最近几个月text-to-cad 这个词在我常逛的几个技术社区里刷屏频率明显高了不少。不少做机械设计、产品结构、3D打印的朋友跑来问我这玩意是不是真的能像 Midjourney 出图那样敲一句话就给我一个能用的 CAD 模型我的回答是能但和多数人想象的不太一样。它不是AI 画了个模型图而是AI 替你写了一套建模过程再让 CAD 内核把它算成真实几何体。这篇内容我想把 text-to-cad 从概念、原理、工具选型到实战链路完整拆一遍重点讲清楚哪些工作流现在就能落地哪些必须在后处理阶段人工兜底。无论你是工程师、创客还是刚接触参数化建模的新手都能从中找到自己可以直接抄作业的部分。1. text-to-cad 到底是什么为什么突然火起来1.1 一句话解释它是文本到可编辑几何的翻译管线先给个准确定义text-to-cad 指的是通过自然语言描述自动生成符合 CAD 语义的几何模型文件核心产物是可直接编辑、可装配、可出工程图的 B-rep 实体或参数化脚本而不是一张好看的渲染图。这句话里有两个关键点容易被忽略。第一CAD 语义意味着它输出的不是像素而是点、线、面、约束、尺寸、特征树这些传统建模软件里真实存在的东西。第二可编辑意味着模型不是一次性快照——你拿到手之后还能改参数、调尺寸、重新生成变体。这跟 AI 生图工具输出的 PNG 有本质区别也跟文生3D工具输出的三角网格mesh完全不是一个物种。我见过不少朋友第一次接触 text-to-cad 时的反应对着屏幕输入帮我画一个带四个安装孔的法兰盘结果得到的是一个 OBJ 网格文件导入 Fusion 360 后一编辑就散架。这不是 text-to-cad 骗人而是那个工具根本走的文生3D路线输出物压根不是 CAD 实体。所以第一篇内容必须先把这个分水岭讲清楚你要的是能进装配体、能出工程图、能减重优化的模型就必须认准 B-rep / 参数化脚本 / 特征树 这类标的物。1.2 为什么偏偏是这两年火起来text-to-cad 的爆发不是单一技术进步推动的而是三条线正好汇到了一起。第一条线是大语言模型LLM的代码生成能力足够强了。CAD 建模本质上是用几何内核 API 描述操作序列OpenSCAD 是写 CSG 表达式CadQuery 是写 Python 代码FreeCAD 的 Python 控制台也是代码。LLM 最擅长的恰恰就是把你的自然语言指令翻译成结构化的操作序列。早期模型生成的脚本错漏百出现在主流模型在简单零件上的脚本通过率已经相当可观。第二条线是参数化建模生态的成熟。以前 CAD 自动化被各大商业软件厂商锁在高墙里现在开源社区把 OpenSCAD、CadQuery、Build123d 这些工具打磨得足够好用几何内核也可以直接通过 Python 调用。text-to-cad 的落地路径变成了LLM 生成脚本 → 脚本调用内核 API → 内核算出实体 → 导出 STEP/STL。整条链路全是开放协议没有哪个环节必须依赖某个商业软件。第三条线是制造端的需求倒逼。3D 打印、CNC 加工、非标自动化行业的订单越来越碎片化设计人员花大量时间做重复的改尺寸出图工作。这些工作不仅枯燥而且恰恰是最容易被参数化脚本替代的部分。text-to-cad 正好切中这个痛点与其手动拖拽建模不如描述需求让 AI 先把初稿铺好工程师只做审查和修改。1.3 它和普通 AI 生图、文生3D 的边界在哪很多人把 text-to-cad 和 AI 生图、文生3D 混为一谈实际三者目标完全不同。AI 生图如 Midjourney、Stable Diffusion输出二维像素矩阵信息量是看起来像什么没有任何几何精度可言。文生3D如常见的手办模型生成工具输出三角网格形状接近但拓扑杂乱面数高不能直接用于机械仿真和加工仿真。text-to-cad输出参数化模型或 B-rep 实体有精确尺寸、有特征历史、能改参、能装配、能出图。我举一个实际生产里的例子。客户说需要一个直径 80mm 的圆形法兰厚度 10mm四个 M6 通孔均布在直径 62mm 的螺栓圆上外圈倒角 C1。文生3D 工具大概率给你一个看起来像圆盘的网格但孔位、孔径、倒角全部是假的text-to-cad 工具则应该输出一个带完整特征树的 STEP 文件每个孔都是真正的通孔特征倒角是可修改的参数。后者才能进 CNC 程序前者只能拿去当摆件。搞清楚这个边界之后下面才好继续聊原理和实操。2. 从提示词到模型文件一条链路拆开看2.1 主流路线一LLM 生成参数化脚本内核负责算几何目前最成熟、最可控的 text-to-cad 路线可以概括为四段式流水线用户输入自然语言描述。LLM 将描述翻译成一段参数化建模脚本OpenSCAD、CadQuery、Build123d 或某个软件的 Python API。脚本交给对应的几何内核执行内核依次执行建模操作最终生成实体。实体导出为 STEP、STL、BREP 等标准格式。这条路线最大的优点是每一步都可干预。脚本是文本错了可以直接改参数是变量想调尺寸改一个数字就行内核执行结果可以预览不满意就回去改自然语言描述或者直接改脚本。以 CadQuery 为例一个带法兰的圆管可能是这样的脚本import cadquery as cq result ( cq.Workplane(XY) .circle(40) # 外圆直径80 .extrude(10) # 厚度10 .faces(Z) .workplane() .circle(30) # 内孔直径60 .cutThruAll() # 打通 .faces(Z) .workplane() .pushPoints([(31, 0), (-31, 0), (0, 31), (0, -31)]) # 四个孔位 .circle(1.5) # M3通孔半径1.5 .cutThruAll() ) cq.exporters.export(result, flange.step)这段脚本不复杂但 LLM 要理解你的自然语言描述并正确生成它需要具备几个能力理解几何术语法兰、凸台、肋板、倒角理解制造约束通孔、盲孔、螺纹底孔以及把离散操作组织成正确的特征顺序。这正好是现在主流 LLM 的强项。2.2 主流路线二扩散模型生成几何再转换 B-rep另一条路线借鉴了文生图里的扩散模型思路直接在体素空间或点云空间里生成形状然后通过 Marching Cubes 提取等值面得到网格再做网格到 B-rep 的转换。这条路线在学术圈很热因为它的上限更高——理论上不需要理解 CAD 操作序列直接把形状涌现出来更适合自由曲面、有机形态这类难以用参数化特征描述的东西。但落到工程实践里它有三个绕不开的痛点精度不足扩散模型输出的体素网格通常是 128³ 或 256³ 分辨率转换成实体后尺寸误差可能达到毫米量级而机加工件动辄要求 ±0.05mm 甚至更高。拓扑质量差网格转 B-rep 的过程中容易产生非流形边、自相交面、缝隙等拓扑错误需要大量修复工作。特征不可编辑转换后的 B-rep 是哑几何没有特征树改一个孔径等于重新建模。所以目前业界落地项目基本都以脚本生成为主路线扩散模型更多用在概念设计阶段作为灵感来源。2.3 为什么脚本生成路线目前更实用直接说结论对于 90% 的机械结构件脚本生成路线都比扩散模型路线实用原因有三个。第一精确尺寸可保证。脚本里写circle(40)就是直径 80mm内核算出来一丝不差。扩散模型做不到这一点它只会猜一个大概。第二可追溯、可复审。脚本是人的语言工程师拿到手能看懂每一步在干嘛哪里不对改哪里。扩散生成的几何怎么改没法改只能重新生成。第三和现有设计流程兼容。现代 CAD 系统全部支持特征树、参数驱动、脚本建模。脚本生成的模型进入装配体后还能通过修改驱动尺寸同步更新零件列表这是企业真正需要的。如果你的需求只是快速看一眼这个造型大概什么样扩散模型路线没问题但只要你打算把它制造出来几乎必然选择脚本生成。2.4 一个关键概念约束、特征树和参数理解 text-to-cad 的产出物必须先理解 CAD 模型的三个核心概念。约束规定几何元素之间的关系比如这两个圆同心这条边和那条边平行这个面到那个面的距离是 25mm。约束越完整模型越稳定AI 生成时也越不容易跑偏。特征树记录建模操作的先后顺序。先拉伸、再切孔、最后倒角每一个操作都挂在树上。修改树的中间节点后面所有特征会自动重新计算。参数特征树上的关键尺寸抽出来就是参数比如长度、直径、厚度。参数化模型的魅力在于改一个参数全模型联动。text-to-cad 的输出质量高低很大程度上取决于生成的脚本是否充分使用了约束和参数而不是写一堆魔法数字。比如法兰厚度 10mm应该定义成thickness 10后面所有引用都用变量将来改厚度不用翻遍整段脚本。这也是我在后文提示词技巧部分会反复强调的点。3. 现成工具与选型哪些能用、各有什么脾气3.1 商业与半商业工具Zoo.dev 和 Autodesk 的探索先聊我实际体验过的几个有代表性的工具避免云评测。第一个是 Zoo.dev 推出的 Text-to-CAD。它的定位非常明确不是生成一个视图而是直接生成真实几何。用下来几个感受对标准机械零件的理解不错像支架法兰带孔圆盘这些常见物能生成相当规整的 feature tree输出格式直接给 STEP导入 Fusion 360、SolidWorks 都能继续编辑但自由曲面、非对称形状、多实体装配体的生成质量明显弱于简单零件。它比较适合在装配设计早期快速生成标准结构件的场景。第二个是 Autodesk 的 Project Bernini还处在技术预览阶段。它在生成式 AI 上尝试的是多模态条件生成——不但支持文本还支持输入一张图片作为参考。我测试的感受是它在处理功能性几何上有自己的一套思路能把输入图像中的核心结构抽象出来但生成结果距离可用于生产的程度还有差距毕竟还没正式面向公众开放。还有一类工具不走云端生成路线而是把 LLM 嵌进 CAD 软件里。这类工具直接建模生成的不是 STEP 文件而是模型的草图和特征操作。好处是和现有设计环境无缝衔接坏处也很明显受限于宿主软件 API 的能力边界生成功能复杂时容易报错。3.2 开源方案LLM 加 OpenSCAD / CadQuery 的本地组合对工程师来说最能掌控全局的其实是开源方案。我目前最常用的组合是本地 LLM 或 API CadQuery FreeCAD。逻辑是这样的CadQuery 负责把脚本变成实体FreeCAD 负责预览和导出LLM 负责生成脚本。三者全是开源的数据也完全在自己手里不用担心模型文件被平台拿走也不用担心云端服务挂了导致整个设计流程停摆。如果你更熟悉 OpenSCAD也完全可以把 CadQuery 替换成 OpenSCAD。OpenSCAD 的语法更简单就是 CSG 布尔运算的堆积木LLM 生成起来错误率更低适合初学者。如果你不想自己搭环境也可以直接用 Hugging Face 上现成的 text-to-cad 模型。我之前试过几个专门针对 CAD 脚本微调的模型效果和通用旗舰模型互有胜负专用模型在标准零件上更稳通用模型在理解复杂自然语言描述上更强。3.3 选型对照表按需求对号入座需求场景推荐方案理由快速生成标准结构件并直接编辑Zoo.dev Text-to-CAD输出 STEP特征树完整云端免安装本地部署、数据安全优先LLM CadQuery / OpenSCAD全开源脚本可控无数据外传概念造型探索、无精确尺寸要求文生3D / 扩散模型类工具速度快形态丰富但不适合制造在现有 CAD 软件内工作软件内置 AI 插件环境无缝切换但功能受限批量生成参数化变体自建 LLM 脚本流水线可以批处理、改参数重新生成选型这件事没有银弹。我的建议是如果你只做样板和演示Zoo.dev 这类云服务足够如果你要在我自己团队里落地我一定会选开源脚本方案因为只有脚本才能进版本管理、才能 diff、才能自动跑回归测试。4. 上手实操用开源方案跑通一个简单零件4.1 环境准备装齐四件套实际操作之前先装环境。我用的是 Windows 11 WSL2 Python 3.11下面这些步骤在 Ubuntu 上同样适用。第一步安装 CadQuerypip install cadquery第二步安装 FreeCAD作为 STEP 预览工具。从 FreeCAD 官方源下载对应系统版本即可安装过程没什么特别之处。第三步安装 Jupyter Notebook 或者 VS Code用于交互式调试 CadQuery 脚本。我强烈建议你用 Jupyter因为 CadQuery 可以直接在单元格里显示三视图预览调试效率高很多from cadquery import exporters result cq.Workplane(XY).box(10, 10, 10) exporters.export(result, test.step)第四步准备好 LLM 的访问渠道。自用的话选一个主流大模型 API 就行或者用本地部署的模型。这一步各家情况不同我不展开说具体平台关键是确保 LLM 能稳定输出 CadQuery 代码。环境就绪后做一个简单自检跑通上面那个 10mm 立方体的脚本确认能导出 STEP 并能在 FreeCAD 里打开。4.2 提示词怎么写才稳五个实测有效的技巧提示词是 text-to-cad 里最容易被低估的环节。很多人觉得AI 应该能理解我的话实际测试几次就会发现模棱两可的描述得到的一定是模棱两可的模型。下面这五个技巧是我在几十次实测里总结出来的写清楚基准和坐标系。开头就写明以 XY 平面为底面Z 轴向上之类的话避免模型朝向随机。每个尺寸都带上单位。写直径 80mm而不是直径80避免模型在 mm 和 inch 之间乱猜。明确特征之间的位置关系。四个孔均布在直径 62mm 的螺栓圆上比四个孔在圆盘上严谨得多。告诉它该用哪种特征。需要通孔就写cutThruAll需要盲孔就写盲孔深度 8mm。LLM 知道 CadQuery API你不指明它可能选错方法。一次只生成一个主要特征。宁可分三次对话把零件做完也不要让 AI 一次生成一个十特征复杂件。生成脚本出错后分步调试的难度低一个量级。下面我示范一条合格的提示词生成一个 CadQuery 脚本圆形法兰盘以 XY 平面为底面Z 轴向上。外径 80mm厚度 10mm中心开直径 30mm 的通孔。在直径 62mm 的螺栓圆上均布 4 个 M6 通孔直径 6.5mm。所有锐边添加 1mm 倒角。请使用参数化变量定义所有尺寸。短短几句话把几何、尺寸、特征类型、参数化要求全说清楚了。AI 生成脚本后你真正要改的地方会非常少。4.3 完整示例从描述到 STEP 文件的生成过程我实际跑一次上面的提示词。LLM 输出的 CadQuery 脚本大致长这样import cadquery as cq # 参数化定义 outer_diameter 80 flange_thickness 10 center_hole_diameter 30 bolt_circle_diameter 62 bolt_hole_diameter 6.5 num_bolts 4 chamfer_size 1 # 第一步创建法兰主体 result ( cq.Workplane(XY) .circle(outer_diameter / 2) .extrude(flange_thickness) # 第二步切中心孔 .faces(Z) .workplane() .circle(center_hole_diameter / 2) .cutThruAll() # 第三步均布4个螺栓孔 .faces(Z) .workplane() .pushPoints([ (bolt_circle_diameter / 2, 0), (0, bolt_circle_diameter / 2), (-bolt_circle_diameter / 2, 0), (0, -bolt_circle_diameter / 2), ]) .circle(bolt_hole_diameter / 2) .cutThruAll() ) # 第四步所有外侧锐边倒角 result result.edges().chamfer(chamfer_size) cq.exporters.export(result, flange_with_chamfer.step)把这段脚本保存成flange.py在终端执行python flange.py正常情况下会在当前目录生成一个flange_with_chamfer.step文件用 FreeCAD 打开就能看到带完整特征的模型。这里有个细节值得注意pushPoints我用了四个坐标点来均布孔位。如果螺栓孔数量改成 6 个手动写坐标就太蠢了。更专业的做法是用循环import math points [] for i in range(num_bolts): angle 2 * math.pi * i / num_bolts points.append(( bolt_circle_diameter / 2 * math.cos(angle), bolt_circle_diameter / 2 * math.sin(angle), ))这一步其实就是参数化的雏形你把数量定义成变量脚本自动算坐标。text-to-cad 的价值不仅是生成一个固定模型更重要的是帮你建立这套变量驱动几何的思路。4.4 输出检查与格式转换别急着拿去加工STEP 文件生成之后我建议你做三件事再进入下一环节用 FreeCAD 打开检查坐标系朝向和视觉比例是否符合预期。在 FreeCAD 的Part工作台里运行检查几何体命令看有没有无效几何、自相交、重复面。如果需要 3D 打印导出 STL 前先确认网格密度合适太粗糙会丢失倒角大细节太细腻会导致文件切不动。STL 导出可以用 CadQuery 直接搞定cq.exporters.export(result, flange.stl, tolerance0.01, angularTolerance0.1)tolerance是曲面离散化的弦高误差0.01mm 对大多数 FDM 打印来说足够精细angularTolerance控制相邻三角面的角度变化上限。这两个参数别乱调太小文件巨大太大细节丢失。5. 实测中的翻车现场与排查思路5.1 单位与公差最常见的隐形杀手text-to-cad 最容易翻车的点不是模型生成不出来而是生成出来的模型尺寸全错。我遇到过最典型的一次提示词写直径 1 英寸的轴AI 生成的脚本里直接写成了circle(1)在 CadQuery 默认毫米单位下变成了直径 1mm 的针。原因很简单——LLM 对英寸和毫米的换算需要显式给出。我的排查思路是这样的第一步在提示词里强制声明所有尺寸单位均为毫米如果用户使用英寸请换算为毫米。第二步在生成脚本的头部加入单位断言注释比如# All dimensions in millimeters让 LLM 在生成后面代码时保持上下文一致。第三步打开模型后先用测量工具量一个基准尺寸确认无误再继续。公差方面更要小心。text-to-cad 生成的模型是名义尺寸nominal size它不可能知道你的配合要求是 H7/g6 还是滑动配合。所以生成模型用于概念确认可以生成模型直接出加工图还差得远。5.2 几何拓扑问题自相交、缝隙与非流形脚本生成的模型理论上是内核算出来的不应该有拓扑问题。但实际操作里复杂的特征顺序完全可能产生意外结果。我遇到过几种典型情况自相交凸台和主体重叠但合并顺序错了导致实体内部出现互相贯穿的面。缝隙两个面本应焊接在一起但公差误差导致中间有一条肉眼看不见的缝后续切片软件会在这里报错。非流形边一条边被三个以上面共享这在实体建模里是非法的导出 STL 后切片器直接崩溃。排查手段很简单FreeCAD 的Part → 检查几何体能识别绝大多数这类问题更基础的办法是在导出 STL 后用切片软件比如 PrusaSlicer、Cura的修复网格功能试一遍如果报错或者自动修复后出现大洞基本就是拓扑问题。遇到这类问题我一般不手动修网格而是回头改脚本。因为网格修完就不具备参数化能力了下次改尺寸又是重新来一遍。正确做法是检查脚本特征顺序把布尔操作改成更稳妥的顺序先合并所有加料特征再一次性切所有减料特征重新生成。5.3 实体化失败从网格回到实体有多难如果你是走扩散模型/文生3D 的路子最后一定绕不开网格转实体这个坎。三角网格本质上只是曲面逼近要变成 CAD 实体需要做曲面拟合。实用一点的流程是从网格提取特征曲线尖锐边、边界线。用这些曲线重建样条曲面。把曲面缝合sew成封闭壳。用壳填充成实体。这四步每步都可能失败。网格分辨率不够提取出来的曲线就带着锯齿曲面缝合时出现微小缝隙实体化就会报错。我自己的实测结论是对于基准平面、圆柱、圆锥这些解析曲面占主体的零件网格转实体成功率尚可一旦出现自由曲面基本要做好大修甚至重新建模的心理准备。所以我在前面反复强调脚本路线。不是因为它高级而是因为它绕开了这一整类麻烦。5.4 提示词歧义你以为是 AI 的问题其实是需求没说清有一次我想生成一个L 形支架提示词写的是L-shaped bracket, 80mm long, 40mm wide, 3mm thick。结果 AI 给了三种理解俯视看是 L 形厚度 3mm侧视看是 L 形长臂 80mm、短臂 40mm两个长方形拉伸后布尔合并但到底哪边是 40 有歧义。这台怪不了 AI。人类工程师之间说L形支架配合图纸和手势能确认但文本通道里只有字面信息。解决方法是把视图方位和几何构成规则写清楚L形支架从正面看呈 L 形。竖直臂高 80mm水平臂长 60mm两者厚度均为 3mm宽度均为 40mm。竖直臂底边与水平臂左端连接连接处外倒角 R5。这样每个数字都有明确的归属实体AI 生成的脚本可预期性大幅提升。5.5 完整的排查链路从报错信息倒推问题点分享一套我自己的排查逻辑遇到 text-to-cad 出的问题基本上按这个顺序来现象优先怀疑对象排查动作脚本运行直接抛异常LLM 生成的代码 API 用错看报错信息是哪个方法/参数不合法对照 CadQuery 文档修正脚本能跑但结果是空零件特征顺序问题切料发生在加料前检查是哪个cut操作把整个实体切没了模型有但尺寸离谱单位/数值换算错误回看提示词确认是否有单位声明模型能导出但无法切片拓扑问题FreeCAD 检查几何体修复后重导STEP 导入其他软件特征丢失导出格式和版本不兼容换STEP的 AP214 协议再导出这套链路不一定每次都能一击命中但它能帮你快速缩小问题范围而不是对着一个出错的模型盲目乱试。6. 给文本生成结果兜底后处理与人工修正6.1 为什么不能拿第一版结果直接用有人可能会问既然 text-to-cad 生成这么方便能不能生成完直接下单加工我的建议是加工前至少要过一次人工评审。理由有三个第一AI 对设计意图的理解是概率性的。它看到法兰盘会生成一个标准的法兰盘但你的实际使用场景可能需要特定的密封槽、特定的螺栓沉头角度、特定的加强筋布局。这些细节提示词里没写AI 就不会凭空生成。第二标准规范无法内化。每个公司都有自己的制图标准、公差标准和材料标准这些内容几乎不可能全部写进提示词。第三制造工艺约束。AI 生成的特征在几何上合法但在工艺上不一定合理。比如一个深腔结构AI 生成了一个 90° 内角实际 CNC 加工根本做不到需要改成圆角过渡。所以正确的流程是AI 生成初稿 → 工程师修改 → 工艺评审 → 再生成变体 → 定稿。AI 承担的是从 0 到 80 分的工作剩下的 20 分必须由人来补。6.2 常用后处理操作参数微调、布尔运算、倒角补全我在实际操作里最常用的后处理操作有三个。第一个是参数微调。脚本里的变量就是天然的修改入口。客户说法兰厚度从 10mm 改成 12mm改flange_thickness 12重新跑一遍脚本新模型就出来了。这是 text-to-cad 相比传统手工建模最大的效率优势。第二个是布尔运算。AI 生成的多个零件可能需要合并、切除或取交集。CadQuery 里这几种操作都有现成 APIcombined part_a.union(part_b) cut_result part_a.cut(part_c) intersect_result part_a.intersect(part_d)注意执行布尔运算前最好先做一遍几何检查避免因为拓扑瑕疵导致运算失败。第三个是倒角和圆角补全。AI 经常漏掉这些细节因为提示词里没有明确要求。拿到 STEP 后用 FreeCAD 的倒角工具批量处理比在脚本里逐个指定快得多。但如果这个零件后续还需要参数化迭代我建议还是补回脚本里保持设计源头可驱动。6.3 把 AI 结果接进设计评审流程团队协作时我可以给 text-to-cad 的产物建立一条简单的评审链路第一步AI 生成模型的同时自动导出一份设计说明文件里面写清楚关键尺寸、材料假设、特征列表。这个文件可以由 LLM 一并生成。第二步把 STEP 文件和说明文件发到评审群/评审系统工程师对照设计意图逐项勾选。第三步评审意见反馈到提示词和脚本变量重新生成下一版。这套流程跑起来后AI 输出的质量会随着评审反馈逐渐提高——因为你实际上是在不断精调提示词和脚本模板。用了两三周后我明显感觉到团队里沉淀出的提示词模板和脚本模板越来越可靠新员工只要照着模板改参数就能产出过去需要十年经验才能画出的零件初稿。7. 我的体会什么时候该用 text-to-cad什么时候别用7.1 高效场景概念验证、非标件沟通、标准件参数化用了几十次 text-to-cad 之后我总结出三个真正能带来效率提升的场景。第一是方案阶段的概念验证。客户问你这个安装座能不能放进 300×300 的机箱里你不需要开 CAD 从零画直接让 AI 生成一个带基本外形的模型导入装配体里看一眼干涉就完事。前后不到十分钟比传统建模快一个数量级。第二是非标件的跨角色沟通。采购、供应商、销售往往不具备读工程图的能力但大家都能看懂一个三维模型。遇到非标件询价我直接让 AI 根据文字描述生成 STL发过去对方转一下就能看沟通效率极高。第三是标准件和参数化系列件的批量生成。比如做一套从 M3 到 M20 的螺栓垫片模型库传统方式要手动画十几个模型用 text-to-cad 加循环脚本一次生成全部规格还保证每个模型的特征树结构完全一致。7.2 不适用场景高精度配合、复杂曲面 A 面、企业标准合规反过来有三个场景我现在坚决不用 text-to-cad。第一是高精度配合件。轴和孔的公差配合、齿轮啮合、凸轮轮廓这些需要严格尺寸链计算的场景AI 生成模型只能提供形状无法保证公差链的完整性。误差哪怕只有 0.1mm装配时就可能卡死。第二是复杂曲面 A 面。汽车外饰、消费电子外观件这类对曲面质量要求极高的设计需要 Class A 曲面、曲率连续、光影评审。扩散模型生成的网格或 AI 生成的扫掠面曲率分布完全不可控现阶段想都不要想。第三是涉及企业标准合规的零件。比如压力容器法兰、航空支架这些零件有明确的行业标准、材料规范和取证要求。text-to-cad 只能生成几何形状不具备生成合规设计依据的能力。这类工作必须由持证工程师按标准规范手动完成。7.3 未来扩展从单零件到装配体、从文本到 BOM最后聊一点趋势。text-to-cad 现在能做到的是单零件生成但真正的产品设计是装配体——几十上百个零件相互配合。我判断下一步会朝着两个方向发展方向一是装配级生成。用户用一段话描述整个机构包括哪些零件、零件之间什么连接关系、运动关系是什么。系统先生成零件清单再逐个生成零件最后自动装配。这套流程的难点不在单零件生成而在约束关系的表达和传递。方向二从文本直接生成设计文档。AI 生成模型的同时自动输出工程图、材料清单BOM、加工工艺建议。我看到已有项目把 CadQuery 脚本和 BOM 表格生成绑在一起脚本里每个特征自动带出材料类型、表面处理、采购属性这样模型一变整套文档同步更新。我个人的实际操作体会是text-to-cad 最值得投入的时间不是琢磨怎么让 AI 一步到位而是把提示词模板、脚本模板、后处理流程沉淀成团队资产。模型生成能力会越来越强但围绕它建立的工程化流程才是真正能复用的东西。你把第一版跑通后花半天时间把流程固化下来后面每次使用省下的时间远不止半天。