从“给我一个带安装孔的钣金支架”到真正拿到一个能编辑、能出工程图的CAD模型过去这条路再快也得半天。而现在text-to-cad这个方向正在把“用自然语言描述设计意图”直接接到建模流程的最前端。我过去几个月集中试了一遍市面上能跑通的开源项目和工具链这篇文章把我自己的实测体验、踩坑记录和判断标准都写出来给同样关注这个方向的朋友做个参考。1. text-to-cad不是渲染出图是替你写建模程序先说一个最容易混淆的点text-to-cad和文生图完全是两码事。用Midjourney、Stable Diffusion生成一张好看的产品渲染图本质上是在生成像素模型是一个网格、没有拓扑、没有尺寸、没有特征树。哪怕图像再逼真也没法拉进SolidWorks里改一个圆角或者标注一个公差。text-to-cad的目标是生成真正意义上的CAD模型——带特征、带参数、带历史记录甚至可以继续编辑的“活”模型。当前最好的实现方式是大语言模型替你写一段程序化建模代码OpenSCAD、CadQuery、build123d这类然后由CAD内核把代码渲染成几何实体。也就是说你的工作从“自己动手拖拽草图”变成了“描述需求然后审查/修正AI生成的建模代码”。这个区别直接决定了它的能力边界能做的方块、圆柱、孔位、倒角、阵列、拉伸、旋转、布尔运算、简单装配这类用特征操作能表达的东西它基本都能生成。暂时不能做的复杂自由曲面比如人体工学鼠标外壳的连续曲面、需要大量仿形配合的零件比如塑料件内部的加强筋和卡扣结构、完整的多零件装配体——这些不是LLM能力不够而是文本描述的信息密度根本不足以承载这样的几何复杂度。我在实际测试里最深的一个感受是它生成的不是“模型”而是一份“可执行的建模思路”。你拿到的是.scad或.py源文件而不是一堆死网格。这一点非常重要意味着AI只是把你的设计意图翻译成了程序真正的编辑权还在你手里。2. 主流的几条技术路线别再以为只有“说文生马”“text-to-cad”这个词底下其实藏着完全不同的技术实现我从原理层面分成三类这样你在选型时能快速判断哪种适合你。2.1 代码生成路线LLM直接写OpenSCAD/CadQuery这是目前最容易上手、效果最稳定的一类。代表项目包括Zoo前Autodesk研究员主导的Text-to-CAD、KK-labs的text-to-cad、以及Local CAD Builder等。思路非常简单把你想要的设计写成一段自然语言提示词让GPT-4这类LLM生成一段程序化建模代码然后在客户端用OpenSCAD或者CadQuery渲染出来。比如你输入“一个带四个M3沉头孔和中心方孔的50x40x3铝合金安装支架”LLM会生成对应的OpenSCAD代码由你的本地环境负责编译渲染。这类方案的优势极其明显真正可编辑生成的是代码改一个参数全模型跟着变。可复现代码在本地你能审查每个特征怎么来的。门槛低OpenSCAD免费、跨平台、几分钟就能跑通。缺点也有模型对“非常规几何”的理解会崩尤其是复杂曲面几乎不可能用纯代码表达同时它生成的代码往往不够“结构化”缺少设计意图标注后续维护起来有点像在看别人留下的量子力学草稿。2.2 数据驱动的端到端生成DeepCAD这类专用模型另一条路线是拿海量现成CAD模型做训练集训练一个“从文本/点云直接输出模型”的专用生成模型。像MIT的DeepCAD做了120万个人体模型把CAD建模操作序列当成语言建模问题来训练生成的直接是建模指令序列可以还原成实体模型。这条路线听上去更科幻但目前实用度还不太行。我自己试过的体验是简单零件确实能生成但输出结果有一种明显的“训练集气质”——倒角尺寸总是那几个固定值、孔位总是对齐得很规矩、模型整体偏“教科书零件”。而且这类工具目前大多只支持三维点云或网格作为输入文本控制能力还没成熟。2.3 多模态大模型的“中间格式”路线SVG/DXF做桥梁第三类是把text-to-cad拆成了两步先用视觉大模型接收文字和图像输出一个中间格式比如SVG矢量图或者DXF再由传统CAD软件导入DWG/DXF完成后续结构化。典型的例子是CADmium它在本地端侧跑一个视觉语言模型用AutoCAD的DXF文件作为训练目标生成SVG后转成DXF格式可以直接导入AutoCAD、DraftSight等桌面CAD软件。Flat2D则是把AutoCAD的DXF/DWG文件数据放进大模型训练直接输出矢量格式的CAD图形。这条路线最大的价值在二维如果你日常画的是钣金展开图、楼宇平面图、电路板外形图这类2D图纸text-to-cad现在的可用度非常高因为生成矢量路径比生成三维实体要容易很多。三维端则还在解决“从图片到特征树”的跨模态对齐问题。2.4 路线对比你该怎么选对比维度代码生成Zoo等数据驱动专用模型DeepCAD多模态中间格式CADmium/Flat2D可编辑性极高源码直接改一般只能重建中等导入后可二次编辑生成范围程序化几何拉伸/旋转/阵列训练集覆盖范围2D图纸效果好3D受限上手成本低本地API Key即可高需要训练环境低有网页版适合场景结构件、支架、外壳概念学术研究、仿生形状探索二维制图、平面布局当前成熟度最高实验室阶段二维可用三维在爬坡3. 实测Zoo的完整流程以及你会遇到的意外情况Zoo是目前社区活跃度最高、被讨论最多的开源text-to-cad项目我拿它做了两周的深度测试。下面是我真实的操作流程、效果评估和几个坑的排查过程。3.1 环境准备与启动Zoo本质是一个Web应用用自己的后端调GPT-4生成OpenSCAD代码。它的核心配置极简我直接放实操命令git clone https://github.com/JamesTheWo/Text-to-CAD cd Zoo pip install -r requirements.txt把OpenSCAD装到本机然后在Zoo的配置界面填入OpenAI API Key。启动后打开本地Web页面左侧是提示词输入右侧实时显示OpenSCAD渲染窗口。我强烈建议在Docker里跑服务端因为Zoo的依赖里有个老版本的openai库和最新版有版本冲突直接用pip装容易踩“module openai has no attribute ChatCompletion”之类的坑。用Docker的话docker build -t text-to-cad . docker run -p 8000:8000 text-to-cad调用路径变为http://localhost:8000省去很多环境问题。3.2 第一批测试简单零件效果惊人我先试了一个很常规的需求“一个带有6个通孔的圆形法兰盘外径80mm、内径40mm、厚度10mm孔沿圆周均匀分布。”生成结果正确。外径、内径、厚度都对六个孔的位置也均匀。直接把得到的STL导入切片软件甚至能直接3D打印使用。这个级别的小零件text-to-cad已经能达到“可加工边角料”的水平。接着试一个有倒角和螺纹孔需求的“一个底部带4个M5螺纹孔的方形支座顶部有R2的圆角高度25mm。”这次生成的代码没有用hull()或fillet()这类圆角命令OpenSCAD里没有直接的圆角库函数所以Zoo的做法是手工做了两个圆柱相减的模拟圆角。结果是圆角效果有但布尔运算的细节在角落处有轻微破面。这是OpenSCAD的固有限制不是LLM的问题——如果你用CadQuery做后端圆角可以直接调用fillet()效果会好很多。3.3 复杂几何开始露馅第三批我尝试了一个更接近真实生产件的描述“一个鼠标外壳的上半部分带USB收纳槽右侧有侧键切槽表面有防滑纹理。”生成结果我只能用“意识流”来形容。模型能识别鼠标外壳的基本轮廓USB槽也勉强露了个形状但侧键切槽在表面上的位置完全不对防滑纹理更是没有实现。打开代码一看LLM是拿scale()和resize()硬凑的外壳曲线纹理部分直接放弃了。这不是个例。我统计了一下在纯文本输入、无参考图的情况下零件结构件类的成功率大约在70%以上曲面造型件的成功率低于15%。核心原因在于自由曲面无法用简单的CSG构造实体几何布尔运算来表达而LLM的token输出能力也限制了几何精度的上限。3.4 经典报错与排查思路在实际跑通的过程中有几个报错是必然会碰到的报错1OpenSCAD渲染空白。常见原因是代码里用到了几种不兼容单位的混用。比如一端用mm标注另一端用inchesLLM在推理时没有统一单位导致实际尺寸差几十倍。排查方法打开生成的.scad源文件直接检查translate、cylinder后面的数值找到异常的那一行。报错2提示词被拒并返回“I cannot provide code”之类的内容。这是LLM的安全策略在起作用一些关键词如“钥匙复制”“枪支部件”等会触发拒绝。实际上CAD建模本身并没有安全问题只是模型把某些敏感物件词关联上了。绕过方式把描述改为“按尺寸生成一个带有特定轮廓的金属块”这类中性的功能描述即可。报错3生成速度极慢。Zoo默认每次都要把整个OpenSCAD代码重新编译渲染一次当模型稍复杂时每次编译会卡顿几秒到十几秒。优化方式换用更高性能的渲染模式或调整OpenSCAD的渲染精度参数。3.5 其他值得一测的开源工具除了Zoo我还试了另外几个各有特色CADmium把GPT-4V接到本地可以截图并生成DXF支持离线运行。最大优点是数据不出本地适合有保密需求的用户。缺点是对3D支持很弱基本只擅长2D图纸。Flat2D训练自己的视觉模型直接输出CAD图纸在AutoCAD里可以进一步编辑。适合建筑平面图和机械制图的快速起稿。KK-labs/text-to-cad一个前端展示项目底层也是调GPT-4生成OpenSCAD代码界面更好看一些但核心能力与Zoo类似。Local CAD Builder集成了Llama和Mistral的本地模型不需要API Key完全离线运行。但效果比GPT-4差一截适合当备用工具。4. 真正干活时怎么用把text-to-cad塞进你的产品流程如果你期望的是“一句话替代整个设计流程”现在肯定还达不到。但如果你把它当成流程里的一个加速器实际的提升比想象中要大。我梳理了几个真正有价值的切入场景。4.1 概念设计阶段的“草图风暴”做设计的人都知道概念阶段最大的时间消耗是把脑子里模糊的东西变成第一批可以看的方案。传统流程是手绘草图、建模初稿、评审、推翻再来。text-to-cad让“出初稿”这个环节变成分钟级。我自己常用的一套工作流是这样用自然语言描述概念功能要求、大概尺寸、限制条件全部丢进去。生成3-5个不同版本的模型快速比外形。选中一个方向改参数继续迭代。有方向了再进SolidWorks或Fusion 360做正式的细节设计。这个流程最大的价值不是省掉建模时间而是帮你跳过“想清楚才动手”的启动障碍。很多设计卡住不是因为做不出来而是因为连做什么都没想明白。4.2 给AI写需求的结构化提示词模板text-to-cad的成败一半在提示词质量。我用的模板结构是限定对象类型 关键尺寸 功能特征 限制条件 输出格式。拿一个铝合金支架举例这样写生成一个L形铝合金支架用于固定户外摄像头。 水平臂长80mm垂直臂高60mm厚度4mm。 水平臂上开两个直径为6mm的通孔孔间距50mm距边缘10mm。 垂直臂上开一个腰形槽宽度8mm长度20mm居中放置。 材料为6061-T6表面黑色阳极氧化。 所有单位均为毫米使用OpenSCAD格式输出。这样写的成功率远高于“做一个摄像头支架”这种口语化描述。关键是把单位写死、特征写具体、边界写清楚。4.3 格式转换链路从text到STL再到你的CAD系统从Zoo生成的openSCAD代码可以直接用OpenSCAD自带命令导出STL、STEP、DXF等格式。实际工程中我最常用的链路是Zoo生成.srcad源码。OpenSCAD命令行导出STL或STEP。把STL导入Fusion 360 / SolidWorks做Mesh-to-BRep转换。在CAD里做工程图、标注、出图。这里有个提醒STL转STEP网格质量极差扭曲线、碎面一大堆但作为“参考外形”已经够用。如果你需要的是一个参数化实体模型建议直接把Zoo生成OpenSCAD的代码改成CadQueryCadQuery的输出质量远高于STL重建模。我在实际项目里试过一套组合让text-to-cad出CadQuery代码然后本地用CadQuery直接导出STEP格式导入Fusion 360后配合自带的“直接编辑”功能几分钟就能把网格转成可编辑的B-rep实体。这条链路目前是最顺畅的“从文本到可用实体模型”的路径。5. 当前的几道硬门槛以及我给新手的建议写到这里很多人可能已经摩拳擦掌想上手了。但作为一个实际用过一段时间的人我想把几道还没跨过的门槛如实说出来免得你对它有错误的预期。5.1 尺寸公差与技术标准完全缺失text-to-cad生成的模型没有公差标注、没有表面粗糙度、没有材料属性。这些是工程图里的“灵魂”但它们本质上不是几何信息而是语义信息。LLM就算知道也很难在一个片段的提示词里把整个公差链描述清楚。我的判断是text-to-cad未来更大概率会变成**“几何生成器”**它与正式的生产文档之间永远需要一个工程师环节。它不是取代工程师而是把工程师从繁琐的几何搭建中解放出来。5.2 复杂几何生成能力短期内不会质变有一个常见的说法是“大模型能力上去了CAD生成自然就好了”。我不完全同意。因为文本描述本身是一个极度低带宽的信息通道一段50个单词的描述最多承载几个尺寸和特征而一个中等复杂的CAD模型动辄几百个特征、上千个参数。文本信息密度的天花板上限直接卡死text-to-cad的上限。未来真正的突破方向可能是视觉多模态你给一张手绘草图、一张参考照片甚至直接框选一个网格模型AI再基于此做补全——而不是纯文本生成。到那个阶段生成能力才会真正跃升一个台阶。5.3 如果现在就要用我的建议是这几条先把它当成“概念生成器”别当成“生产工具”。用OpenSCAD/CadQuery这类程序化建模语言做后端别用STL网格做最终交付。提示词里必须写单位、写材料、写加工工艺越是生产级的描述生成结果越接近可用。模型生成后务必打开源码审查一遍尤其是尺寸和布尔操作。别在它身上追求复杂曲面和装配体那是浪费时间。有CAD经验的人会在这个工具上获得最大的收益因为它生成的东西需要你继续深化没有CAD经验的人拿到一个看起来像模像样的模型反而容易被带偏。我自己实际用下来的体会是text-to-cad这个方向的价值不在于“替代CAD软件”而在于它重新定义了设计入口过去你必须会操作软件才能开始表达几何现在你只要有清晰的意图就可以得到一个起点。这个“起点”距离最终的生产模型还有不少路但它已经把整个设计流程的摩擦降了一个量级。如果你也在做结构件、支架、外壳这类规矩的几何现在花几个小时把Zoo跑通完全不亏。