1. 先搞清楚text-to-cad 到底是干什么的最近“text-to-cad”这个词在三维设计圈子里热度不小。说白了它就是让你用一句自然语言描述直接生成 CAD 模型——“帮我做一个直径 20mm、高度 50mm 的圆柱体底面带一个 5mm 通孔”——然后软件就真的给你把模型建出来了。我第一次看到这个效果的时候说实话第一反应是“玩具”直到自己亲手跑通了一遍完整流程才意识到这里面的水比想象中深得多。这个技术解决的核心痛点其实是 CAD 建模的门槛问题。传统建模流程里不管是用 Fusion 360、SolidWorks 还是 FreeCAD你要先熟悉草图、约束、拉伸、旋转这一整套操作逻辑光是把“脑子里想的东西”翻译成“软件的参数化操作”新手就得磨几个星期。text-to-cad 想做的事情就是跳过这层翻译让设计意图直接变成几何结果。适合谁来研究这件事如果你是做机械零件设计的可以把它当成一个快速出草稿模型的工具如果你是搞 AI 应用的它是一个非常典型的“大语言模型 专业软件”结合案例如果你只是对 3D 打印感兴趣、想快速验证一个想法它也能让你免去学建模软件的痛苦。当然指望它现在就能替代工程师做完整的产品设计那还早得很但它已经足够值得花一个下午去玩明白。2. 核心原理拆解为什么 text-to-cad 能“听懂”建模需求2.1 不是“画图”而是“写代码”很多人第一次听到 text-to-cad会以为它是让 AI 直接生成一个 3D 模型文件。这个理解有偏差。实际上的主流实现思路是用大语言模型生成一段“建模脚本”然后把这个脚本交给 CAD 内核去执行最终得到几何模型。这段脚本通常有两种形式。一种是直接生成目标格式的代码比如 OpenSCAD 的脚本语言它就是通过布尔运算、挤出、旋转这些操作来描述几何体的另一种是生成某个 CAD 软件的 Python API 调用代码比如 FreeCAD 的 Python 脚本或者 CadQuery 的链式调用。这两种方式的核心逻辑是一样的把“自然语言描述”转成“参数化建模操作序列”。大语言模型在这里干的事情本质上是一个翻译工作——它把“一个带法兰的管道”翻译成“先画一个圆、拉伸、再画一个大一点的圆、拉伸、然后做布尔并集”这样一串操作。这也是为什么 text-to-cad 的生成结果往往比文生图类的模型更可控。图像生成是像素级别的概率采样而 CAD 生成是严格几何操作的结果每一个尺寸、每一个位置关系都是确定性的。模型要是理解错了产出的不是“看起来差不多的图”而是一个完全无法用的实体或者说干脆报错。这种“非黑即白”的特性反而让它的调试和改进路径更清晰。2.2 主流技术路线对比为什么大家偏爱程序化建模先看几条技术路线理解为什么行业里普遍选择了“语言模型 程序化建模”的组合。第一条路线是直接生成网格或者 BREP 几何数据。比如让模型输出一个点云、一个三角网格的顶点坐标数组。这条路在数学上可行但实际效果很差——大语言模型最擅长的是token序列的生成不是精确的浮点数坐标序列。你可以让模型生成 100 个词的句子但让模型生成 500 个精确到小数点后六位的坐标点它大概率会在第几十个点之后开始胡编乱造。而且直接生成几何数据意味着丢失了参数化信息后续想改一个尺寸、调整一个圆角都无从下手。第二条路线是用扩散模型或者类似图像生成的方式去生成“CAD 模型的隐式表达”。这个概念上有意思学术论文里也有不少人在做但工程落地还很远。主要是生成结果的精度难以保证而且需要对每个类型的零件单独训练泛化能力差。第三条路线也是目前开源社区里跑得通的主流路线就是让大语言模型生成参数化建模脚本。这条路有四个明显的优势。第一语言模型生成代码的能力已经被反复验证过了尤其是擅长“从描述到实现”这种场景。第二脚本是可编辑的你可以手动改参数、改逻辑不需要推倒重来。第三脚本天然带有降级方案——模型生成的代码就算一次跑不通你可以把报错信息喂回去让它自己修这个“自我纠错循环”是其他路线很难实现的。第四它可以直接复用现有 CAD 软件的全部能力不需要自己写几何内核。这个选型逻辑值得多说两句。大语言模型本质上是“概率化的文本生成器”它的强项是语义理解、知识关联和模式匹配弱项是精确计算和高维空间推理。程序化建模恰好能扬长避短语言模型负责“想清楚要做什么”几何内核负责“精确做出这个形状”。把大模型不擅长的事情交给专业工具这是 text-to-cad 技术栈设计的精髓。2.3 从语言到参数提示词里到底发生了什么实际运行的时候输入的自然语言要经过几个处理阶段。第一阶段是意图解析模型要判断用户想要的是一个什么类型的零件是轴套、法兰、支架还是壳体。第二阶段是参数抽取模型要把描述里的数字、单位、相对关系抽取出来比如“直径 20mm”“壁厚 2mm”“四个均匀分布的孔”。第三阶段是结构推理模型要规划建模操作的先后顺序——先建主体再开孔还是先做一半然后镜像。这个过程里最容易翻车的地方就在第二阶段。用户描述里的信息经常是不完整的比如“做一个茶杯”没说杯壁多厚没说杯柄多宽这时候模型得自己做合理假设。有些实现会引入“默认参数表”比如壁厚默认 2mm、圆角默认 1mm这样至少能保证生成结果的可用性。还有一点很多人没意识到text-to-cad 的提示词不需要写得太“自然语言”。反而是那种“带约束的结构化描述”效果最好。比如“create a cylinder with diameter 20mm and height 50mm, with a central hole of diameter 5mm”就比“帮我画一个圆柱中间掏个洞”更稳。原因在于大模型的输出质量高度依赖输入信息的明确度你给的约束越清晰它越容易生成符合预期的脚本。3. 实操碰到的关键环节手把手跑通一个 text-to-cad 流程3.1 工具链选型开箱即用还是自己搭如果你想亲自尝试 text-to-cad现在有几条路可以走。我自己实际测试下来从易到难大概是这样的排序。最省事的是用在线工具直接输入描述就能出模型。不过这类工具一般会限制生成次数而且模型内部是怎么工作的、提示词是怎么设计的对你完全不透明适合先感受一下效果、不适合深入研究。稍微进阶一点的做法是用开源项目自己跑。GitHub 上目前比较有代表性的项目是 Zoo原 AutoGPT 团队开源的那个和一些基于 CadQuery 的 text-to-cad 实现。Zoo 的做法是把问题拆成了两个阶段先用模型从文本中提取参数化约束再调用一个程序化建模库去构建几何体。它还提供了一个可视化的验证环境你可以直接在浏览器里看生成结果并且对不满意的部分进行编辑。如果你本身有编程基础我更推荐基于 CadQuery 自己搭一套轻量级的流程。CadQuery 是一个非常优秀的 Python 参数化建模库它跟 OpenSCAD 最大的不同是CadQuery 用的是“构建实体模型”的思路修行话叫做 Boundary RepresentationBREP生成的模型是真正的实体壁厚、圆角、布尔运算这些操作都是精确的不是靠网格近似。这意味着你生成的模型可以直接用于 3D 打印切片或者 CAM 加工不需要额外的修复步骤。我的建议是如果你是第一次尝试直接用开源的 Zoo 项目跑通全流程如果你是开发者想把这个能力集成到自己的应用里那就认真研究 CadQuery 大模型的组合。两者的核心流程是一样的只是抽象层级不同。3.2 用 Zoo 跑通第一个模型完整的实操记录先说明一下我用 Zoo 跑通流程是在本地环境下一步步调试出来的中间踩了几个不小的坑。下面把完整过程拆开讲。环境准备方面你只需要一台有 Python 3.9 以上环境的电脑以及一个 OpenAI 兼容的 API key。项目本身是前后端分离的结构后端负责调用大模型生成脚本前端是一个基于 React 的交互界面。安装过程就是标准的 Git 克隆加依赖安装。不过这里有个容易卡住的点项目文档要求你配置环境变量、设置模型参数。我用的是 gpt-4o 系列的模型效果最稳定换成开源模型跑过几次效果差距明显主要是在复杂指令的理解上容易出偏差。跑起来之后界面会提供一个文本框。我输入的第一个请求是“create a flathead screwdriver”。系统的处理流程是先把这条描述发给大模型让它生成一段 CadQuery 脚本然后在浏览器里渲染出 3D 预览。第一次生成的内容说实话效果还挺出乎意料——它真的生成了一个带手柄的螺丝刀形状而且比例协调。但仔细看细节问题就出来了螺丝刀的头部没有做扁平处理整个刀体就是个圆柱也就是说模型的语义理解对了但几何细节没跟上。这时候我做了第二件事手动编辑生成结果。在 Zoo 的界面里会展示生成这条模型所用的全部参数比如手柄长度、刀体直径、刀体长度。我可以直接把刀体的形状改成“flattened”类型或者直接修改刀体直径和长度值。改完参数点重新生成一个新的模型就出来了。这个过程给了我一个非常直观的感受参数化建模的好处就在于它的每一步都是可追溯的、可编辑的而不是一个黑盒输出。3.3 自己写 CadQuery 脚本为什么这一步才是核心能力用 Zoo 跑通之后我回过头来自己做了一套轻量的 text-to-cad 流程核心就是“CadQuery 脚本 LLM 提示词工程”。这个过程让我对技术本质的理解深了一层。先举一段 CadQuery 的代码例子这是生成一个带法兰的管道的最简实现import cadquery as cq # 创建管道主体 pipe ( cq.Workplane(XY) .circle(10) # 外径 20mm .extrude(50) # 长度 50mm .faces(Z) .circle(10) .circle(8.5) # 内径 17mm .cutBlind(-50) # 挖出内孔 ) # 创建法兰 flange ( cq.Workplane(XY) .circle(18) # 法兰外径 36mm .extrude(3) # 法兰厚度 3mm ) # 拼合 result pipe.union(flange) # 导出 STEP 文件 cq.exporters.export(result, flanged_pipe.step)这段代码的逻辑非常直白先拉伸一个圆环柱体作为管道主体再拉伸一个大的圆柱体作为法兰最后做布尔并集。那么问题来了大模型要什么样提示词才能稳定生成这样的脚本我试了很多种写法总结出一个规律——提示词里不能只描述最终形状还要描述建模策略。如果你只写“generate a flanged pipe with outer diameter 20mm and inner diameter 17mm”模型生成的脚本里经常会直接用两个圆环做拉伸逻辑上没问题但代码风格很差甚至偶尔会出现错误。但如果你在提示词里加上“use CadQuery Workplane, first create the pipe by extruding a circle, then create the flange and union them”生成质量会明显提升。这个现象背后有一个扎心的现实大语言模型不是万能的它对“建模策略”的理解并不比你提示词里描述得更多。你给它越明确的步骤指引它输出的脚本质量就越高。换句话讲text-to-cad 最终效果的瓶颈其实很大程度取决于你能不能把建模思路用自然语言清晰表达出来。这跟传统 CAD 建模里“先规划特征树”的思路本质上是一回事。3.4 从脚本到可制造模型补全下游环节text-to-cad 生成的不只是一个“看得见的三维形状”它最终要产出的是能用于制造的数据。这一点在实际项目里特别容易被忽视。CadQuery 可以直接导出 STEP 格式这是机械设计领域最通用的交换格式几乎所有的 CAD 软件和 CAM 软件都支持。导出的时候要注意单位问题CadQuery 默认以毫米为单位导出的 STEP 文件也是毫米单位但如果你的下游流程用的是英寸那么要么在建模时做单位换算要么在导出时处理。另外还有一个很多人容易踩的坑布尔运算后的模型表面可能会存在微小的拓扑瑕疵。在屏幕上看起来没问题但是在切片软件里就可能导致破面或者打印失败。我的处理习惯是导出之前用 CadQuery 的clean()方法做一次几何清理并且用validate()方法检查一下实体合法性。这一步能拦截住大部分“看起来正常但实际有毛病”的模型。4. 拿来即用的 prompt 模板我实测出来的有效套路4.1 稳定的三步式模板结构实测下来光说“帮我做一个 XX”是远不够的。我把这几年写 prompt 的经验全部收敛到一个通用模板上这个模板对 text-to-cad 场景的命中率非常高。模板的结构是角色设定 建模约束 输出要求。角色设定是为了让模型进入“CAD 程序员”这个语境。我通常会在开头加上一句“You are an expert in CadQuery and parametric CAD modeling. Only output the Python code, no explanations.”目的是去掉模型的解释欲让它专注于生成可执行代码。建模约束是整个模板的核心。它必须把用户需求拆成四类信息基础形状、关键尺寸、位置关系、制造约束。基础形状告诉模型“主体是一个圆环”关键尺寸告诉它“外径是 20内径是 17”位置关系告诉它“法兰在管道的一端”制造约束告诉它“需要留出 0.5mm 的公差配合间隙”。输出要求要明确指定代码格式。我会要求模型用cq.Workplane作为起点、用cq.exporters.export导出 STEP 文件并且要求它只输出一个完整可运行的 Python 代码块。这个模板可以套到很多场景里。比如做齿轮You are an expert in CadQuery and parametric CAD modeling. Only output the Python code, no explanations. Create a spur gear with the following constraints: - Module: 2mm - Number of teeth: 20 - Pressure angle: 20 degrees - Face width: 10mm - Hub diameter: 12mm - Bore diameter: 6mm Use CadQuery. Start with a Workplane. Use the gear generation method if available. Export STEP with key gear.step.这里用到了一个重要技巧如果模型内置了齿轮生成函数就直接让它调用而不是让它手写渐开线。原因很简单——大模型手写渐开线的出错率极高而且出来的齿形不一定符合标准。让模型调用库函数相当于把专业工作交还给专业工具。4.2 提示词里最容易忽略的三个细节第一个细节是“单位”。CadQuery 默认单位是毫米但很多用户习惯说“cm”或者“inch”。你不告诉模型单位它就会默认用毫米。我测试过一个案例用户写“做一个 2cm 高的块”模型居然生成了 2mm——因为它在抽取参数的时候把“2”单独抽出来了忽略了单位。现在我的模板里都会强制要求明确声明所有尺寸都以毫米为单位。第二个细节是“特征之间的相对关系”。很多新手提示词会写“做一个带孔的圆盘孔在中间”但没说孔到底多大。模型只能猜。与其让它猜不如在约束里明确“通孔直径是外径的一半”。这种相对关系一旦写清楚模型的正确率能提升一个台阶。第三个细节是“不要让它做选择”。如果你问模型“你觉得用什么材料合适”它可能会犯难。但在代码生成任务里你要的是确定性不是创意。所以约束条件里不应该出现“或者”“更优”“看情况”这类词每一项都应该是明确的、不含糊的。这跟写代码的体验一致——越确定的输入越能产生确定性的输出。5. 影响范围与应用场景从快速打样到批量定制5.1 机械零件快速打样把“想”变成“可打印”text-to-cad 最直接的应用场景就是快速打样。我之前做过一个实验设计一个带有卡扣结构的小型外壳传统建模方式下从画草图到完成特征大概要十几分钟。但如果用 text-to-cad 把需求描述清楚再手动微调参数整体能在五分钟内完成。这个效率差异在“探索性设计”阶段尤其有价值。设计过程中经常有大量“试一下”的需求这个形状能不能行、那个比例合不合适。传统流程里每次调整都要回到草图画几笔改了尺寸还要检查关联约束是否被破坏。text-to-cad 的场景里你只需要改一句话或者改一个参数生成新版本就是瞬间的事情。我实际用过的一个场景是设计 FDM 打印的线材导轮。我只需要告诉它“做一个 V 型槽的导轮外径 25mmV 槽角度 60 度中心孔 5mm轮宽 8mm”生成结果基本上一次就能用。这种零件本身结构简单几何关系明确是 text-to-cad 的“舒适区”。5.2 设计自动化的新范式批量生成变体text-to-cad 的底层能力是“参数化描述 自动建模”这意味着它天然可以做批量变体生成。如果有 50 种不同规格的支架需要建模传统做法是建一个参数化模型然后逐个修改参数生成配置。text-to-cad 的做法更直接给大模型一个模板风格描述然后列出一张参数表格让模型循环生成。我在实际测试中做了一件这样的事给出同一个提示词模板改变关键尺寸参数让模型生成了一批不同尺寸的垫片模型。整个过程不需要写一行代码只需要维护一个 CSV 文件每一行是不同规格的参数。这个能力对非程序员背景的设计师特别友好他们不需要学参数化建模软件的操作逻辑只需要会填表就行。当然这里有个现实问题批量生成时的可靠性不像传统参数化建模那么高。50 个模型里大概率有 2~3 个会出现局部错误需要检查。我的做法是添加了一个自动化的“尺寸抽查”环节用 CadQuery 的val()方法提取关键尺寸跟参数表做对比不一致的标红。这一套流程跑下来基本能保证最终的模型清单可用。5.3 教学与知识管理用自然语言沉淀建模经验还有一个我关注的方向是 text-to-cad 对 CAD 知识管理和教学的影响。在传统 CAD 教学里最大的难点是“参数的抽象理解”。学生要搞清楚“为什么这个特征是先建主体再切孔”“为什么这个约束必须加在草图上”。text-to-cad 其实改变了这个认知过程你不需要先学会软件操作而是先学会“用语言表达设计意图”然后观察大模型是怎么把语言翻译成建模操作的。这个过程本身就是一种“建模思维”的教学。另外text-to-cad 的 prompt 也可以当成一种“可执行的知识文档”。过去记录一个零件的建模方法你要么写文档配截图要么录视频要么分享源文件。现在你可以直接写一段自然语言描述存下来下次要生成同样类型的零件时直接复用。描述越精确复现效果越好。这相当于把建模经验变成了一种可以被检索、被复用的“活性资产”。6. 常见问题与排查技巧我踩过的那些坑6.1 代码生成正确但执行报错大概率是依赖环境问题我在实际操作中最常遇到的一类问题是大模型生成的代码看起来完全正确但一跑就报错。比如 CadQuery 报出ValueError: Cant extract vertices from a non-solid这类错误新手很容易慌以为是模型写错了。遇到这种情况我会按固定顺序排查。第一步检查 CadQuery 版本。不同版本的 API 有细节差异比如circle()方法在旧版本里需要传半径、在新版本里可以传直径这种差异很容易导致报错。第二步检查是否存在多余的几何操作。比如你先拉伸一个圆柱然后又对同样的面做一次拉伸可能产生无效的过度约束。第三步用最简代码复现。如果一段代码里有多步操作删掉后面的一半看前半段能不能正常运行用二分法定位错误点。这里也要提一个现实问题大模型有时候会“幻觉”出一些不存在的 API 方法。比如我让它生成螺纹的时候它给我编了一个thread()方法CadQuery 里根本没有这个方法。遇到这种情况最好的策略不是在提示词里纠正它而是在提示词里明确要求“only use standard CadQuery Workplane methods”,模型就不太敢自由发挥了。6.2 模型尺寸稳定但几何关系错乱语义理解偏差另一种典型问题是尺寸都对每个圆直径都对但位置关系错了。比如孔应该在外围均匀分布结果全部排成一条直线。这个问题归根结底是模型的空间推理能力不足。大语言模型本质上是一个“文本模式匹配器”它能把关键词对应上但没法真正“想象”空间里这些几何元素的位置关系。我实测了一些改进办法最有效的是“用相对坐标描述位置关系”。不要写“四个孔均匀分布在法兰上”而要写“four holes at radius 12mm, evenly spaced at 0, 90, 180, 270 degrees”。显式的角度信息能让模型少走很多弯路。同理描述偏置特征时不要说“靠右边”要说“offset 10mm in X direction”。另一个办法是加“中间步骤”。如果模型一次生成完整代码经常出错你可以把建模拆成两步先生成主体几何再生成附加特征然后在最终代码里把它们组合起来。我自己常用的一种做法是先让模型生成一个“实体外壳”的代码运行验证通过了再让它在这个外壳上加“加强筋阵列”。分步走之后出错率会大幅下降因为每一步的上下文更简单模型不容易“丢信息”。6.3 生成结果太“塑料感”缺少制造意识最后一个问题比较隐蔽但做实际制造的人一定会遇到——模型生成的几何形状“看起来对”但完全不懂加工工艺。比如有个模型给你生成了一个薄壁壳体的底部是尖角没有圆角过渡这在 3D 打印时会产生应力集中在 CNC 加工时也无法直接用刀具加工出来。这不是模型能力的问题而是提示词里缺少制造约束。解决办法是给提示词加一道“工艺说明”“This part will be CNC machined from aluminum. Avoid sharp internal corners; use fillets with radius at least 1mm at all internal edges.” 加上这类约束之后模型生成的代码里会自动出现fillet()操作。我一直觉得这是 text-to-cad 最有意思的地方——它的上限其实不是由模型决定的而是由你的领域知识决定的。你越懂制造、越懂 CAD你就越知道要在提示词里补充什么约束你的生成结果就越可用。7. 一点个人体会别神话它也别低估它在这件事上玩了几个月之后我最想说的是text-to-cad 是一个非常好用的“草稿生成器”但离“智能设计助手”还有不小的距离。它最擅长的场景是你脑子已经有一个清晰的几何形状只是不想手动一步步操作建模软件。它最不擅长的场景是你只有模糊的功能需求希望它帮你从零构思一个合理的设计方案。举一个例子。你告诉它“帮我设计一个能放两个手机和一个钥匙的桌面收纳盒”它大概率会给你生成一个方盒子但你想要的可能是带倾角的分隔槽、预留充电线孔、圆角防刮手——这些“设计决策”如果不在提示词里明说模型是想不出来的。所以在使用这个工具的时候我的建议是把它当成一个“高效的建模手”而不是“设计师”。你想清楚要什么它帮你把实现过程自动化。这种分工目前来看是最高效的。还有一个实际操作的彩蛋如果你后续要把模型导入到 Fusion 360 或者 SolidWorks 里继续编辑建议直接生成 STEP 格式而不是 STL。STEP 保留了实体边界表示的所有信息包括面、边、拓扑关系后续修改起来要方便得多。STL 只是一个三角网格近似一旦导入就基本没法做参数化编辑了。text-to-cad 这个方向肯定是会持续发展的因为它的价值链条很清晰降低建模门槛、加速设计迭代、让设计经验变成可复用的资产。如果你也想研究这个东西不要只看演示视频自己动手跑一遍、改几个参数、写几段不同类型的提示词比看一百篇分析文章都有用。这个领域最好的学习方法就是亲手把第一个模型制造出来。