ARTICLE DETAIL

资讯详情

深耕网站建设、视觉设计与SEO优化的一线实战洞察。

text-to-CAD入门:AI一句话生成参数化STEP模型的原理与实践

text-to-CAD入门:AI一句话生成参数化STEP模型的原理与实践

text-to-CAD 这个词我念叨了好一阵子。第一次看到它,我脑子里的第一反应是:真能把一句人话变成能直接开模的零件?后来自己上手试了几次,又翻了不少实现方案,发现这个领域已经比多数人以为的要成熟。简单说,text-to-CAD 就是输入一段自然语言描述,AI 直接生成参数化 CAD 模型,最常见的输出是 STEP 格式。换句话说,它给的不是一张渲染图,也不是一个 3D 打印用的网格,而是一个能继续编辑、能对接加工的真实模型。这篇文章我会从原理、实操到避坑把它讲透,适合搞机械设计、产品开发、3D 打印,或者对 AI 辅助设计感兴趣的人看,哪怕你完全没写过代码,也能跟着往下走。

1. text-to-CAD 是什么?为什么值得我花时间研究

1.1 传统建模的真实痛点:不是不会画,而是画起来太慢

在接触这类工具之前,我的日常工作里最烦的事不是画图本身,而是反复重画。画一个带四个安装孔的法兰盘,熟练的话大概二十分钟,但如果客户说“孔径改小一点”“孔距再大两毫米”,整个草图约束就要从头捋一遍。要是再遇到装配干涉,经常是牵一发而动全身,改到后面整个人都麻了。

text-to-CAD 这类工具戳中的就是这个点。它不会抢走你精雕细琢的工作,但它能把“从一张白纸开始建特征”这一步省掉。我把需求写成一句话,等几十秒,拿到一个形状正确的模型,再自己调整参数和细节。这就像先让实习生打一版草稿,我负责把关和修改,而不是每次都在空白草图里从零开始拉线段。

真正用下来之后我发现,这类工具最稳定的受益场景是方案前期。需求还模糊的时候,我可以在几分钟内生成三五个不同形态的支架、壳体或者底座,摆在一起比较,比手动建模做方案对比效率高太多。方案定下来之后再进 CAD 精细调整,整个流程顺很多。

1.2 和 AI 生图、生成 3D 网格有什么区别

很多朋友一听“文字生成模型”,马上会想到 Stable Diffusion 或者 Midjourney 那种一句话生成一张图。也有人玩过通过文字生成 3D 网格的 AI 工具,能出一个类似石膏像的东西。但这两类和 text-to-CAD 本质上是不同的东西。

AI 生图生成的是像素矩阵,它没有几何信息。文生 3D 网格生成的是表面三角形,看起来是一个立体形状,但内部可能是空心、破面、非流形,几乎不能用于工程设计。而 text-to-CAD 的目标是生成“参数化 CAD 模型”,也就是带精确几何定义的实体。这种模型由数学曲线曲面描述,有拓扑关系,可以被 SolidWorks、Fusion 360、FreeCAD 这类软件直接打开并继续编辑。

打个比方你就明白了:AI 图片是照片,只能看;网格模型是泥塑,外形像但没法拆解;text-to-CAD 生成的是带施工图纸的实物建筑,每面墙、每根梁都有准确尺寸和相互关系,你可以继续改图纸,也可以直接照着施工。这个区别对工程师和制造端来说是决定性的。

1.3 这些场景最适合它,哪些场景别硬凑

我用下来给它的能力边界画了一条线:适合结构清晰、特征规则的零件。比如法兰盘、轴承座、电机支架、外壳壳体、底板、简单连杆这些,它出东西很快。凡是能用“几个圆柱”“几个矩形”“几个孔”“拉伸”“切除”描述出来的零件,它都有不错的成功率。

不适合它的场景也很明显。高自由度的曲面造型,比如汽车 A 面、手机圆润后盖,它目前很难做好;装配体级别的设计,它基本做不了,多数工具一次只能生成一个零件;关键的受力件、标准件也不该让它生成,齿轮、轴承、紧固件都有标准手册,老老实实查标准库才是正道。

所以我的建议是:把它当成一个“快速起稿”工具,而不是“终版设计”工具。这部分想清楚了,后面用起来心态会稳很多。

2. 一句话怎么变成特征树:核心技术原理拆解

2.1 整体思路:像是让 AI 先画草图,再“拉特征”

现在的 text-to-CAD 实现方案,我看到的主流思路基本是两阶段:先从文本生成 2D 草图,再从草图生成 CAD 操作序列。第一阶段模型负责把“一个带四孔的底板”翻译成具体的二维图元组合:哪条线是轮廓边,哪个圆是安装孔,哪些线需要垂直、平行、共线;第二阶段模型继续决定用哪些特征操作把这些草图变成实体,比如拉伸、切除、旋转、倒角、阵列。

为什么大多数方案都这么设计,而不是直接生成一个点云或者体素模型?因为这与工程师的工作方式天然匹配。CAD 模型本质上不是一个“形状”,而是一串有顺序的特征操作过程。你先画草图,再拉伸,再打孔,再倒角,每一步都携带设计语义。按这个流程来生成,结果才可能被 CAD 软件识别、修改和重用。直接生成表面网格,等于跳过了整个设计历史,出来只是一个“哑模型”。

如果你用过 CadQuery 这类程序化建模工具,理解起来会更轻松。它们本质上就是把“拉伸一个矩形,再在表面上切一个圆孔”这种操作写成代码,让计算机按照固定流程执行。text-to-CAD 相当于把“写代码”这件事变成了“说人话”,由 AI 负责把自然语言翻译成等价的操作序列。

2.2 语言模型负责听懂需求,几何求解器负责保证不出错

整个流程里,语言模型的任务是理解意图并转换为结构化参数。比如“四个直径 6 毫米的通孔,均匀分布在直径 100 毫米的圆周上”,语言模型要做的是把它解析成“圆阵列,数量 4,直径 6,分布圆直径 100”。难点在于自然语言有大量歧义和隐含信息,模型得靠训练时积累的几何常识去补全。

第二步,几何约束求解器再把这些参数变成真正的几何实体。为什么一定需要这一步?因为语言模型擅长语义理解,但不擅长数值一致性。你说“外径 80,内孔 25,厚度 10”,但如果参数之间相互矛盾,比如内孔比外径还大,语言模型可能照办,几何求解器就必须发现这个矛盾并处理。约束求解器的作用就是保证生成的几何满足拓扑关系、共面关系、相切关系等,最后输出的是一个自洽的实体。

我举个例子帮你理解约束系统:如果你跟它说“一个圆柱凸台,顶面和底板面共面”,那么凸台高度参数必须和其他几何关系一起求解。拉伸的高度、草图的轮廓、基准面的位置,所有变量塞进一个方程组,求解器要找到一个满足全部条件的解。正是因为有这一层存在,生成的模型看起来才不像那种“表面好看、一剖就烂”的网格模型。

2.3 为什么大家那么看重 STEP 格式

你可能注意到,text-to-CAD 相关项目几乎都把 STEP 当成主要输出格式。原因不是炒作,而是工程流程本来就离不开它。STEP 文件记录的是边界表示(B-rep),由精确的曲线、曲面和拓扑信息构成几何实体。主流 CAD 软件能无缝打开 STEP,识别其中的面、边、顶点,并允许你在这个实体上继续做特征。

相比之下,STL/OBJ 这类网格格式,只保存三角形面的顶点坐标,它是离散逼近,不是精确几何。三角网格导入 CAD 后,软件面对的是成千上万个平面三角形,不可能直接给它加一个“直径 8 毫米的孔”这种参数化特征,你得重新做曲面重构。一句话总结:拿到 STEP 等于拿到了“工程图纸”,拿到 STL 等于拿到一张“3D 照片”。这也就是为什么 text-to-CAD 的价值比单纯“生成 3D 模型”高出很多——它生成的不是视觉产物,而是制造数据。

2.4 现阶段的技术难点:尺寸、单位、语义歧义

技术再热,短板也客观存在。我实际测试中最常遇到的坑是语义歧义。“一个中等大小的盒子”到底多大?“光滑表面”在注塑、机加、3D 打印里的含义完全不同。语言模型只能猜测你的默认值,猜测结果往往跟你脑子里想的不一样。

另一个大坑是混合单位。如果你提示词里一会儿“50mm”,一会儿“2inch”,模型可能不会做单位换算,直接用数字建模,结果零件尺寸偏差巨大。矛盾描述也一样,“壁厚 2 毫米”和“总高 50 毫米”同时出现,如果不小心组合出几何冲突,求解器要么强行妥协,要么直接生成一个畸变结果。这些问题的解法只能靠提示词规范化,后面我会详细说。

3. 从提示词到 STEP 文件:完整实操流程演示

3.1 选择工具与运行方式

目前体验 text-to-CAD 主要有三种方式:在线 Web 界面、本地部署开源模型、API 调用。新手我建议先用在线 Web 界面走一遍,因为零配置,注册进去就能玩,输入一行字点生成,等几分钟就出结果。跑通之后,如果你要批量生成或者集成进自己的工具链,再考虑 API 或本地部署。

本地部署的好处是数据私密、没有请求限制,但对硬件有要求,而且需要处理 Python 环境和依赖。我自己的主力机器是带 8GB 显存的显卡,跑开源模型能接受,但单次生成也要几十秒到一两分钟。API 调用则适合把 text-to-CAD 接进你自己的参数化选型脚本里,比如批量生成不同尺寸的支架底座。从代码风格看,常见的调用方式大概长这样:

# 示意代码,具体接口以你用的库 / 服务为准 from text_to_cad import TextToCAD generator = TextToCAD() step_file = generator.run( prompt=( "a 100x80x10 mm rectangular base plate " "with four 6 mm mounting holes near the corners, " "symmetric about both axes" ), output_format="step", num_candidates=3, ) step_file.save("base_plate.step")

这种“返回 3 个候选让你挑”的参数设置非常实用。工程上没有哪个生成模型能一次到位,给模型多点采样机会,比自己反复改提示词高效多了。

3.2 提示词怎么写:三个层次一个都不能少

提示词是 text-to-CAD 成败最关键的部分,没有之一。我用下来的经验是,一个可靠的提示词必须包含三层信息。

第一层是明确形状类型。直接告诉模型“这是一个法兰盘”“这是一个 L 型支架”“这是一个矩形外壳”,比让它从一堆轮廓里自己猜靠谱得多。第二层是核心几何尺寸。长、宽、高、外径、内径、壁厚、孔直径,能写具体就写具体,并且统一标注单位。第三层是特征关系。孔之间的相对位置、阵列方式、对称关系、与边缘的距离,这些决定了生成结果是不是你真正想要的样子。

举个例子。好的提示词是这样:“一个法兰盘,外径 80mm,中心孔直径 25mm,厚度 10mm,外圈均匀分布四个直径 8mm 的通孔,孔心所在圆直径 60mm,孔轴线平行于中心孔轴线。”这个描述里每个特征都有精确坐标和几何关系,模型基本不需要猜。坏的提示词是“一个法兰盘,带一些孔,看起来比较机械”——这种写法十个有九个会翻车,因为“一些孔”是几个?“比较机械”是什么风格?模型只能瞎蒙。

如果你写过工程设计规范,你会发现这种提示词写法本质上就是在写“简版技术要求”。越接近工程语言,生成质量越高。我甚至建议你把提示词当成一种“结构化口述图纸”来练习,先写形状,再写尺寸,再写特征关联,最后加单位。

3.3 生成结果怎么看:预览、测量与判断

拿到 STEP 文件之后,别急着导入完整 CAD 软件,先在预览器里转一圈,检查三件事:一看拓扑是否完整,有没有破面、悬空面、退化边;二看主体轮廓是否符合预期,该是矩形的是不是矩形,该是圆形的是不是圆形;三看孔洞和凸台数量是否对得上,少一个孔或多一段凸台,在 CAD 里修都很费事。

确认轮廓没问题之后,再导入 CAD 软件测量关键尺寸。这里有个特别容易踩的坑:单位。STEP 本身不带强制单位信息,多数情况下按毫米处理,但有些模型内部默认用英寸,导入后零件会大十分之一。导入 SolidWorks 或 Fusion 360 后,第一件事就是检查文档单位,再测量一下关键尺寸和你的预期是否一致。

最后一个建议:不要只盯着第一个结果。只要工具支持,尽量生成 3 到 5 个候选再做选择。AI 生成本身是概率性的,不同随机种子出来的结果差异很大。挑一个最接近需求的作为基础,再进 CAD 精修,成功率远高于死磕同一个结果。

3.4 从模型到制造:后处理和格式流转

生成完 STEP 只是第一步,真正到制造环节还有几关要过。如果你最终要做 3D 打印,导出 STL 之前要检查水密性,也就是模型内部有没有缺面、法向反转、孤立碎片。这些在切片软件里通常会报错,最好在切片前就处理掉。

如果是 CNC 加工,要检查几个设计参数:最小壁厚是否满足刀具要求、有没有倒扣区域、有没有需要增加圆角的地方。很多 AI 生成的模型默认不带倒角,所有锐边都裸露在外,这在实际加工中是个隐患。你需要根据工艺要求补倒角、调整拔模斜度,再送去加工。

还有一种比较常见的情况:你拿到的 STEP 是一个不带特征历史的“哑实体”。在 SolidWorks 里打开后,左侧特征树只有一个“输入”节点,没有可编辑的草图或拉伸特征。这时候别慌,SolidWorks 的 FeatureWorks 可以尝试自动识别特征,Fusion 360 也支持直接编辑 B-rep 实体。如果识别效果不理想,还可以把它当作参考几何,重新对齐基准面拉一遍特征。因为轮廓已经在那里了,重建的速度远比从零画快。

4. 实战踩坑:五个翻车现场与排查思路

4.1 提示词没有歧义,生成结果却一团乱

这是最让人崩溃的情况:明明是按规范写的提示词,结果模型给了一个自相交、断裂、孔洞缺失的怪物。我排查这类问题的顺序是固定的。

先看看是不是随机性问题——把同一个提示词多生成几次,每次的随机种子不同,结果往往差很多,有时候多试两次就成功了。如果多次生成都失败,再简化提示词。比如“外圈均匀分布四个孔”如果一直失败,改成“四个孔,中心在直径 60mm 的圆上,间隔 90 度”,这样约束更明确。最后一步是拆分描述,把“主体”和“孔特征”分开写,甚至分成两次调用再合并,也能提高成功率。

整体思路就是:生成失败时,先怀疑歧义,再怀疑冲突,最后怀疑模型能力边界。不要一上来就怪模型,多数情况是我们给的描述还不够“工程化”。

4.2 单位错了,零件大了十倍或小十倍

尺寸比例异常是 text-to-CAD 使用中最高频的问题之一。原因无外乎两种:提示词里没写单位,模型只能依赖训练数据里的默认值;或者模型按毫米生成了,你导入 CAD 时软件按英寸读取,结果放大了 25.4 倍。

解决方案也很直白。写提示词时强制带上单位,最好在开头就写明“所有尺寸单位均为 mm”,给模型一个基准。导入 CAD 后不要急着做任何操作,先看一眼单位设置。我发现很多人翻车都是因为“默认 mm”这个直觉在作祟,结果被软件的单位设置坑了一把。这个检查 10 秒钟就能完成,但能省掉你后面所有返工时间。

4.3 生成结果“好看”但没法加工

有些模型从屏幕上看非常漂亮,一送加工厂就被打回:悬空孔、壁厚薄得像纸、负角、干涉全都凑齐了。这种事我遇到过不止一次,所以现在对“好看”这个评价非常警惕。

为了减少这种返工,我建议在提示词里主动写明加工友好的约束。壁厚至少 1.5 到 2 毫米,孔离边缘的距离至少 1.5 倍孔径,尽量避免超过 3 倍深径比的深孔。这些数值不一定绝对正确,但你得让模型知道你不是在做一个概念雕塑,而是做一个能被制造的零件。

我整理了一个自己常用的速查表:

设计要点建议值原因
最小壁厚1.5mm 以上低于此值容易变形,加工和打印都可能失败
孔边距不小于 1.5 倍孔径太近会导致边缘破裂
深孔深径比不超过 3:1加工时排屑困难,打印时支撑难处理
内部尖角尽量加圆角尖角应力集中,刀具无法加工到位
拔模斜度1 到 3 度注塑和压铸脱模必需

在生成提示词里把这些约束写进去,比拿到模型后再靠 CAD 修补省力得多。

4.4 模型能用,但没法二次修改

前面提到过“哑实体”的问题,这是所有用 AI 生成模型的人绕不开的坎。你导入 CAD 后发现特征树只有一个输入体,任何参数都改不了,尺寸一变整个形状就乱套。

解决办法分几层。如果 STEP 是从带特征历史的中间格式转换过来的,你可以在源工具里先用脚本修改参数,再重新导出;如果只有 B-rep,就靠 CAD 软件的特征识别功能。再不行,就只能以它为基础重新建模了。但说实话,就算重新建模也不亏,因为所有关键轮廓都已经摆在那儿了,你只需要找到基准、重新画草图、拉特征,比对着图纸从零画快非常多。

4.5 批量生成特别慢,等得没脾气

最后一个是效率问题。text-to-CAD 生成本身就要跑深度学习模型,在线服务还需要排队。如果你一次生成 10 个候选,满心期待地等半小时,结果前两个就够用了,后面纯属浪费时间。

我的做法是:先用少量候选试提示词,比如 num_candidates=3,确认描述方向对了,再扩大到 10 个去筛选最优。如果需要批量生成不同尺寸,尽量利用 API 而不是网页界面,本地或者云端批量提交,结果回来了再做筛选。生成任务尽量代码化,别绑定在交互式界面里干等。

5. 把 text-to-CAD 接入现有工作流:效率提升与边界判断

5.1 我的实际工作流:AI 起稿,人工精修

现在我设计非标零件的流程已经固定下来了。接到一个需求,先翻译成提示词参数表:形状、长宽高、孔位、壁厚、加工约束,全部列清楚。然后让 text-to-CAD 生成 3 到 5 个候选,导入 CAD 做尺寸精修和特征完善,最后按工艺要求补倒角、拔模、装配关系。

这个流程和传统方式的差别主要在“起稿”阶段。以前从空白草图开始拉特征,画错了要改约束,约束改了可能引发整个下游特征报错,特别消耗心力。现在 AI 给出的轮廓已经带着正确的拓扑关系,我只需要把自己关心的参数调整到位,很少再遇到那种连环改错的情况。总体效率提升是很明显的,尤其在做方案对比的时候,优势更大。

5.2 提示词模板库:让成功率稳定在七成以上

我在实际使用中积累了一套提示词模板,这是我想专门分享的小技巧。做法很简单:把所有常用零件的提示词结构固定下来,变量写成占位符,例如:

a {shape} with overall dimensions {L}x{W}x{H} mm, wall thickness {t} mm, with {N} mounting holes, diameter {D} mm, located {R} mm from the edges, symmetric about both axes

用的时候只需要替换花括号里的参数,不需要每次都从头构思措辞。这个习惯帮我大幅降低了“提示词写得不错但结果不行”的概率,因为模板里的措辞是经过多次验证可靠的。我建议你也从自己最常画的零件开始,建立 5 到 10 个模板,基本上就覆盖了日常工作中一大半的起稿需求。

5.3 边界判断:哪些零件永远不该用它生成

最后聊聊边界问题。用了一段时间之后,我给自己列了一个“黑名单”:标准件不用它生成,齿轮、轴承、螺纹紧固件这些都有标准手册,直接查标准库更准确;高精度配合件不用它生成,公差和表面处理是 AI 现在理解不了的东西;复杂曲面外观件不用它生成,这类设计需要审美和曲面控制能力,目前工具还差得远;关键受力结构件不用它生成,没有经过有限元验证的 AI 模型,你敢直接装机吗?

text-to-CAD 最适合做的是“非标快速起稿”“方案对比”“教学演示”“业余爱好者的快速模型”。把期望值放在这个范围内,你会发现它相当好用。

最后说点大实话。我在实际使用中最大的体会,是别把 text-to-CAD 当成可以交付的设计师,它更像一个刚毕业、理解力一般但出图速度极快的实习生。你得把需求写得非常细,它才能给你一个像样的草稿;拿到草稿之后,真正负责专业判断的仍然是你自己。在我这里,现在设计非标支架的流程已经变成了:先让 text-to-CAD 出三五个备选形状,我挑一个顺眼的导入 SolidWorks 精修,整体效率至少比从零建模快一半。如果你也想试,我建议从自己最熟悉的零件类型开始,先建一个提示词模板库,把单位、壁厚、孔距这些参数固定成一种写法。刚开始生成出来的东西可能会让你想骂人,但只要在提示词上多花两分钟,后面的收益会非常明显。

返回列表