text-to-cad这个说法我大概是从2023年开始认真关注的。当时第一眼看到从一句英文描述直接“长”出一个三维模型我第一反应是这东西离机械设计还远但真当我拿自己的零件需求去跑过一批工具之后发现它带来的改变比预想中要具体得多。这篇文章我想老老实实拆一拆text-to-cad到底能干什么、不能干什么目前主流实现路径背后的逻辑以及如果你想把它塞进真实工作流最值得花时间研究的几个点。1. text-to-cad到底想解决什么先分清它和“文字生3D模型”的区别1.1 我为什么对这个方向突然来了兴趣起因是我要给一台旧设备设计一个非标支架传统流程是量尺寸、开SolidWorks、画草图、拉特征、倒角一套下来小半天。我当时就在想如果有一台“AI建模助手”我只要说“给我一个L型支架底板有四个直径6mm的安装孔立板上开一个腰型槽”它就能把带特征树的可编辑模型交给我那省下的时间就很可观了。正是带着这个念头我开始把text-to-cad和市面上的text-to-3D工具放在一起看发现两者根本不是一回事。text-to-3D大多面向游戏、影视、视觉预览生成的是网格或者隐式表面看着像就行而text-to-cad如果只给一个“像”的网格其实对工程师没多大用因为后续没法继续修改、没法倒圆角、没法得到正确的体积质量属性。1.2 CAD不是一张漂亮的图而是一棵参数化历史树这是我整个认知转变中最关键的一步。文件格式背后是建模历史先有草图然后拉伸再打孔再阵列每一步都记录在特征管理器里。你改一个草图的尺寸后续特征会自动更新。这条路走不通。text-to-cad的真正难度就在这它要生成的并不只是一个几何体而是一组“建模操作序列”的有序集合。换句话说传统CAD文件本质上是设计师的建模过程和参数约束的记录而不是简单的三角形面片集合。这也是为什么很多demo看着惊艳一到实际工程就歇菜——因为它生成的是“模型照片”不是“模型本身”。1.3 所以text-to-cad的难度在哪里如果说图像生成是在像素空间里做拟合语音生成是在波形空间里做预测那CAD生成就是要在“建模操作空间”里做组合推理。这里有三个核心难点离散和连续要同时处理。特征类型拉伸、切除、旋转是离散选择尺寸、角度、拉伸深度又是连续参数。约束关系要靠隐式推理。你说“两个孔关于中心对称”模型不能真的去量尺寸得先从文本里推理出几何关系。可编辑性必须保留。同一根轴你可以用旋转特征做出来也可以用圆柱体加布尔运算做出来前者是合格CAD后者就是狗屎。所以大家现在看到的大多数text-to-cad工具本质上都是在做“文本到网格”的粗生成真正到“文本到特征历史”这一步还在实验室或者很早期的阶段。理解这一点你才不会对工具抱有不切实际的期望。2. 主流的四条实现路线以及为什么大家都不约而同停在了“网格”2.1 路线A先出点云/体素再做曲面重建这一路线的代表思路是输入文本后先用文本编码器比如CLIP提取语义特征再通过生成模型输出一个三维点云或者体素场最后用Poisson重建之类的算法把它变成一个网格。早期很多text-to-3D工作都是这个套路后来有人把这套东西往CAD方向硬套。好处是实现相对简单网络结构可以直接借鉴图像生成领域坏处是出来的东西基本只能看表面粗糙、没有平面度概念孔、槽这些特征经常糊成一团。我实际跑过几个之后发现这类工具生成的零件十有八九需要你在CAD软件里重新画一遍那直接用传统方法说不定更快。2.2 路线B让大模型直接“写代码”来建模型这条路线是我个人觉得最有前途的。它的思路特别简单CAD软件都有脚本接口比如OpenSCAD用自己的描述语言SolidWorks支持API调用FreeCAD也能用Python脚本建模。既然如此只要让LLM学会写这些脚本不就能实现“文本到CAD”了吗实际操作中确实有不少人这么干喂给大模型一批OpenSCAD样例代码让它学会用语言描述对应到哪些建模函数然后根据你的自然语言输出一段脚本运行脚本就直接生成带特征历史的模型。优点是真的可编辑改参数就等于改脚本缺点是大模型对几何逻辑的理解还是弱稍微复杂一点的相交、抽壳、阵列生成的代码经常跑出一个不伦不类的形状。2.3 路线C神经隐式表示SDF再转网格这个方向用神经网络去拟合一个符号距离场每个空间点输出它到模型表面的有符号距离然后通过Marching Cubes提取等值面得到网格。相比点云路线它能表达更复杂的拓扑结构表面质量也更好。很多图像生成3D的模型都走这条路。但这类方法的一个通病是生成的网格仍然是“哑几何”没有任何标注说明哪一块是平面、哪一块是圆柱面、哪一块是孔。你要把它真正用起来还得再走一遍曲面拟合和特征识别。我试过把这类生成的网格导入SolidWorks做直接编辑结果软件识别不出几个特征基本就是当尸体一样摆那。2.4 三条路线对比以及“为什么不直接生成特征树”的真相侧重点不同我整理了一张表方便你快速对照路线输出形式可编辑性几何精度当前成熟度适合场景点云/体素重建网格低低中概念预览代码生成脚本/参数化模型高取决于脚本质量中低简单规则件隐式表示网格/SDF低中中高外观建模至于为什么不直接端到端生成特征树说白了就是训练数据太难得。CAD模型的特征历史是设计者的私有操作记录大部分商业模型根本不会公开原始建模过程你能拿到的公开数据集最多是STL网格或者STEP中性格式里面并没有“先拉伸后打孔”这种序列信息。没有数据AI就学不会这不是算力能解决的问题。3. 实测下来描述词怎么写才有效从“bracket”到可用原型的经验3.1 一个反直觉的结论简写失效功能描述比外观描述有用我第一次用这类工具的时候照着图像生成的思路写了一句“a modern bracket”。结果出来的东西怎么说呢像一个雕塑家随手捏的抽象派支架完全没有机械零件的直角感、平行面和对称特征。后来我换了个思路不描述外观而是描述功能和约束“a right-angle bracket with four mounting holes on the base plate and a slotted hole on the vertical plate”。这一次出来的结果立刻不一样虽然细节还有问题但整体拓扑关系对了。原因不难理解CAD生成模型的训练数据里“功能约束”比“形容词风格”更能对应到具体的几何特征而后者更多是消费级3D模型数据集里的语言习惯。3.2 一个我常用的提示词模板经过反复试错我现在写描述词基本固定成一个结构分成四块基础几何主形状、连接方式、整体轮廓L型、U型、法兰、壳体特征明细孔的数量和直径、槽的位置、加强筋、倒角要求功能约束对称性、平行度、安装方向、与哪些零件配合制造暗示是否考虑钣金折弯、是否需要拔模斜度、是否存在内部空腔一个实际例子white text A U-shaped mounting bracket for an electric motor, with two parallel flanges, each flange has three through holes of 5mm diameter, the bottom plate is 50mm wide, the wall thickness is 3mm, symmetric about the center plane, no internal cavities.就这么一段比我磨半天形容词管用得多。原因也很直白这类描述给模型提供了足够的“锚点”让它知道该往哪个几何方向生成而不是在风格空间里瞎猜。3.3 几个调参和seed心得除了提示词参数也很重要。我常用的做法是固定seed来复现结果。生成模型即便同一句描述不同seed差异可能巨大找到一个接近目标的seed就记下来。优先保证拓扑关系不要为了“多孔阵列”这种细节反复抽卡。模型在阵列类特征上天生就弱你不如先让它出个整体结构再回CAD里补孔。把“对称”翻成显式词。很多模型对“symmetric”理解得比“mirrored”更好实测下来写“symmetric about the center plane”比写“mirrored”成功率明显高。如果输出有多余的突起或碎片加一句“no extra geometry, simple manufacturing-friendly shape”能压掉一部分噪声。这些经验不是哪个官方文档写给你的是我拿自己几十个测试件试出来的。换个工具可能不完全适用但“功能约束优先、风格词靠边”这个大方向几乎所有生成模型都吃这套。4. 从生成结果到真正能用的CAD文件中间这“最后一公里”才是大头4.1 网格转实体的三种常规路子就算你拿到了一个拓扑正确的网格离工程可用还有相当距离。我目前试过的手段大概三类自动曲面拟合。用逆向工程软件把网格拟合成NURBS曲面再缝合成实体。速度快但拟合出来的曲面阶次高、控制点密后续很难编辑文件也大。特征重建。把网格体当参照在CAD里重新画草图、拉特征一步步把特征树“再造”出来。最可控但工作量大。直接编辑。SolidWorks等软件有网格直接编辑功能可以局部拖动、切割、抽壳适合快速修修补补但复杂特征还是得重画。我的态度很明确如果目标是出加工图第2种最稳如果只是做外形验证第1种最快。不要追求“AI一次给出干净模型”那不现实。4.2 一个支架的例子从生成网格到特征树重构的全过程我把3.2里那段提示词生成的结果导入CAD软件一步步重构特征树完整走了一遍拿给你当参考第一步量关键尺寸。对比文本意图确定底板宽度、孔距、板厚有没有落在合理范围。这一步别偷懒AI生成的尺寸经常莫名其妙多出一位数。第二步新建草图画主轮廓。把L型/U型主轮廓用拉伸特征做出来同时把壁厚修正成你需要的标准值。第三步开孔并添加约束。孔径按标准钻头规格改孔距用对称约束到中心面这一步十几分钟就能完成。第四步倒角和圆角。AI结果里几乎不会有合理圆角你顺手按制造习惯补上。第五步比对原始网格。把生成网格和重建实体叠在一起看外形包裹关系是否一致确认没有遗漏重要特征。这段流程走下来我大概花了二十分钟比从零画一个还快半小时而且整个过程是完全受控的。更关键的是重建出来的零件已经带着完整的特征树后续改尺寸、换孔位都直接改参数就行。4.3 干这步时要注意的几个坑这一路我踩过不少坑挑几个印象最深的说非流形网格是常态。很多生成结果有内部面片、悬垂面、缝隙直接进CAD会报错得先做网格修复。孔的位置基本不能用。模型倾向于把孔打得歪歪扭扭与其修网格不如直接删掉孔回到CAD里自己阵列。薄壁特征一团糟。AI对“3mm壁厚”的理解很差经常生成2.8mm到3.5mm的渐变壁厚你必须自己抽壳重建。布尔运算没必要在网格阶段做。我试过在网格工具里做布尔切割效果很差还不如重建实体之后再用真正的布尔运算。5. 我现在的用法text-to-cad适合在哪一步介入以及哪些地方劝你放弃5.1 它真正帮我省时间的三个场景用了半年多我目前最认可的三个场景概念方案的横向对比。客户说要一个电机安装座我可以半天内生成六七种不同拓扑的参考模型虽然都不能直接用但能帮助确认方向比一个个手工建模效率高很多。教学演示和内部评审。给刚入行的工程师演示“什么样的结构是合理的”用text-to-cad快速出对比案例比打印一堆图纸直观得多。非标件的“第一笔草稿”。特别是那些形状奇特、没什么标准件可参考的零件先让AI出一个几何参考能帮你把脑子里模糊的轮廓具象化然后再去CAD里细化。这几个场景的核心共同点是接受结果的不精确把AI当思维发散工具而不是替代精确建模的工具。5.2 劝你别用的几个场景也有几个场景我的建议是趁早放弃精密配合面。配合公差0.01mm级别的零件AI现阶段根本不可能做到你也别指望通过“多抽几次卡”碰运气。标准件库。螺丝、齿轮、轴承这些有成熟参数化模板的东西调库比AI生成快一百倍。复杂装配体。零部件之间的约束关系、干涉检查、运动机构这些是text-to-cad完全没有涉足的领域。需要严格GDT标注的图纸。你可以用它生成几何但标注、公差、粗糙度这些工程语义还是得资深工程师一笔一笔画上去。我把这些列出来不是泼冷水而是想提醒你用对场景它是效率工具用错场景它会消耗你更多时间。5.3 我当前一个比较顺手的工作流最后分享一下我现在实际工作的流程不是什么高深的东西但经得起日常使用先在纸上或者脑子里列清楚功能约束把“非标准、但没必要太精确”的零件挑出来。用text-to-cad快速生成3-5个概念变体挑拓扑最顺眼的。导入CAD软件按4.2那套方法重建特征树过程中顺手把孔位、倒角、壁厚标准化。基于这个重建模型继续做后续的设计细化和仿真分析不再依赖AI的结果格式。整个过程里text-to-cad更像一个高情商的概念草图绘制员而不是一个替代你出图的工程师。它能帮你把“模糊语言”快速翻译成“大致几何”但真正的工程判断和参数化建模还是得靠你亲手完成。我个人实际用下来的体会是别把text-to-cad当成“输入一句话、出来一张可加工图纸”的许愿机而是当成一张白纸上的快速碳稿。它最大的价值不是让你少画图而是让你在动鼠标之前已经知道自己大概要画什么了。这个方向后面能走多远关键还得看数据集和特征树这一关能不能打通但在那之前把它用好已经能让不少前期工作轻松一大截。