一句话生成一张能直接进CAD加工车间的图纸说实话我干这行十几年第一次看到text-to-cad这个词的时候第一反应是又来一个AI画图的噱头。毕竟AI画图只能出漂亮的效果图没法给你精确尺寸更没法让设计师在软件里改一笔就联动更新。但真正上手试了一圈之后我发现自己低估了这件事——它不是把文字变成像素而是把文字变成参数化建模脚本再由脚本生成实体几何。整个工作流从鼠标一点点画变成了描述需求、审查脚本、微调参数这个转变确确实实改变了我的日常制图方式。这篇文章不谈概念全部是我实际折腾text-to-cad工具链的完整过程。包括它真正解决什么问题、当前有哪几类方案可选、核心原理到底是怎样工作的以及我在真实项目里用它生成零件、配合Python批量出图、导入中望CAD等软件时的踩坑记录。如果你也是天天画重复图形的设计师、工程师或者刚入门的CAD学习者这篇文章能帮你判断text-to-cad值不值得用以及怎么用才不会翻车。1. text-to-cad到底在解决什么真需求先说个扎心的事实大多数设计师每天画的图真正从零构思的不到两成剩下八成都是改尺寸、换参数、套模板的重复劳动。轴套从直径50改成55孔位从四孔改成六孔底板加长30毫米机架换个壁厚——这些操作没有任何创造性但你必须老老实实一个特征一个特征地改改完还得检查干涉、检查关联尺寸有没有崩。text-to-cad的价值恰恰不在无中生有画出个惊天动地的设计而在把重复的变体设计压缩成一段文字描述。1.1 重复制图的真实成本我自己统计过一周的制图时间分布周一上午画一个新支架的草图两小时下午给三个旧零件改尺寸、更新工程图三小时周二一整天在做项目BOM表对应的零件变体尺寸不同、孔位不同但结构完全一样。这些变体零件每一个都值得从头建模吗不值得。但传统的做法是你没法跳过——你打开CAD软件选基准面画草图加约束拉伸打孔每一步都省不掉。我把这个阶段称为制图的体力活。text-to-cad切入的正是这个环节。它不需要你理解草图约束和特征树你只需要告诉它我要一个长120、宽80、高60的开口盒壁厚2四角各一个直径5的安装孔。剩下的特征构建、布尔运算、倒角、抽壳它自己写脚本完成。生成出来的不是一张图是一段可以反复改参数的代码——下次要做长150的版本改个数字重新导出就行。1.2 从鼠标绘图到语言建模的工作流迁移很多老设计师一听用语言建模就摇头觉得那玩意儿不精确。我一开始也这么想直到我发现text-to-cad生成的是参数化脚本而不是一张渲染图。脚本里每一个尺寸都是显式数字每一个特征都是明确的建模命令。这意味着什么意味着你完全可以审查它打开生成的脚本看到box(120, 80, 60)你知道这个盒子的主体尺寸就是120乘80乘60看到faces(Z).workplane().rect(100, 60).vertices().hole(5)你知道这是在顶面四角打了直径5的孔。这句话不对你直接改数字或者删掉那行重新让AI生成。整个过程跟你在CAD软件里看特征树是一样的只是效率高得多。1.3 谁最该关注这个工具根据我的观察text-to-cad的受益人群非常聚焦机械设计工程师零件变体多、结构相似度高的收益最大。非标自动化设计一个项目几十个定制钣金件、支架件传统画法能累死人。产品结构工程师开案初期概念验证用语言快速生成结构草模比手绘草图更接近最终形态。CAD学习者如果你正卡在画草图怎么约束、怎么完全定义这个阶段text-to-cad生成的脚本本身就是最好的学习材料——你能看到AI怎么写特征、怎么加约束、怎么构建布尔运算。反过来如果你做的是艺术造型、曲面设计、复杂的自由形态那text-to-cad目前的能力还差得远这部分命令最好别碰。2. 我实测过的三类text-to-cad方案选型对比市面上标榜文字生成CAD的东西不少但实际落地路径差别很大。我自己把目前能跑的方案分成三类各有各的脾气。2.1 方案一大语言模型直接生成参数化建模代码这是我现在的主力方案也是我认为目前最靠谱的路径。原理很简单让大语言模型比如GPT-4或者Claude直接生成CadQuery、OpenSCAD或者build123d的建模脚本然后在本地用对应工具把脚本跑成实体模型。CadQuery和OpenSCAD都是免费开源的参数化建模框架CadQuery用的是Python语法OpenSCAD用的是自己的类C语言语法。它们的共同特点是用代码描述几何特征代码即模型。脚本本身是纯文本你丢给AI去生成、修改、调试都比在GUI界面里让AI操作软件按钮要稳定得多。我实测下来的典型对话是描述需求 → AI返回一大段Python脚本 → 我在编辑器里跑一遍生成三维预览 → 不合适再描述把壁厚改成3孔往中心移10毫米 → AI返回修改后的脚本。整个循环通常两三轮就能定稿。2.2 方案二生成CAD软件宏脚本/插件脚本如果你所在的单位用的是AutoCAD、中望CAD这类传统软件离不开DWG格式那第二类方案更合适让AI生成这些软件自己的脚本语言。AutoCAD用AutoLISP中望CAD兼容AutoLISP的大部分语法FreeCAD支持Python宏。这条路径的好处是生成的成果能直接落在你最熟悉的软件环境里不改变现有的图纸管理习惯。坏处是宏脚本的能力天花板比较低——你没法用它做复杂的曲面、装配、动画仿真它就是自动执行一串操作命令适合处理重复性极强的批处理任务。比如有段时间我需要把一批旧图纸的图框统一替换成新的标准图框如果手动操作每张图都要删旧框、插新框、调比例一张图十分钟。后来我直接把需求描述给AI让它生成一段AutoLISP脚本在命令行里跑一次全图纸的图框批量更新完成。这才是这类方案的正确打开方式。2.3 方案三端到端AI生成工具这类是我说的真正意义上宣传为text-to-cad的产品典型代表是一些创业公司做的在线工具输入一句话直接给你输出一个CAD格式文件。我试过几个结论是概念阶段非常惊艳工程落地仍需努力。它们的优势是门槛极低完全不需要懂代码描述一句一个带四个支腿的圆桌几秒钟就能得到一个可以旋转查看的三维模型也可以导出STL或者STEP。用来做产品概念展示、给客户看方案方向非常方便。但问题也很明显一是生成的几何精度和特征复杂度都受限制你说一个带加强筋的钣金支架它能做出来但你要求加强筋的截面形状符合钣金折弯工艺规范它就蒙了二是可编辑性差生成的是边界表示模型你想改参数只能重新生成或者拿去CAD软件里做几何修补但那个缝合过程同样是体力活。2.4 一张表结束纠结三类方案的取舍方案类型代表工具/技术输出物精度可编辑性上手难度推荐场景生成建模代码大语言模型 CadQuery/OpenSCADSTEP/STL脚本高参数精确极强脚本即参数需一点基础零件变体、重复建模生成宏脚本大语言模型 AutoLISP/Python在目标CAD内执行高跟随软件精度中改脚本或录宏低至中批处理、老图纸改造端到端AI工具在线text-to-cad产品模型文件格式有限中低细节不足弱重新生成极低概念草模、方案展示选哪个不取决于哪个更好取决于你的目标格式是什么、需不需要深度编辑。我的建议是只要你有心学一点CAD编程方案一的长期收益最大因为它能顺带把你的制图流程带进代码复用的层次。3. 原理拆解文字变几何的四条流水线很多人好奇text-to-cad内部到底发生了什么。我最初也以为是什么神奇的几何生成网络直接翻译语义实际研究了才发现它本质是几个成熟技术的串联。我给它起了个名字叫四条流水线。3.1 第一环自然语言到约束化描述这个环节由大语言模型负责。它把你的自然语言描述拆解成一系列约束条件尺寸约束长度120、直径5、几何约束平行、同心、对称、位置约束四角、中心、距边10毫米。这里有一个关键问题大语言模型本身不知道圆角直径R3在CAD软件里应该怎么构建它只是把这些约束翻译成下一步的输入格式。换句话说它做的不是创建几何而是信息提取和信息转写。这也解释了为什么描述越规范、越靠近工程术语生成的脚本越可靠——你给它一个长120宽80高60的盒子它提取到的约束就是三个尺寸你给它一个好看的盒子它就不知道约束是什么了。3.2 第二环约束化描述到参数化脚本这是整个流程的核心环节。大语言模型根据提取到的约束生成一段CadQuery或OpenSCAD脚本。表面上看这个环节非常神奇你说抽壳2毫米它知道写shell(-2)你说四个安装孔它知道先建一个用于构造的矩形线框取四个角点再逐个打孔。实际上这个能力来源于大语言模型在训练数据里见过海量的程序化建模代码片段它学会了需求词与建模API之间的映射关系。因此提示词越接近API语义生成结果越稳定。这也是为什么我后面会说新手用text-to-cad一定要学一点CadQuery的基础词汇这会让你和AI的沟通效率翻倍。3.3 第三环脚本到边界表示B-rep脚本生成之后剩下的就是程序化建模引擎的苦力活了。CadQuery底层基于OpenCASCADE几何内核OpenSCAD底层则是自己的CSG引擎它们把脚本里的每一个建模命令解析成实实在在的实体几何拉伸成体、打孔减材、倒角过渡、阵列复制最终生成一个精确的边界表示模型也就是B-rep模型。B-rep模型和AI画图生成的像素网格有本质区别它由精确的数学曲面平面、圆柱面、样条面和拓扑边构成尺寸误差可以控制在微米级别。这就是text-to-cad能进工程领域的根基——它不是给你一张看着像的图而是给你一个几何上严格成立的实体。3.4 为什么是代码而不是像素——和AI画图的本质差别理解这一点你才能真正理解text-to-cad的设计哲学。AI绘图工具生成的是像素矩阵放大看就糊了也没法量尺寸更没法在CAD软件里继续编辑。而text-to-cad生成的脚本本质是建模过程的完整记录。我用一个类比来说明AI画图像拍照片瞬间得到一张好看的画面但照片里的物体是没法拆开改装的text-to-cad像菜谱你告诉AI你想吃红烧肉它给你一份配料和步骤清单你照着做出来一盘具体的肉下次想做微辣版临时改一行配方就行。脚本就是那个配方模型就是那盘菜。这个设计决定了text-to-cad最擅长什么一切有规律、有参数、可重复的几何结构。最不擅长什么一切依赖艺术直觉、非对称、难以参数化的形状。4. 实操一句话生成一个能进CAD的零件理论说多了没有用直接上手走一遍完整流程。下面这个案例是我之前给客户做的一个塑料外壳开口盒尺寸不大但包含了最基本的建模操作主体拉伸、抽壳、打孔。我把我的提示词原样列出来你照着改参数就能用在你的场景里。4.1 完整案例开口塑料盒安装孔我的需求是做一个长120、宽80、高60的开口塑料盒壁厚2毫米底部四角各有一个直径5毫米的安装孔。喂给AI的提示词是这样用CadQuery创建一个开口塑料盒 - 外形尺寸长120毫米宽80毫米高60毫米 - 壁厚2毫米顶部开口 - 底部四角各有一个直径5毫米的贯穿安装孔 - 导出STEP格式AI返回的脚本核心部分大概是这样的import cadquery as cq # 主体外轮廓 box_outer cq.Workplane(XY).box(120, 80, 60) # 抽壳顶部开口壁厚2 box_inner box_outer.faces(Z).shell(-2) # 底部四角安装孔 result ( box_inner.faces(Z) .workplane() .rect(100, 60, forConstructionTrue) .vertices() .hole(5) ) cq.exporters.export(result, open_box.step)读懂这段脚本只需要三个关键概念Workplane(XY)指定了工作平面也就是草图的附着面.box(120, 80, 60)创建一个以原点为中心的长方体.faces(Z).shell(-2)表示选择顶部的面并执行抽壳-2表示保留壁厚2毫米的壳。最后一段.rect(100, 60, forConstructionTrue).vertices().hole(5)的意思是建立一个用于构造的100乘60的矩形辅助线取其四个角点在每个角点打直径5的孔。提示forConstructionTrue是CadQuery里提高效率的经典写法。如果你直接把指令翻译成在离边10毫米的位置打四个孔就要写四个坐标点而用辅助矩形代码更短、不容易出错AI很擅长用这种优化写法。4.2 描述词的写法把人话翻译成约束话我的经验是描述越具体生成结果越好。但具体不是指形容外观而是指给出可计算的约束。对比一下差劲的描述「做一个好看的塑料壳子能放东西。」合格的描述「外形120乘80乘60的开口盒壁厚2毫米顶部开口底部四角有5毫米安装孔。」优秀的描述还应该补充加工意图和语义信息比如这是钣金件折弯圆角不小于板厚这是注塑件内外壁应有拔模角度。这些信息大语言模型能理解并且会主动调整建模策略。虽然CadQuery脚本本身不直接处理拔模角但AI会尝试用合适的特征去逼近。我还建议你在描述里主动指定导出格式。不要只说给个模型要说导出STEP方便后续在CAD软件里编辑。因为STEP是B-rep交换格式导入到中望CAD、Fusion 360、SolidWorks都不丢精度而STL是网格格式导入后是一堆三角片编辑会非常痛苦。4.3 从脚本到STEP再到CAD软件的导入细节脚本跑通之后你会得到一个STEP文件。到这一步还不算完把STEP导入你日常用的CAD软件里有几个坑要注意。我自己用中望CAD和Fusion 360做过导入验证。中望CAD的STEP导入功能在文件菜单下导入后默认会放到一个新的模型空间单位通常能自动识别为毫米。Fusion 360则更友好一点直接拖拽进画布就行它会以特征列表的形式呈现你能看到每个特征对应的历史记录。但有一个高频问题导入后模型的坐标系和装配原点可能不对齐。如果你的需求是放到现有装配体的指定位置最好在描述里专门说明基准比如以底面中心为原点长度方向沿X轴。否则你需要花额外的时间旋转、平移这个过程虽然不复杂但很消磨耐心。4.4 描述词模板与参数速查表我整理了一份自己的描述词模板你可以直接往里面套参数用CadQuery创建[零件名称] - 主尺寸长[a]毫米宽[b]毫米高[c]毫米 - 壁厚[d]毫米[顶/底]部[开口/封闭] - 特征[打孔/倒角/抽壳/加强筋]位置[描述]尺寸[具体值] - 基准以[底面中心/原点]为原点[X/Y/Z]方向为[描述] - 导出格式STEP配合模板使用的基础参数表需求短语CadQuery关键词示例拉伸实体box / extrudebox(10, 10, 10)挖孔hole(直径)hole(5)抽壳shell(厚度)shell(-2)倒角chamfer(距离)chamfer(1)圆角fillet(半径)fillet(3)阵列rarray / polarrarray(20, 20, 5, 3)这张表不是让你背的而是让你在描述的时候心里有数AI能理解哪些词、会把它转成什么操作。你描述中给的约束越接近这些关键词的语义生成准确率越高。5. 进阶组合拳text-to-cad Python批量出图text-to-cad最有想象力的用法不是单件生成而是和Python脚本结合做批量出图。这一点和网上很多人问的python批量对cad修改是同一个底层思路——把重复劳动交给代码把判断和决策留给人。5.1 当单件生成变成序列生成还是回到开篇那个痛点一套设备里有30个支架结构一样长度尺寸不同。用传统手动建模你要么复制粘贴然后逐个修改草图尺寸要么干脆重新画30遍。而有了脚本生成能力之后做法就完全不同了先用text-to-cad生成一个支架的CadQuery模板确认长什么样然后把参数抽出来用一个Python循环批量生成30个STEP文件。模板生成的过程和单个生成一样但要注意你必须在描述里刻意强调哪些尺寸是可变的、哪些是固定的。比如支架长度是可变量L厚度固定3毫米这样写。否则AI可能把所有尺寸都写死批量生成就无从谈起。5.2 批量支架生成实战看一个实际例子。我的一个项目里需要生成一组一字型支架长度从100毫米到250毫米间隔50毫米其余尺寸固定。那天的操作记录如下先让AI生成单件支架的CadQuery脚本再把长度参数提出来合并到批量脚本里。import cadquery as cq def bracket(length, width20, thickness3): 生成一个一字型支架. return ( cq.Workplane(XY) .box(length, width, thickness) .faces(Z) .workplane() .center(-length/4, 0) # 加工艺槽 .slot2D(length/3, width/2) .cutThruAll() ) # 批量生成长度 100/150/200/250 的支架 for i, length in enumerate([100, 150, 200, 250]): part bracket(length) cq.exporters.export(part, fbracket_{length}mm.step) print(f已生成: bracket_{length}mm.step)运行这段脚本四秒之内就得到了四个不同长度的STEP文件文件名还自动标了尺寸规格。如果这些支架的内部孔位还和长度有某种比例关系比如孔距等于长度减去40毫米同样可以在函数里写成一条公式。这就是参数化设计最令人上瘾的地方改一个参数全家桶联动更新。5.3 批量修图、批量改名、批量导出的工程化扩展批量生成的思路还能延伸到更多环节。比如你已经有一套DWG格式的旧图纸需要批量更新图框、批量替换字体样式、批量调整图层比例。这类任务在AutoCAD和中望CAD里都能用脚本干在AutoCAD里写AutoLISP在中望CAD里用兼容模式运行同样的LISP脚本或者在FreeCAD里用Python宏。text-to-cad和这套东西的关系是互补的前者帮你生成新零件后者帮你治理老图纸。把它们组合起来你基本上就是一个人的数字化设计小组了——接需求、出变体、更新图纸、整理交付物一个人全包。注意批量操作之前一定要先导出一份备份。我吃过一次亏——批量运行一个清理重复对象的脚本结果把某个当期图层的对象误删了一大半。从那以后任何批处理脚本我都先在小范围测试确认无误再全量跑。6. 边界和坑哪些活别指望text-to-cad吹完能力必须泼一盆冷水。text-to-cad目前绝对做不到的事情我一条条说出来免得你踩坑踩得太痛。6.1 精度和公差AI没有配合概念AI生成的尺寸数字是精确的但工程配合却是一个复合概念它涉及公差带、配合制、表面粗糙度。你在描述里说这是一个销轴的安装孔直径20基孔制H7配合AI会忠实地生成一个直径20毫米的孔但它不会自己添加公差偏移也不会告诉你孔径应该是20.021、下差是0。这需要你在CAD软件里手动补充机械设计意图。我遇到过的真实情况是让AI生成一个直径20.00毫米的轴准备插到直径20.00毫米的孔里导入装配体后两个零件过盈成一坨——因为零间隙在制造上根本没法装配。从那以后我学到一句话AI负责几何人负责工程。6.2 图纸体系工程图标注、图层、线型一个都不能少这是新手最容易忽略的坑。生成的STEP模型虽然几何精确但它是裸模型——没有工程图、没有标注、没有尺寸公差标注、没有表面粗糙度符号、没有图框标题栏。你需要把模型导入CAD软件后继续补加工艺卡片、投影视图、剖视图、尺寸标注和数据。换句话说text-to-cad帮你省的是建模的时间不是出图的时间。图框、标注规范、图层颜色、线型比例这些每家单位都有自己的企业标准AI不了解这些标准你也很难靠一句提示词让它遵循。很多人在网上搜cad图纸合并cad导入layout步骤详解本质上都是在补这套图纸体系的手工活。text-to-cad能让你从画图工升级成审核员但审核、签发、归档的流程一步都省不掉。6.3 常见翻车现场记录我把实际用text-to-cad翻车的几次事故记录在这里每条都是真金白银换来的教训翻车一忽略加工工艺导致模型报废。让AI生成一个钣金折弯件结果折弯内侧半径设为0.5毫米而板厚是3毫米实际加工时钣金直接断裂。原因是AI不理解折弯内径大于等于板厚这个基本工艺规则。解决方案描述里明确写内部折弯圆角不小于板厚。翻车二单位混用。有一次我描述时写了厚度3AI默认用了3毫米而我心里想的是3厘米。细节直接差十倍。从那以后我的模板里每个尺寸都强制写单位。这个建议送给所有轻度强迫症患者。翻车三复杂装配体完全失控。我尝试过让AI生成一个包含螺栓、垫圈、配合孔的装配件生成出来的一堆零件之间没有任何装配约束关系散落一地。text-to-cad做单件还行做装配体还是老老实实在CAD软件里完成。6.4 我的习惯人机分工清单吃够了教训以后我给自己定了一套人机分工的原则按照这个原则用出错的几率大大降低环节交给text-to-cad留在自己手里概念设计快速生成多个形态的初版几何评估方案、选型决策零件建模拉伸、打孔、阵列、抽壳等特征操作确定壁厚、材料、工艺约束工程规范标准件变体、标准几何特征公差、配合制、表面粗糙度出图与归档无工程图、图层规范、图框标题栏总结成一句话就是把几何创作交给AI把工程判断留给自己。这种分工不是对AI的不信任而是对它能力边界的尊重。你越清楚它擅长什么、不擅长什么越能在实际项目中扬长避短。按我个人的经验text-to-cad的最佳定位是弹簧草图和参数化脚本之间的加速器。我现在接一个重复性高的制图需求先让AI生成初版花20%的时间做工程校核和参数修正比完全手动建模大概快了三四倍。如果你也想上手我最后再分享一个小技巧先试着让AI生成一个简单的带孔板件把整个流程跑通再逐步加大难度到带抽壳、带阵列的复杂件。一步步来你会比那些一上来就问能不能一键生成整台机器的人走得远得多。