列也就是宏程序。常见操作包括草图绘制、拉伸、旋转、倒角、布尔运算等。把操作序列交给建模内核执行。内核负责实际的几何计算和约束求解。导出标准格式文件一般是 STEP附带可视化渲染结果。Text2CAD 这个开源项目的做法比较有代表性它先构建了一个文本-CAD 操作的配对数据集用真实 CAD 模型的特征树和对应的自然语言标注做监督然后微调开源 LLM。推理时还用到了最近邻检索——先在库里找到和用户描述最相似的参考模型把它作为少样本示例喂给模型再让模型生成新的操作序列。这个检索增强生成的设计很聪明相当于给 LLM 配了一本随时翻看的案例集比让它凭空想象靠谱得多。2.2 关键设计为什么选STEP而不是网格很多第一次接触这个方向的人会问直接用现成的 text-to-3D 模型输出 OBJ 或 STL 不行吗为什么非要折腾 STEP答案要从制造端说起。STL 网格描述的是外形它没有面与面之间的拓扑关系更没有特征历史工程师拿到一个网格模型之后几乎无法做进一步修改。你没法在网格上直接加一个螺纹孔也没法把网格里的某个圆角改小。而 STEP 文件描述的是精确的边界表示B-rep包含完整的几何拓扑信息可以直接进入 CAM 编程、有限元分析、装配干涉检查这些下游环节。我自己的一个直观体验是网格模型像一张照片好看但改不了STEP 模型像一份可编辑的 Word 文档每个句子都能改。对一个面向制造的流程来说后者才是真正能进入生产链路的格式。所以 text-to-cad 坚持走参数化STEP 的路子不是因为技术上排斥网格而是因为它瞄准的本来就是工程场景。2.3 让模型会说CAD话数据与微调一个很现实的问题LLM 训练时见过大量自然语言但ChatCAD 指令这种方言它几乎没见过。怎么让模型学会这门方言答案是数据。Text2CAD 团队做的核心工作之一就是把已有的 CAD 模型逐层拆解将每个特征的操作参数与对应的文字描述对齐。比如一个零件特征树里记录了extrude depth10mm他们就会配上厚度为 10 毫米这样的描述。这样成对的数据积累到一定规模再用 LoRA 或全参数微调模型才逐渐学会把自然语言翻译成操作参数。这个环节有个容易被忽略的细节CAD 操作是有严格顺序依赖的。先画草图再拉伸、先拉伸再打孔顺序错了模型就生成不出来。所以训练数据里必须保留操作序列的上下文而不是把每个特征当成独立样本。实际测试中我也发现模型对串行特征链的处理能力决定了它的最终成功率。3. 主流方案横评开源框架与商业产品的取舍3.1 先看基准Text2CAD开源项目能做什么目前最容易上手复现的还是 2025 年初开源的 Text2CAD 项目。它能处理的典型任务包括带孔的法兰盘、L 型支架、轴类零件、齿轮坯体这类以拉伸、旋转、孔系、倒角为主的机械零件。输出格式是 STEP同时能给出渲染图和质量评估指标。它的框架里包含了训练和推理两条路径。如果你有 GPU可以自己微调模型如果只想体验效果也可以直接调用云端 LLM API走检索生成执行的完整链路。实测下来对一个描述清晰的零件生成成功率在五成到七成之间主要取决于零件复杂度和提示词的规范程度。3.2 商业产品Zoo、Bernini这些在卷什么商业产品的进度比开源项目更快但方向上各有侧重。Zoo 这家公司前身是 KittyCAD推出了自己的 Text-to-CAD 产品底层用了多个 AI 智能体协作的架构强调生成结果的无缺陷——也就是生成出来的模型可以直接进入 CAD 环境继续编辑。它的实现思路是让不同智能体分别负责识别设计意图、规划特征顺序、检查几何合理性相当于把一个大任务拆成了几个专业角色分工完成。Autodesk 的 Project Bernini 是另一个值得关注的方向。它不完全走文本生成操作序列这条路而是尝试用生成模型直接输出功能性设计结果甚至能处理 2D 图纸和 3D 形状的双向转换。从目前的公开信息看它更像一个探索性项目离产品化还有距离但方向证明了主流 CAD 厂家对 AI 生成建模的重视程度。3.3 选型建议维度开源框架代表Text2CAD商业方案代表Zoo上手成本需要配置 Python 环境和建模内核注册即可体验 Web 端可控性模型可微调、流程可改黑盒无法干预内部逻辑文件格式标准 STEP可离线执行提供 API 和云端工作流成本自备算力和 API 费用订阅制或按调用量计费适合人群研究者、二次开发者、技术爱好者想快速看效果的企业团队我的建议是如果目的是理解原理、做实验、或者把生成能力嵌入自己的工具链优先选开源框架因为你能看到每一步发生了什么出问题也知道从哪里修。如果目的是给团队快速搭建一个自然语言出模型的演示流程商业 API 见效快得多。两个不冲突可以先用商业方案验证场景再决定要不要回到开源框架自建。4. 实操复现跑通一条text-to-cad的最小链路4.1 环境准备我以开源路线为例说下最小环境怎么搭。需要准备的包括Python 3.10 以上版本建议单独建一个虚拟环境避免依赖冲突。建模内核依赖通常是 OpenCASCADE 的 Python 绑定用来执行生成的 CAD 操作序列。LLM 推理入口可以是云端 API也可以本地部署量化后的开源模型。本地部署的好处是不用担心请求体量坏处是生成质量会受模型能力影响。数据文件包括检索用的参考模型库和少样本示例。配置过程中最容易踩的坑是内核版本冲突。OpenCASCADE 的 Python 绑定如果版本太旧某些新生成的操作指令会执行失败而且报错信息不直观经常是底层崩溃而不是 Python 异常。建议严格按项目文档锁定的版本安装不要随意升级。4.2 生成一个零件命令与参数跑通链路后的调用方式大致长这样。我先用一个简单的平板零件做测试from text2cad.generator import TextToCADGenerator generator TextToCADGenerator( model_nameqwen2.5-cad-7b, retrieval_index./cad_library ) result generator.generate( promptA rectangular plate, 120mm long, 80mm wide, 5mm thick, with four holes of 8mm diameter, each hole is 10mm from the nearest edge, fillet all edges with radius 2mm, output_formatstep ) result.save(plate.step) print(result.macro_sequence)我故意把提示词写得很具体——长度、宽度、厚度、孔径、孔边距、倒角半径全部明确。这是因为实测下来模型对在角落打四个孔这种模糊描述很容易把孔位算偏但只要你给出距边 10mm这个约束生成结果就会稳定很多。生成完成后建议立即用免费查看器把 STEP 导入检查一遍确认轮廓和尺寸。我习惯的做法是再写一个脚本自动读取 STEP 里的边界框和孔中心坐标跟预期值比对偏差超过 0.5mm 就重新生成。这一步虽然简单但能避免把明显错误的模型直接发出去丢人。4.3 实测效果与常见问题我在测试过程中遇到的高频问题可以归纳成这几类倒角失败提示词里写所有边倒角 2mm但模型选的边不符合几何约束导致内核报错。解决办法是给倒角加上限定条件比如只对顶面的外边缘倒角。孔的位置整体偏移这通常不是模型笨而是提示词里没有明确基准。加上以零件中心为基准对称分布这类描述后明显改善。生成成功但特征树混乱比如模型先生成了两个拉伸体再做布尔合并而不是直接在一个草图里画完。结果虽然一样但后续编辑体验很差。这种情况可以把请在一个特征中完成写进提示词。内核执行偶尔崩溃目前没有特别好的根治办法稳妥的做法是在脚本里加异常捕获出错了就换一个随机种子重新生成。5. 它的边界在哪里我踩过的坑和识别到的硬限制5.1 几何复杂度天花板用了一段时间之后我对这个技术的能力边界有了比较清醒的认识。现在的主流模型处理10 到 30 步以内的串行特征序列效果不错但一旦遇到曲面扫掠、放样、多实体装配这类高阶操作成功率就断崖式下降。原因也很容易理解。LLM 本质上是按统计规律预测下一个 token它没有真正的空间想象力。让它生成一个外方内圆、带六条加强筋、筋上还要开减重槽的零件它需要同时维护的约束关系太多序列一旦拉长前面的参数错误会一路传导到后面最终不是几何自相交就是干脆执行失败。5.2 提示词里的隐藏学问很多人第一次玩 text-to-cad 都会觉得我话都说清楚了它怎么还是生成不对。实际上自然语言描述和 CAD 操作之间隔着巨大的信息鸿沟。我总结出几条实测有效的提示词技巧把所有尺寸写全包括单位。只写一个支架和写一个 L 型支架长 80mm、宽 60mm、高 30mm、板厚 3mm、底部两个直径为 6.5mm 的安装孔生成效果天差地别。用操作语言描述而不是名词描述。拉伸一个 60mm 乘 30mm 的矩形到 3mm 高度比做一个平板更符合模型的训练数据分布。一次性给足约束。不要指望模型自己推断四个角上的孔离边应该一样远你要亲口说四个孔均匀分布在四角孔心距相邻边 10mm。保持特征顺序符合常规建模思路。先主体、再细节、最后修饰会让最终特征树更干净。5.3 工程化落地的现实问题技术之外真正要落地还需要面对几个非技术问题。一个是责任归属——AI 生成的模型出了问题是提示词作者负责还是模型提供方负责企业内部不能没有这条规定。另一个是版本管理——提示词会改、模型会换、生成结果不可复现工程上需要像管理代码一样管理提示词到模型的溯源链条。还有一个经常被忽略的问题生成模型的许可证和知识产权状态。开源框架本身没问题但微调用的基础模型和训练数据如果包含商业软件生成的 CAD 特征生成的模型能不能直接用于商业产品需要仔细核查授权条款。6. 从demo到生产力哪些场景真正值得用6.1 标准化零件库生成目前落地价值最明确的场景是行业标准零件和通用件的参数化生成。比如某种规格的传感器安装支架、标准的走线卡扣、钣金折弯件这些零件的特点是结构成熟、参数固定、但规格型号繁多。过去每个型号都要建一个模型现在只需要维护一套提示词模板把尺寸参数留空填入即可。相当于用 text-to-cad 做了一台模型自动售货机。6.2 概念设计与评审在项目早期方案评审的痛点往往不是精度而是速度。设计师脑子里有三个方案但每个都要花两三个小时建模才能拿到评审会上讨论。用 text-to-cad 的话三个方案可能半小时就出来了虽然细节不完整但足以支持布局合不合理、外形有没有竞争力这种层级的讨论。我个人的经验是把 text-to-cad 的输出当作高保真草图来用而不是当作成品。评审通过后再由设计师在传统 CAD 环境里重新建模或精细调整。这比从零开始省一半时间又没有把最终质量押在模型的随机性上。6.3 教育场景与新人上手这个方向的教学价值被我严重低估了。以前教新人建模最头疼的是他们理解不了操作顺序这件事——为什么不能先打孔再画外轮廓。现在可以反着教先让新人用自然语言描述一个零件再展示模型生成的宏指令和特征树让抽象的操作流程变成可视化的步骤清单。这种先想明白再学操作的方式对新人的空间想象力和建模思维培养很有帮助。用 text-to-cad 作为辅助教学工具还有一个额外好处它天然要求使用者把话说精确。一个能清晰描述孔心距边 10mm、倒角 2mm、两孔间距 40mm的学生建模时也不会含糊。我自己跑了几个月之后最深的体会是别把它当自动设计机器人而是当一个用自然语言驱动的建模副驾。它能帮你把大段常规操作变成一句话能帮你快速试出多个方案但最终决定设计质量的关键还是你脑子里的工程判断。现在最值得做的事情就是把你自己常做的那几类零件整理成结构化的提示词库这个积累越早开始越值钱。