1. 从一句话到三维模型text-to-cad 到底在解决什么问题第一次听到“text-to-cad”这个说法很多人脑子里冒出来的画面是对着电脑说一句“给我画个带法兰的弯管”屏幕上就自动长出一个能直接拿去加工的3D模型。这个想象不算离谱但真正落地的时候它解决的问题比“语音画图”要具体得多也务实得多。text-to-cad 的核心是把自然语言描述转换成参数化CAD模型。注意这里的关键词是“参数化”不是“生成一张好看的3D图”。这两者的差别做过机械设计的人都懂一张网格模型mesh看着再漂亮尺寸改不了、特征树没有、公差标不上扔进CNC或者注塑流程里基本等于废品而一个带草图、带约束、带特征历史的参数化模型才是工程师真正能接着往下用的东西。所以这个方向真正瞄准的用户不是想随便玩玩的爱好者而是那些每天泡在CAD软件里、被重复建模折磨的工程师。他们的痛点非常朴素一个标准件要画半小时一批相似零件要改几十次尺寸客户发来一段文字需求还得先翻译成草图。text-to-cad 想干的就是把这部分重复劳动压缩掉让“描述需求”和“得到可编辑模型”之间的距离尽可能短。我接触这个方向有一段时间了踩过的坑不算少。下面这篇内容我会把 text-to-cad 的底层逻辑、技术路线、实操流程、以及那些文档里不会写的坑尽量讲透。不管你是刚听说这个概念还是已经动手试过几个开源方案应该都能从中找到能直接用的东西。2. 拆解 text-to-cad 的技术链路语言是怎么变成几何的2.1 为什么不能直接“文字生成模型”很多人第一反应是现在大模型这么强直接让它输出一个3D模型文件不就行了这个思路听起来顺但实际走不通原因在于3D模型的表示方式和文本的表示方式之间隔着一道鸿沟。文本是离散的符号序列模型是连续的空间几何。大模型擅长的是在符号空间里做概率预测它没法直接“理解”一个面的法向量朝哪、两条边是否共线。你让它硬输出顶点坐标它给出的数字往往在数学上自洽、在几何上荒谬——比如一个“立方体”的八个顶点根本围不成封闭体积。所以真正可行的路线是让语言模型去操作中间表示再由中间表示生成几何。这个中间表示就是参数化CAD的建模指令序列。2.2 中间表示把建模过程变成“可执行代码”参数化CAD软件不管是哪一类本质上都有一套自己的建模语言。画一个拉伸体背后是一串确定的操作新建草图、在某个基准面上画矩形、标注长宽、加约束、退出草图、给定拉伸深度。这一串操作就是天然的中间表示。text-to-cad 的主流做法是让语言模型把这串操作“写”出来。输出的不是模型本身而是一段建模脚本或者特征序列。这段脚本再交给CAD内核去执行最终生成模型。这样做有几个明显好处可编辑脚本里的每个尺寸都是显式参数改一个数字就能重新生成符合工程师的工作习惯。可验证脚本是结构化的可以检查语法、检查约束是否过定义、检查特征是否失败。可复用一段脚本就是一个模板换个尺寸就是新零件。我实测下来这条路线是目前最稳的。直接生成网格的方案比如某些基于扩散模型的3D生成看着炫但生成结果没法参数化修改工程价值有限。2.3 语言模型在这里到底扮演什么角色明确了中间表示之后语言模型的角色就清晰了它是一个翻译器把模糊的自然语言需求翻译成精确的建模指令。这个翻译过程有几个难点。第一是歧义消解。“一个圆角矩形板”里的圆角半径是多少语言模型必须根据上下文或者默认规则补全。第二是空间推理。“在顶面中心打一个通孔”需要模型理解“顶面”是哪个面、“中心”是哪个位置。第三是约束满足。工程师说“这个孔和那个孔对齐”模型得知道怎么在草图里加几何约束来实现对齐。这也是为什么纯文本模型不够用很多方案会引入多模态输入——给一张参考图、给一个手绘草图让模型有更多空间信息可以依赖。纯文字能做到的程度目前还停留在相对简单的零件上。2.4 一条完整的转换链路长什么样把上面的环节串起来一条典型的 text-to-cad 链路是这样的输入解析接收自然语言描述可能附带参考图或尺寸表。意图理解识别出这是哪类零件板、轴、法兰、支架等提取关键尺寸和特征。指令生成语言模型输出建模脚本包含草图、约束、特征操作。脚本执行CAD内核解析脚本生成参数化模型。校验反馈检查模型是否有效封闭、无自交、约束合理失败则回退重试。输出交付导出为标准格式如STEP、IGES或直接在CAD软件里打开。这条链路里第3步和第5步是最容易出问题的。指令生成阶段模型可能写出语法正确但几何错误的脚本校验阶段如果做得不严错误模型就会流到下游。后面我会专门讲这两块的坑。3. 选型与搭建动手前必须想清楚的几件事3.1 CAD内核的选择直接决定上限text-to-cad 的底座是CAD内核内核选错了后面怎么调都别扭。目前能用的内核大致分几类各有各的脾气。内核类型代表方案优势局限开源B-rep内核OpenCASCADE免费、社区活跃、支持STEP学习曲线陡、布尔运算偶发失败商业内核某商业几何内核稳定、精度高、文档全授权费用高、集成门槛高网格内核基于三角网格的方案轻量、渲染快无参数化、不适合加工脚本化CAD基于代码的建模工具天然适合LLM生成生态相对小、部分功能受限我的建议很直接如果目标是工程可用优先选支持B-rep和STEP导出的内核。网格方案可以拿来做快速预览但别指望它产出能进车间的文件。OpenCASCADE 是很多开源方案的默认选择它的布尔运算在复杂模型上确实会翻车但对于 text-to-cad 常见的简单零件够用了。3.2 语言模型不是越大越好选语言模型的时候很多人下意识觉得参数越大越好。实际测下来指令遵循能力比知识广度重要得多。text-to-cad 需要的是模型能严格按照给定的脚本格式输出而不是让它自由发挥写一篇关于机械设计的文章。我试过几种规模的模型结论是中等规模、经过指令微调的模型在生成建模脚本这件事上往往比超大模型更稳。原因是超大模型容易“自作主张”在脚本里加一些你没要求的特征或者把尺寸单位悄悄换掉。而经过针对性微调的中等模型输出格式更规矩出错也更容易定位。另一个关键点是上下文长度。一个中等复杂度的零件建模脚本可能有几百行加上前面的需求描述和后面的校验信息很容易超出上下文窗口。选型时一定要确认模型能稳定处理长脚本否则生成到一半被截断前面的努力全白费。3.3 环境搭建那些装完就忘的依赖搭建环境这一步坑主要集中在依赖版本上。CAD内核的Python绑定、几何计算库、语言模型的推理框架这三者的版本兼容性经常打架。我踩过的一个典型坑某个几何库的新版本改了API而CAD内核的绑定还停留在旧接口结果导入就报错。排查了半天才发现是版本问题。所以我的习惯是先把所有依赖的版本号锁死在一个已知能跑通的组合上写进配置文件别用“最新版”。具体来说环境搭建的顺序建议是先装CAD内核及其绑定确认能独立跑通一个“画立方体”的demo。再装几何计算和校验相关的库确认能对生成的模型做基本检查。最后接语言模型先用一个固定脚本测试“脚本到模型”的链路。全部打通后再让语言模型动态生成脚本。这个顺序的好处是每一步都有独立的验证点出问题能快速定位是哪一层的事。反过来如果一上来就把所有东西装好再跑报错信息会混在一起排查起来非常痛苦。3.4 一个最小可跑通的配置长什么样如果你只是想先跑起来看看效果不需要一上来就搞得很复杂。一个最小配置大概包含一个支持脚本建模的CAD内核能导出STEP即可一个指令微调过的中等规模语言模型本地部署或API调用一个脚本解析和执行层把模型输出转成内核调用一个基础校验模块检查模型是否封闭、是否有明显几何错误这套配置跑通之后你就能实现“输入一段文字输出一个能打开的STEP文件”。虽然简单但已经能覆盖不少标准件的生成需求了。后面再逐步加多模态输入、加复杂特征、加批量生成都是在这个基础上长出来的。4. 实操全流程从一句描述到可加工模型4.1 需求描述怎么写模型才听得懂这是整个流程里最容易被低估的一步。很多人以为随便说一句“画个支架”就行了结果模型生成的东西完全不是想要的。问题不在模型在描述。语言模型不是读心术它只能根据你给的信息做推断。描述里缺的每一个尺寸、每一个特征它都得靠猜。猜对了是运气猜错了是常态。我总结了一套描述模板实测下来生成成功率明显提高零件类型先说清楚这是什么比如“一个L形安装支架”。整体尺寸给出包围盒的长宽高或者关键外形尺寸。关键特征有哪些孔、槽、圆角、倒角位置和尺寸尽量给全。基准与朝向哪个面是安装面哪个方向是向上。材料与工艺可选虽然不影响几何但有助于模型理解设计意图。举个例子与其说“画个带孔的板”不如说“一块200×100×10毫米的矩形板四个角各有一个直径8毫米的通孔孔中心距边缘15毫米板面为安装基准面”。后者生成的结果基本一次就能用。提示描述里尽量用绝对尺寸少用“大一点”“差不多”这类模糊词。模型对模糊词的处理方式是不可预测的。4.2 生成脚本的解析与执行模型输出的建模脚本不能直接扔给CAD内核执行中间需要一个解析层。这个解析层要做几件事第一是语法检查。模型偶尔会写出格式不对的脚本比如括号不匹配、参数数量不对。这些在解析阶段就要拦下来别等到内核报错。第二是单位统一。模型可能一会儿用毫米一会儿用米解析层要统一到同一个单位制。我一般强制统一到毫米因为机械设计里毫米最常用。第三是特征顺序校验。建模是有顺序的先有草图才能拉伸先有实体才能打孔。如果脚本里的顺序乱了执行必然失败。解析层要能识别这种顺序错误并给出明确的报错信息。第四是参数范围检查。比如拉伸深度不能为负、孔径不能大于板厚。这些检查能挡掉一批明显不合理的生成结果。解析层写得好不好直接决定了整个系统的鲁棒性。我的经验是解析层的代码量往往比模型调用部分还多但这部分投入非常值得。4.3 模型校验怎么判断生成的东西“能用”模型生成出来怎么判断它是不是能用我一般分三层校验。第一层是几何有效性。模型是不是封闭的实体有没有自相交的面有没有零厚度的特征这些用内核自带的检查工具就能查。不通过的直接打回。第二层是尺寸合理性。生成的模型尺寸是不是在描述给出的范围内比如描述说板厚10毫米生成出来是10.3毫米那可能是单位换算或者精度问题。这一层需要把描述里的关键尺寸提取出来和模型的实际尺寸做比对。第三层是特征完整性。描述里要求的特征是不是都出现了孔的数量对不对圆角有没有漏这一层最麻烦因为需要把自然语言里的特征和模型里的特征做对应。我的做法是维护一个特征清单生成后逐项核对。三层都过了模型才算“能用”。实际跑下来第一层能挡掉大部分明显错误第二层能挡掉单位类错误第三层挡掉的是最隐蔽的遗漏。三层加起来能把可用率提到一个比较理想的水平。4.4 导出与下游对接模型校验通过后导出成标准格式。STEP 是最通用的选择几乎所有的CAD软件都能打开而且保留了B-rep信息下游可以继续编辑。导出时有两个细节要注意。一是精度设置导出精度太低会导致曲面变成多段线下游打开会发现模型“棱角分明”。二是坐标系导出时的坐标系要和描述里的基准一致否则下游装配时会对不上。如果下游是直接进CAM加工那还要确认导出的模型是实体而不是曲面片。有些内核在特定操作后会留下未缝合的曲面这种模型在CAM里会出问题。导出前跑一遍实体检查能省掉很多下游的麻烦。5. 踩坑实录那些让我熬夜的报错与修复5.1 布尔运算失败最常见也最头疼布尔运算是CAD内核里最容易出问题的操作没有之一。text-to-cad 生成的模型因为特征多、约束复杂触发布尔失败的概率比手工建模高不少。失败的表现通常是两个实体求差之后结果变成一个空壳或者直接报错退出。根本原因往往是面与面之间出现了微小的重叠或间隙超出了内核的容差范围。我遇到过最典型的一次在一个板上打孔孔的边缘和板的边缘距离只有0.01毫米肉眼根本看不出来但布尔运算就是过不去。后来把孔的位置往里挪了0.5毫米立刻就好了。处理这类问题的思路是先定位把失败的操作单独拿出来用最小复现的方式跑一遍确认是哪个特征引起的。再放宽适当调整特征位置或尺寸避开临界状态。工程上0.5毫米的调整通常不影响功能。后兜底如果调整不了换一种建模方式。比如用拉伸切除代替布尔求差有时候能绕过去。注意布尔失败不一定是模型的问题也可能是内核的容差设置太严。适当放宽内核容差有时能解决但会牺牲精度要权衡。5.2 约束过定义模型“卡死”的元凶参数化建模里草图约束是双刃剑。约束给够了模型稳定约束给多了草图过定义直接卡死。语言模型生成约束的时候经常犯的错是“重复约束”。比如它已经标注了矩形的长和宽又额外加了一个对角线的长度约束这就过定义了。因为长宽确定后对角线长度是算出来的不能再独立约束。排查过定义的方法是逐个删除约束看草图什么时候恢复可解。但更高效的做法是在生成阶段就限制约束类型。我一般只允许模型使用最基本的约束水平、垂直、尺寸标注、重合。像对称、相等、平行这些能不用就不用减少过定义的风险。如果确实需要复杂约束那就分步生成先生成基础草图确认可解再逐步加约束每加一个检查一次。虽然慢但稳。5.3 单位与精度0.001 和 1 的差别单位问题看起来低级但实际发生的频率高得离谱。模型有时候把毫米当厘米有时候把半径当直径生成出来的模型尺寸差十倍甚至更多。我现在的做法是在描述里显式写明单位并且在解析层强制做一次单位归一化。不管模型输出的是什么单位统一转成毫米再执行。同时在生成脚本的模板里把单位作为固定参数写死减少模型自由发挥的空间。精度问题则更隐蔽。有些内核默认精度是0.001毫米有些是0.01毫米。精度设置不同同样的脚本生成出来的模型在细节上会有差异。如果下游对精度敏感导出前一定要确认精度设置。5.4 特征顺序错乱导致的连锁失败建模是有严格顺序的。先草图后拉伸先实体后倒角这个顺序错了后面全错。语言模型有时候会把顺序搞反比如先写倒角再写拉伸。这种错误在脚本层面看不太出来执行到一半才报错而且报错信息往往指向后面某个无辜的特征让人摸不着头脑。我的应对办法是在解析层加一个特征依赖检查。每个特征操作都标注它依赖哪些前置特征执行前先做一次拓扑排序顺序不对就自动调整或者直接报错。这个检查加上之后顺序类错误基本绝迹了。5.5 生成结果“看着对但用不了”的隐蔽问题最让人头疼的不是明显报错而是模型看着没问题但实际用不了。我遇到过几种面法向反了模型看起来是实体但法向朝内下游渲染和加工都会出问题。微小间隙两个本该贴合的面之间有0.001毫米的缝肉眼看不见但装配时对不上。重复面同一个位置有两个重叠的面布尔运算时行为不可预测。这些问题靠肉眼检查发现不了必须靠程序化的校验。我现在的校验流程里专门加了一步“法向一致性检查”和“间隙检查”虽然增加了计算量但挡掉了很多下游的麻烦。6. 让生成更稳的几个实战技巧6.1 用模板约束模型的自由度完全让模型自由生成脚本结果的不确定性很大。我的做法是给每类零件准备一个脚本模板模型只需要填充模板里的参数而不是从零写脚本。比如“带孔矩形板”这个模板脚本骨架是固定的新建草图、画矩形、标注长宽、打孔、拉伸。模型要做的只是把长宽、孔径、孔位这些参数填进去。这样生成的结果结构上永远是合法的出问题也只可能出在参数上排查起来简单得多。模板的粒度可以按需调整。简单的零件一个模板就够复杂的零件可以拆成几个模板组合。模板越多覆盖的场景越广但维护成本也越高。我的经验是先覆盖最高频的十几种零件类型就能解决大部分需求。6.2 给模型“看”参考图比纯文字靠谱纯文字描述的空间信息是有限的。同样一句“一个带斜角的支架”不同的人脑子里想的斜角角度可能差很多。这时候如果给一张参考图模型的理解会准确得多。多模态输入的价值就在这里。参考图不需要很精确一张手绘草图、一张类似零件的照片都能给模型提供额外的空间约束。实测下来带参考图的生成成功率比纯文字高出不少尤其是在形状比较特殊的零件上。如果条件允许我建议在流程里加一个“参考图输入”的可选环节。用户上传一张图模型结合图和文字一起理解生成结果会稳很多。6.3 批量生成时的参数化策略text-to-cad 真正体现价值的地方是批量生成相似零件。比如一个系列的法兰尺寸不同但结构一样。这时候如果每个都重新描述一遍效率就太低了。正确的做法是参数化批量生成。先让模型生成一个基准零件的脚本然后把脚本里的关键尺寸抽成参数表批量替换参数一次性生成整个系列。这样既快又一致不会出现这个法兰孔位偏了、那个法兰圆角漏了的情况。参数表可以用表格维护每一行是一个零件每一列是一个参数。生成时逐行读取替换脚本里的占位符执行导出。整个流程可以完全自动化人工只需要审核最终结果。6.4 人工审核该看什么不管生成多稳人工审核这一步不能省。但审核也要讲效率不能每个模型都从头到尾看一遍。我一般重点看三样关键尺寸和需求描述比对确认没有偏差。特征数量数一数孔、槽、圆角的数量对不对。基准方向确认安装面和朝向和预期一致。这三样没问题基本就能用。其他的细节比如圆角大小、倒角角度如果描述里没特别要求可以接受默认值。审核的速度会随着经验积累越来越快。一开始可能每个模型要看几分钟熟练之后几十秒就能过一遍。关键是形成固定的检查清单每次都按同样的顺序看不容易漏。7. 这套东西现在能干什么不能干什么7.1 已经比较成熟的场景目前 text-to-cad 在几类零件上已经比较靠谱了标准件螺栓、螺母、垫圈、轴承座这类有标准尺寸的零件生成准确率很高。简单板类零件带孔、带槽、带圆角的平板只要描述清楚基本一次过。轴对称零件轴、套、盘类零件因为结构规整模型容易理解。简单支架L形、U形这类折弯件特征不多生成稳定。这些场景的共同点是特征数量少、结构规整、尺寸明确。模型在这些条件下表现最好。7.2 还不太行的场景反过来下面这些场景目前还不太行复杂曲面自由曲面、有机形状语言模型很难用文字精确描述生成结果往往差强人意。多零件装配涉及零件间配合、间隙、运动关系的模型理解起来很吃力。高度定制的非标件没有先例可循的独特结构模型缺乏参考生成质量不稳定。工程图级别的标注公差、粗糙度、形位公差这些目前基本还得人工补。这些场景不是完全不能做而是需要更多的人工介入和更精细的描述。指望一句话搞定目前还不现实。7.3 一个务实的定位我的看法是text-to-cad 现在的定位应该是工程师的加速器而不是替代者。它能把重复性的建模工作压缩掉让工程师把精力放在真正需要判断的地方。但它生成的东西必须经过人工审核才能用。把它当成一个“能听懂人话的建模助手”期望值就对了。指望它全自动出图、直接投产那还早得很。但如果你每天要画十几个相似零件它能帮你省掉一大半时间这个价值已经很大了。8. 我在这条路上踩出来的几点体会折腾 text-to-cad 这段时间最大的感受是难点不在模型在工程。语言模型的能力已经足够强了真正卡住进度的是CAD内核的稳定性、脚本解析的鲁棒性、以及校验环节的完备性。这些脏活累活才是决定系统能不能用的关键。另一个体会是描述的质量决定生成的质量。与其花时间调模型参数不如花时间把需求描述写清楚。我见过太多人抱怨模型生成不准结果一看描述就一句话“画个零件”。这种描述换谁来都生成不好。还有一点别追求一步到位。先跑通最简单的链路生成一个立方体再逐步加特征、加复杂度。每一步都验证通过再往下走。想着一上来就搞一个全自动的复杂零件生成系统大概率会在某个环节卡死然后整个项目停滞。最后校验环节的投入永远不亏。我一开始觉得校验麻烦想省掉结果下游出了好几次问题返工的成本远高于写校验代码的时间。现在我的原则是宁可生成慢一点也要保证出来的东西是能用的。