前阵子有工程师在群里问我,text-to-cad到底能不能正经用。他的原话是"公司想用AI直接生成三维模型,试了几个工具,出来的东西要么像雕塑、要么像玩具,落不了地"。这个问题我太熟了。过去一年我陆陆续续把市面上能碰到的text-to-cad工具都折腾过一遍,从最早只能生成网格小摆件,到现在能直接输出带参数特征的STEP文件,变化确实大,但真正能塞进设计流程里的用法,跟大多数人想象的不太一样。
先说结论:text-to-cad不是用来替代CAD建模的,它是用来压缩"从想法到第一个可讨论模型"这段时间的。传统流程里,你拿到需求、画草图、定尺寸、建特征树,快则半小时,慢则半天。有了text-to-cad,一分钟内可以出一个具备基本拓扑关系的实体模型,虽然细节和精度不能直接投产,但足够用来评审方案、跟客户对齐、给仿真做初版几何。这篇文章就围绕这个定位展开:它背后怎么实现的、哪些工具值得试、提示词怎么写、生成结果怎么验证和修复,以及最后怎么把它嵌进真实的日常工作流。
1. 当"说话就能建模"从演示demo变成日常备选工具
1.1 我为什么开始认真对待这个方向
两年前我第一次看到text-to-cad的demo时,心里是打问号的。当时这类工具生成的模型,本质上跟游戏里那种text-to-3D差不多,输出一堆三角面片,圆不圆方不方,别说加工,连放进装配体做干涉检查都会把人逼疯。
转折点出现在Zoo(原KittyCAD)开放Text-to-CAD API之后。它输出的不是网格,而是真正的B-rep实体模型,可以直接转成STEP、IGES,能被SolidWorks、Fusion、FreeCAD这些主流工具打开。这个差别是本质性的:网格是"长得像",B-rep是"从数学上定义了边界",后续能倒圆角、能抽壳、能参与布尔运算,这才是CAD的底层语言。
另一个促使我认真对待的原因,是生成速度。传统建模中,大量时间其实花在"画一个大概能讨论的形状"上,而不是花在真正困难的设计决策上。text-to-cad把这段前置时间压缩到几乎为零,让我能更快地把脑子的想法变成可视化的东西,然后开始真正有价值的工作——判断这个方案行不行、哪里需要改。
1.2 目前这个赛道里真正值得关注的方向
现在市面上的方案大致分三类。
第一类是独立API和在线工具,代表是Zoo的Text-to-CAD。它的特点是语言理解能力强,输入一句自然语言描述,能返回一个可编辑的参数化模型。OpenAI收购Zoo后,这块的基础模型能力还在持续迭代,后续大概率会和ChatGPT生态深度绑定。
第二类是传统CAD巨头在自家软件里做的嵌入式AI生成。Autodesk在Fusion里陆续放了AI辅助相关的功能,包括生成式设计和更偏"用自然语言驱动建模"的探索。这类工具的优势是和原生环境无缝衔接,缺点是能力通常比较保守,作用范围限于自家产品。
第三类是开源和半开源项目,比如有研究团队在做基于OpenCascade的文本生成CAD链路,也有一些基于CadQuery、build123d这类程序化建模库的尝试。这类方案灵活,可以自己改pipeline,但对使用者的工程能力要求高,适合做研究或内部定制。
段落里顺便说一句:如果你在网上搜索text-to-cad,会看到很多打着这个旗号但只输出OBJ/GLB网格的AI建模工具。它们适合做渲染图、游戏资产、3D打印摆件,但不适合做机械设计。选型之前先问清楚一个问题——输出格式是不是STEP?如果不是,那就不是传统意义上的CAD。
2. 一条从自然语言到参数化实体的完整链路
2.1 网格模型和CAD模型之间的本质区别
在展开技术链路之前,必须把这两个概念掰开揉碎讲清楚。网格模型(Mesh)是用成千上万个三角形或四边形面片去"逼近"一个曲面,文件里存的是一堆顶点坐标和面的连接关系。它的优点是表达能力强,什么形状都能拼出来;缺点是缺乏拓扑和精确语义,一根圆柱在网格里就是一圈三角形,没有"这是圆柱、直径5毫米、轴线在这"这样的信息。
CAD模型(B-rep,边界表示)则完全不同。它存储的是精确的几何元素——平面、圆柱面、NURBS曲面——以及它们之间的拓扑关系:哪条边连着哪个面,哪个面构成哪个环。更重要的是,CAD模型背后通常还有特征树,记录"先拉伸了一块板,然后打了个孔,再倒了个圆角"。这个特征树才是传统CAD软件可编辑性的来源。
游戏里一个高精度角色模型是网格,没问题;但一个需要数控加工的支架必须是B-rep,因为机床需要的是精确的几何定义,不是一堆三角片。
2.2 从文本到约束求解:生成链路里的关键环节
我在查阅相关技术资料和逆向分析几个工具的行为后,把主流text-to-cad的pipeline尽量还原成了下面这样,虽然各家实现细节不同,但大致骨架是通用的。
第一步,自然语言理解。大语言模型把输入指令解析成结构化的设计意图。这一步远不是"分词提取关键词"那么机械,它需要理解尺寸单位是毫米还是英寸、理解"四个均布的孔"隐含的阵列逻辑、理解"带翻边的钣金件"背后的工艺含义。
第二步,几何生成。模型基于设计意图生成三维几何。不同工具的差异在这里拉开:一些走的是先产生体素占用场或隐式距离场,再提取等值面;另一些直接回归几何图元参数。生成结果通常还要过一遍平滑和拓扑修正,把非流形边、自由边、悬空面这类脏数据清理掉。
第三步,B-rep转换与特征拟合。这是最关键的一步。把生成出的原始几何转成B-rep后,很多工具会尝试反解特征——找到哪块是拉伸体、哪块是孔、哪块是倒角,重构出一棵特征树。Zoo的文本生成之所以体验好,很大程度是因为这步做得到位。
第四步,约束求解和参数化。如果工具支持,还会把特征参数化,让你在生成的模型上调直径、改间距,而不是只能接受一个死模型。
2.3 为什么"直接生成B-rep"这么难
很多人不理解:AI都能生成自然图像了,生成个CAD模型为什么这么费劲?核心原因在于CAD模型的精确性要求是图像领域完全不具备的。图像里差几个像素没人看得出来,CAD模型里球面的圆心偏了0.1毫米,轴孔配合就废了。
另外,B-rep天然是高度结构化的离散对象。你可以把一张图看成连续像素场,但一个长方体加一个圆柱孔的模型,在几何层面表现为面与面的精确交线、边与边的共享关系。让神经网络直接去输出这种结构化拓扑,远比输出连续像素困难。这也是为什么许多方案要先走网格/体素中介,再费力爬回B-rep。
理解这条链路的意义在于:你能预测text-to-cad的失败模式。凡是它生成得不好的地方,往往就断在"语言理解到几何映射"或"几何到特征反解"这两个环节。有了这个预期,后期检查和修复就有方向。
3. 主流text-to-cad工具的实测边界
3.1 测试方法和基准描述
为了不凭印象说话,我给自己定了一套简单的测试方法。每个工具用同一组8条指令去测,覆盖不同难度,从"一个带四个螺栓过孔的矩形安装板,孔径6mm,孔间距40mm,板厚3mm"这种明确尺寸的,到"一个符合人手握持曲线的人体工学把手造型"这种偏自由曲面的,再到"一个用于管道连接的带法兰三通接头,法兰上有8个均布螺栓孔"这种多特征组合件。
每条指令分别测三次,记录三样东西:输出格式、几何正确性、特征可编辑性。几何正确性我按"尺寸是否大致符合""拓扑是否合理""有无明显破面"三个维度打分。特征可编辑性则看输出的STEP导入SolidWorks后,特征树是否可用、能否参数化改尺寸。
3.2 不同工具的表现差异
实测最稳的是基于Zoo底层模型的在线工具。对于带明确尺寸和常见机械特征的指令,它基本能一次给出正确拓扑。上面那条安装板指令,输出的模型开口方向、孔径、孔距都能对上,导入SolidWorks后虽然特征树被简化了,但主体是一个可编辑的拉伸特征,改板厚很方便。
Autodesk Fus内的生成式设计模块和AI辅助流程更偏"在已有设计空间里优化结构",不太适合从零用文字生成零件,但如果你给它一个设计空间和载荷条件,它能给出非常工程化的拓扑优化结果。这跟text-to-cad其实是互补关系。
开源的CadQuery变体方案我试过一个,效果跟提示词解析质量强相关。描述规范时它表现不错,因为它本质上是"用LLM帮你写CadQuery代码",只要代码语法正确,模型就必然正确。但它的问题也在于此——LLM写代码偶尔会写出不存在的API调用,而且模型一旦复杂,代码维护成本开始迅速抬升。
3.3 实测中反复出现的失败模式
几条规律可以分享。
第一个高频失败是"语义正确但尺寸错误"。模型看懂了这个零件是什么,但把孔距、厚度这类定量信息处理错了。比如"孔间距40mm"实际生成的是45mm。这说明语言模型对精确数值的编码仍然不可靠,生成结果必须经过尺寸核查。
第二个高频失败是"特征冲突"。比如同时要求"板厚3mm"和"沉头孔深度3mm",工具生成时可能让沉头孔完全穿透了板。这类问题本质是几何求解器没有正确处理特征间的依赖约束。
第三个失败是自由曲面造型普遍偏弱。像"人体工学把手"这种没有明确几何参数的造型,生成结果显示了对"好看"的把握时好时坏,有的能用,有的形似而神不似。这跟文本描述的信息量太低有关,也给后面的提示词技巧埋下了伏笔。
4. 提示词才是真正的设计输入:写text-to-cad提示词的实战要领
4.1 从"描述形状"到"描述意图"
我踩过的第一个坑,是把text-to-cad当成跟AI画图一样用,上来就写"一把好看的结构支架"。这种指令对图像生成没问题,对CAD生成就是灾难,因为"好看"不是工程语义。
后来我总结出一个原则:CAD提示词要描述"这个东西是什么、由哪些特征构成、满足什么功能约束",而不是描述"它看起来怎么样"。同样是想生成一个支架:
- 糟糕写法:"一个工业风格的L型支架,看起来很有科技感"
- 可用写法:"一个L型支架,水平面长80mm、宽60mm,垂直面高100mm、宽60mm,板厚5mm,水平面边缘有2个直径8mm的过孔,过孔距边缘10mm,垂直面和水平面之间有加强筋,加强筋厚度5mm"
差别在哪里?后者给了工具足够的特征语义去构造B-rep:拉伸板、打孔、布尔合并。前者只给了模糊的风格形容词,模型只能瞎猜。
4.2 把复杂件拆成特征组合
我用的另一个核心技巧是"特征分解"。CAD模型本质上是特征的组合体,你可以把脑海里的设计意图拆成一组有先后逻辑的操作序列。比如一个带法兰的三通接头,在我提示词里会写成:
- 主体:直径50mm、壁厚5mm的主管,长度120mm
- 支管:直径40mm、壁厚5mm,垂直于主管中段
- 法兰:分别在主管两端和支管端部,外径80mm、厚度8mm
- 螺栓孔:每个法兰上有6个直径7mm的过孔,均布在直径65mm的螺栓圆上
这种写法背后的逻辑是:把复杂问题拆成工具擅长的小问题,再通过布尔和阵列把它们组合起来。实测中,这种结构化提示词的成功率远高于一整句含糊描述。
4.3 迭代式细化的提示词工作流
写提示词这件事,一次到位基本不可能。我目前的习惯是三轮迭代。
第一轮,给粗粒度描述,只要形状和主要特征对就行。第二轮,检查生成结果,把尺寸错误、缺失特征写进后续提示词里,例如"上一步生成的支架缺少加强筋,请增加一块厚度4mm的三角形加强筋连接垂直面和水平面"。第三轮,进入细节修正,处理圆角、倒角、公差相关的表达,比如"所有外边缘加1mm倒角"。
这轮迭代的核心,是接受"LLM辅助生成"是一个渐进逼近过程,而不是一次成型的魔法。把它当工具用,配合快速检查,效率会非常高。如果生成的模型有一两个特征错误,直接改提示词重新生成,往往比重建模型快得多。
5. 生成的模型要能落地:几何验证与修复的几条硬规矩
5.1 常见的几何缺陷清单
我检查过大量生成模型,总结了四个必须重点盯防的缺陷类型。
第一,非流形几何。简单说就是"共享边/共用点"的地方出现了奇怪的连接,比如两个本来独立的面在一条边上被错误缝合。这类模型导入CAM软件时经常直接报错。
第二,破面与缝隙。B-rep模型里某个面缺失或边界不闭合,肉眼只有放大才看得出来,但后续抽壳、偏移、布尔运算都会在破面处崩溃。
第三,尺寸与约束漂移。生成模型数值上完全正确的情况少见,孔位偏0.5毫米、厚度偏0.2毫米都属于常规现象。如果是纯讨论概念,这些可以忽略;如果要做装配验证,必须先整体校正。
第四,特征树过度平坦化。很多工具输出的STEP只有一个"导入特征",没有把拉伸、打孔、阵列拆成独立特征。这是最隐蔽的问题——它看起来能用,但后续想改孔距,只能回到原工具重新生成,或者套一个类似"编辑特征"变通处理。
5.2 验证流程怎么搭
我目前的验证流程分三步,全程不超过十分钟。
第一步,用专业查看器(比如开源的FreeCAD或商业软件的模型检查模块)做自动检查:布尔运算测试、壳面检测、几何尺寸标注。这一步能把破面和非流形几何筛掉大半。
第二步,做"可编辑性探针"。把STEP导入SolidWorks或Fusion,尝试修改一个关键尺寸。能改,说明模型内部结构是健康的;改不了或直接崩溃,说明骨架只是装样子。这一步很关键,我见过太多导入后能看不能动的模型。
第三步,面向具体用途做针对性验证。如果是配合装配体,就测干涉;如果是做仿真,就检查网格划分是否顺利;如果是给3D打印,就补一份切片预览。不同用途的验收标准不同,这一步必须有针对性。
5.3 修复策略与工具链
遇到生成模型有缺陷,修复方案按优先级排。
最简单的是"重生成"——改提示词、重新生成,很多时候比重建模还快。比如孔位偏了,在提示词里把"孔间距40mm"改成"孔间距40mm,中心距边缘20mm",生成结果大概率能矫正。
其次是对模型做参数化重映射。把生成的STEP导入到支持"识别特征"的工具(SolidWorks的FeatureWorks、Fusion的网格转实体流程等),让软件自动或半自动地重新识别特征树。虽然成功率受模型复杂度影响,但对付典型的板-孔-倒角结构很够用。
最费力的方案是直接重建。实在不行,就以生成模型为参照物,在CAD里快速重建一遍主体特征。注意,这不是前功尽弃——生成模型提供了尺寸基准和拓扑参照,重建速度远快于从零开始画。
6. 把text-to-cad嵌进真实设计流程:一个混合工作流的实操建议
6.1 概念阶段的效率杠杆
在我现在的日常工作中,text-to-cad最值得用的场景是早期概念发散。接到一个结构设计需求,我会先花五分钟生成三到五个不同的结构方案,然后快速评审。这个阶段追求的不是精确,而是多样性和可讨论性。
举个例子,之前给一台设备设计传感器安装支架,需求是"可调节高度的L型支架,底部有腰型槽,顶部有传感器安装孔"。我让工具生成了四五个变体,有的带加强筋,有的用双板结构,有的用弧形过渡。我拿这些模型跟结构工程师讨论,二十分钟就锁定了两个方向。要是按老办法,光画这三个方案就得一下午。
这里有一个重要的心理转变:以前设计师会因为"画图成本高"而只敢做一两个方案,现在可以大方地探索更多可能性。成本结构的改变,会直接影响设计决策的质量。
6.2 团队协作中的模型管理问题
生成模型进入团队协作以后,出现了一些新的管理问题,这里一并提一下。
一是"生成来源"信息。我在内部规范里要求,凡是AI生成的零件必须在命名前缀加"AI"标记,并在自定义属性里记录生成提示词和日期。否则一个月后没人记得这模型是哪来的,也就无法判断哪些参数可以信任。
二是模型树规范化。生成模型的参数化质量参差不齐,如果要进入正式图纸流程,建议先人工重建特征树并规范命名,把"AI特征"改造成标准特征。这不是洁癖,而是为了让后续维护的人不至于对着一个"导入特征1"抓狂。
三是版本管理。AI生成迭代很快,同一个零件可能生成几十个版本。建议只在关键节点(评审通过、验证完成)把版本固化进PLM或共享目录,避免中间垃圾版本污染团队视野。
6.3 我个人的建议工作流
最后给一套我实操下来最顺手的流程,可以直接抄作业。
第一步,用text-to-cad生成初版,花5分钟写一份结构清晰的提示词,迭代两三次,得到2~3个概念模型。第二步,导入CAD软件快速验证几何拓扑,筛掉有明显缺陷的方案。第三步,选定一个最优方案,在CAD里重建特征树或做特征识别,恢复完整参数化能力。第四步,进行装配验证、出图、仿真等正式流程。第五步,把生成提示词、验证记录、模型版本一起归档。
这套流程的核心,是把AI用在它最强的位置——快速提供可选起点,把精确控制和工程验证留给人。这不是什么高深方法论,但它确实解决了"AI生成的东西没法用"这个最常见的抱怨:不是工具不行,而是使用位置放错了。
我现在办公室的同事偶尔会用我搭的这套流程处理一些结构件需求,反馈普遍是"至少省了画草图的时间"。等下一步开源社区在生成模型的约束求解上再往前推进一些,这个工作流里需要人工处理的环节还会继续变少。到那时候,text-to-cad可能真的就是CAD软件自带的默认能力,而不是需要单独讨论的新鲜事物了。