Text-to-CAD实战：从文本到三维模型的生成式设计指南

1. 从一句话到三维模型Text-to-CAD到底在做什么第一次看到“Text-to-CAD”这个词我脑子里蹦出来的画面是对着电脑说一句“给我画个法兰盘”然后SolidWorks自己动起来。这个想象当然过于科幻但它指向的方向是真实的——用自然语言描述需求让机器直接输出可用的CAD文件而不是让人从草图、拉伸、倒角一步步手工建模。Text-to-CAD本质上是一类生成式设计工具。它的输入是一段文本提示比如“一个直径80毫米、厚度10毫米、中心带20毫米通孔的圆形法兰盘四角各有一个M6螺栓孔”输出则是一个CAD文件通常是STEP、STL或者直接可编辑的参数化模型。中间发生的事情是把自然语言翻译成几何约束再把几何约束翻译成边界表示B-Rep或者网格数据。这件事为什么值得关注因为传统CAD建模的门槛不在“会不会用软件”而在“能不能把脑子里的形状翻译成软件能理解的操作序列”。一个熟练的机械设计师建一个中等复杂度的零件可能要半小时到两小时而Text-to-CAD如果能把这段描述直接变成模型哪怕只是初稿也能把时间压缩到几十秒。对于概念设计阶段、方案比选阶段、甚至非专业人员的快速验证需求这个价值是实打实的。但“设计师要失业”这个说法我持保留态度。原因后面会展开讲先给结论Text-to-CAD目前更像是一个高速草图生成器它能帮你跳过从零开始的第一步但离“替代设计师”还差着工程约束、公差配合、可制造性分析、装配关系这一整套东西。把它当成一个能听懂人话的建模助手比当成职业威胁更实际。这篇文章会从技术原理、实操流程、常见坑、以及它和现有CAD工作流的结合方式几个角度展开。适合机械设计从业者、产品经理、创客、以及任何对“AICAD”这个交叉领域好奇的人。不需要你有机器学习背景但最好对CAD建模的基本概念有一点了解比如什么是草图、什么是特征、什么是B-Rep。2. 拆解Text-to-CAD的技术骨架它凭什么能“听懂”你的描述2.1 从文本到几何三层翻译机制Text-to-CAD不是一步到位的魔法它内部至少经过三层转换。理解这三层你就能明白它为什么有时候很聪明、有时候很离谱。第一层是语义解析。你输入的文本先被一个大语言模型LLM处理提取出关键参数和几何意图。比如“直径80毫米”会被解析为{feature: circle, parameter: diameter, value: 80, unit: mm}。这一步的难点在于自然语言的歧义性——“中心带个孔”到底是通孔还是盲孔“四角”是矩形四角还是圆形均布LLM需要结合上下文和常识来推断但推断就可能出错。第二层是几何约束求解。解析出来的参数被映射到一组几何约束上比如同心、垂直、平行、相切。这些约束构成一个约束网络求解器负责找到满足所有约束的几何配置。这一步和传统CAD里的参数化求解器是同一类东西只不过输入不是人手动标注的约束而是从文本推断出来的。第三层是B-Rep生成。约束求解得到的是抽象的几何关系最终要变成B-Rep数据结构——也就是用面、边、顶点来描述三维形状。这一步通常涉及特征操作序列的生成比如“先拉伸一个圆柱再在端面打一个通孔再在法兰边缘阵列四个小孔”。这个操作序列的质量直接决定了输出模型的可编辑性。注意目前大多数Text-to-CAD工具在第三层输出的都是“死”模型也就是没有特征树的STEP文件。你拿到之后可以测量、可以加工但想改一个参数就得重新生成或者手动重建。少数工具能输出带特征树的原生格式但兼容性往往有限。2.2 B-Rep为什么是核心难点B-Rep是Boundary Representation的缩写中文叫边界表示。它是绝大多数专业CAD软件SolidWorks、CATIA、NX、Creo内部使用的几何表示方法。简单说B-Rep用“这个物体由哪些面围成、每个面由哪些边围成、每条边由哪些顶点定义”来描述一个三维形状。为什么B-Rep难因为它的生成需要保证拓扑一致性。举个例子你让系统生成一个带孔的板系统需要确保孔的面和板的面正确相交相交处生成新的边边的端点要精确落在面上。如果拓扑关系错了模型就会“漏水”——看起来是个实体实际上内部有裂缝无法进行后续的布尔运算或者网格划分。相比之下网格表示比如STL就简单得多它只用三角形面片逼近形状不需要维护复杂的拓扑关系。但网格模型不能直接用于参数化编辑精度也受限于面片密度。所以Text-to-CAD如果只输出STL那它就是个“3D打印预览器”只有输出B-Rep才能真正进入工程设计流程。目前能做到稳定输出B-Rep的Text-to-CAD方案背后通常依赖一个几何内核比如OpenCASCADE、Parasolid或者ACIS。这些内核负责实际的几何运算Text-to-CAD系统只负责把文本翻译成内核能理解的API调用序列。2.3 机器学习在其中的角色不是替代内核而是桥接语义很多人以为Text-to-CAD是“机器学习直接生成CAD”其实更准确的描述是机器学习负责理解意图几何内核负责生成形状。机器学习模型通常是微调过的LLM或者专门的序列到序列模型做的是把自然语言映射到几何操作序列或者约束集合真正的几何计算还是交给传统内核。这个分工很重要因为它决定了系统的能力边界。机器学习部分可以处理模糊的、不完整的描述比如“一个看起来像齿轮的东西”但它不能保证生成的几何是精确的、可制造的。几何内核部分可以保证精度和拓扑正确性但它需要明确的、无歧义的输入。所以一个实用的Text-to-CAD系统通常会在中间加一层交互确认。比如系统先解析出它理解的参数让你确认或修改然后再生成模型。这个设计看起来不够“智能”但实际使用中能大幅降低返工率。2.4 和传统参数化建模的关系互补而非替代传统参数化建模的核心是“特征树约束”。你画一个草图标注尺寸和约束然后拉伸成实体再在实体上打孔、倒角、阵列。每一步都记录在特征树里改一个尺寸整个模型自动更新。Text-to-CAD目前生成的模型大多数没有这样的特征树。它输出的是一组几何操作的结果而不是操作本身。这意味着你拿到模型后如果想改一个孔的直径不能直接双击修改只能重新生成或者手动重建特征。但这不代表Text-to-CAD没有价值。它的价值在于从零到一的速度。概念设计阶段你需要快速验证十几个方案每个方案都手工建模太慢。Text-to-CAD可以让你用文本描述快速生成一批初稿然后挑出有潜力的方案再手工细化。这个流程比纯手工建模快得多也比纯手工建模更不容易陷入“第一版方案”的思维定势。3. 实操流程从文本提示到可用的CAD文件3.1 环境准备与工具选型目前Text-to-CAD的落地方式主要有三种一是使用现成的在线平台比如Zoo的Text-to-CAD、Autodesk的Project Bernini相关实验功能二是调用API自己搭建流程比如用LLM解析文本再调用OpenCASCADE或者CadQuery生成几何三是使用开源方案比如基于CadQuery和LLM的本地工具链。如果你只是想快速体验建议从在线平台开始。注册账号输入一段描述等几十秒下载STEP文件。这个过程不需要任何本地环境配置适合先建立直观感受。如果你想深入定制比如批量生成、集成到自己的设计流程里那就需要走API路线。典型的工具链是这样的文本解析调用LLM API比如DeepSeek、智谱、或者本地部署的开源模型把自然语言转成结构化的几何参数。几何生成用CadQuery或者OpenCASCADE的Python绑定根据参数生成B-Rep模型。格式导出把模型导出为STEP、STL或者DXF。后处理用FreeCAD或者SolidWorks打开检查几何质量必要时手动修复。提示如果你选择调用LLM API注意控制上下文长度。有些模型的上下文窗口很大但实际使用时过长的提示反而会降低解析准确率。建议把提示控制在200字以内只包含关键尺寸和形状描述。3.2 提示词怎么写从“能生成”到“生成得对”提示词的质量直接决定输出模型的质量。我试过几十次之后总结出一个比较稳的模板形状类型 关键尺寸 特征列表 单位 输出格式举个例子生成一个圆形法兰盘外径80毫米厚度10毫米中心通孔直径20毫米沿直径60毫米的圆周均布4个直径6毫米的通孔。输出STEP格式。这个提示里每个信息都有明确的作用。“圆形法兰盘”定义了基本形状“外径80毫米”和“厚度10毫米”定义了主要尺寸“中心通孔直径20毫米”定义了中心特征“沿直径60毫米的圆周均布4个直径6毫米的通孔”定义了阵列特征“输出STEP格式”定义了文件类型。对比一个模糊的提示画一个法兰。这个提示可能生成一个圆盘也可能生成一个带颈的法兰也可能生成一个完全不相干的东西。系统没有足够的信息来推断你的意图。我踩过的一个坑是不要用“大概”“差不多”“类似”这样的词。Text-to-CAD系统对模糊词汇的处理能力很有限它要么忽略这些词要么做出一个你完全没想到的猜测。如果你不确定具体尺寸宁可给一个范围或者一个典型值也不要给模糊描述。另一个坑是单位。有些系统默认使用毫米有些默认使用英寸。如果你不指定单位生成的模型可能差25.4倍。我建议每次都在提示末尾加上“单位毫米”或者“单位英寸”。3.3 参数计算与选择以法兰盘为例假设你要生成一个标准法兰盘但你不确定某些参数该怎么给。这里给一个实际的计算过程。法兰盘的核心参数包括外径、内径、厚度、螺栓孔直径、螺栓孔数量、螺栓孔分布圆直径。如果你要连接一个外径50毫米的管道法兰外径通常取管道外径的1.5到2倍也就是75到100毫米。厚度取决于压力等级低压场合取8到12毫米中压场合取12到20毫米。螺栓孔直径取决于螺栓规格M6螺栓对应6.5毫米通孔M8对应8.5毫米M10对应10.5毫米。螺栓孔数量通常是4的倍数小法兰用4个中等法兰用8个大法兰用12个或更多。分布圆直径通常取外径减去2倍螺栓孔边距边距一般取1.5倍螺栓直径。把这些计算写成提示词生成一个圆形法兰盘外径100毫米厚度12毫米中心通孔直径50毫米沿直径80毫米的圆周均布8个直径6.5毫米的通孔。单位毫米。输出STEP格式。这个提示生成的模型基本可以直接用于概念验证或者3D打印预览。如果要用于实际加工还需要补充公差、表面粗糙度、材料标注等信息但这些目前Text-to-CAD还处理不了需要后续在CAD软件里手动添加。3.4 生成后的检查与修复Text-to-CAD生成的模型我建议至少做三项检查第一几何完整性检查。在CAD软件里打开模型尝试做一个布尔运算比如和一个立方体求交。如果运算失败说明模型拓扑有问题可能有裂缝或者自相交。这时候可以用CAD软件里的“修复”工具或者用Netfabb之类的网格修复工具处理。第二尺寸复核。用测量工具检查关键尺寸是否和提示词一致。我遇到过生成的孔位偏移、直径偏差、厚度不对的情况。偏差通常不大但如果不检查后续装配就会出问题。第三可制造性初判。如果是准备加工或者3D打印的零件检查有没有过薄的特征、有没有无法加工的内角、有没有需要特殊刀具的倒角。这些判断目前还得靠人Text-to-CAD不会主动提醒你。注意如果生成的模型用于3D打印建议导出STL后先用切片软件预览一遍。有些几何问题在CAD软件里看不出来但在切片软件里会暴露比如非流形边、法线方向错误等。4. 常见问题与排查技巧实录4.1 生成失败或超时的几种原因Text-to-CAD生成失败最常见的原因有三个提示词太复杂、提示词有歧义、或者服务端资源不足。提示词太复杂是指你在一段话里塞了太多特征。比如“生成一个带齿轮的轴轴上有键槽齿轮是斜齿模数2齿数20压力角20度轴径30毫米长度200毫米两端有轴承位”。这种提示涉及多个零件和复杂的齿轮几何大多数Text-to-CAD系统处理不了。我的建议是拆分成多个简单零件分别生成然后在CAD软件里装配。提示词有歧义是指系统无法确定你的意图。比如“生成一个支架”支架的形状千变万化系统只能猜。解决办法是增加形状约束比如“生成一个L形支架竖直板高100毫米水平板长80毫米厚度都是8毫米竖直板上有两个直径8毫米的安装孔”。服务端资源不足通常表现为超时或者返回错误码。这种情况只能重试或者换一个时间段再试。如果你用的是API建议加一个重试机制设置3次重试每次间隔5秒。4.2 生成的模型“看起来对但用不了”怎么办这是最让人头疼的情况。模型在预览里看起来没问题但导入CAD软件后发现无法编辑、无法布尔运算、或者尺寸不对。我遇到过一次生成的法兰盘在在线预览里显示正常但下载STEP后用SolidWorks打开发现中心孔不是一个圆柱面而是由几十个小平面拼成的近似圆柱。这种模型无法用于配合因为配合需要精确的圆柱面。排查这种问题我通常用以下步骤在CAD软件里检查面的类型。如果是平面或者圆柱面会显示为规则曲面如果是样条面或者网格面会显示为不规则曲面。尝试做一个简单的编辑操作比如拉伸一个面或者倒一个角。如果操作失败说明几何有问题。用CAD软件自带的“几何检查”工具扫描模型中的裂缝、自相交、小面等缺陷。如果确认模型有问题最直接的解决办法是重新生成并在提示词里加上“使用精确圆柱面”“使用平面”“避免样条曲线”等约束。有些系统支持这类几何质量约束有些不支持需要试。4.3 提示词里的“坑词”清单以下词汇在Text-to-CAD提示词里容易引发问题我整理了一个速查表坑词问题替代写法大概、差不多系统无法处理模糊量给具体数值或范围类似、像系统无法理解类比描述具体形状特征漂亮、好看主观审美无法量化描述具体比例或风格标准标准有很多种指定具体标准号或尺寸薄、厚没有绝对标准给具体厚度数值大、小没有绝对标准给具体尺寸或比例圆润无法量化给倒角半径或圆角半径对称对称方式不明确说明是轴对称还是镜像对称这个表是我在实际使用中慢慢积累的不一定全面但覆盖了大多数常见问题。4.4 性能优化的几个实操技巧如果你用API批量生成模型以下几个技巧可以提升效率和成功率批量提交时加延迟。连续快速调用API容易触发限流建议每次调用之间加1到2秒延迟。如果生成的是复杂模型延迟加到3到5秒。缓存常用参数。如果你经常生成同一类零件比如不同尺寸的法兰盘可以把提示词模板化只替换尺寸参数。这样既减少输入错误也方便批量生成。失败重试加退避。第一次失败后等5秒重试第二次失败后等15秒第三次失败后等30秒。大多数临时性故障可以通过重试解决。输出格式按需选择。如果只是预览形状STL就够了生成速度快、文件小。如果要后续编辑必须用STEP。如果要3D打印STL或者3MF都可以。不要盲目追求高精度格式那会拖慢生成速度。5. Text-to-CAD的能力边界与适用场景5.1 它擅长什么快速原型与概念验证Text-to-CAD最擅长的场景是概念设计阶段的快速迭代。你有一个模糊的想法想快速看到三维形状这时候用Text-to-CAD比手工建模快得多。举个例子你在设计一个桌面收纳架脑子里有几个方案方案A是阶梯式方案B是抽屉式方案C是悬挂式。手工建模每个方案至少半小时用Text-to-CAD每个方案几十秒就能出初稿。你可以快速比较三个方案的视觉效果和空间占用然后挑一个深入细化。另一个擅长场景是非专业人员的需求表达。产品经理、市场人员、甚至客户他们可能不会用CAD软件但能描述自己想要什么。Text-to-CAD让他们可以直接把描述变成模型减少和设计师之间的沟通成本。还有一个场景是批量生成标准件。比如你需要一批不同尺寸的垫片、支架、连接件这些零件形状相似、尺寸不同。用Text-to-CAD批量生成比手工建模快得多而且不容易出错。5.2 它不擅长什么精密配合与可制造性设计Text-to-CAD目前处理不了精密配合。比如轴承位和轴承的配合需要控制公差等级、配合性质、表面粗糙度这些信息Text-to-CAD无法从文本中推断也无法在B-Rep中表达。它也处理不了可制造性设计。比如注塑件的拔模斜度、机加工件的刀具半径避让、钣金件的折弯系数这些需要结合具体工艺知识来判断Text-to-CAD没有这些知识。它还处理不了装配关系。一个产品由多个零件组成零件之间有装配约束、运动关系、干涉检查。Text-to-CAD一次只能生成一个零件装配还得在CAD软件里手动完成。所以我的判断是Text-to-CAD会改变设计师的工作方式但不会取代设计师。它把设计师从重复性的建模劳动中解放出来让设计师有更多时间做真正需要判断力的工作——方案比选、工艺优化、装配设计、可制造性分析。5.3 和现有工作流的结合方式我目前的使用方式是Text-to-CAD生成初稿CAD软件细化最后回到传统流程。具体来说概念阶段用Text-to-CAD快速生成一批方案挑出有潜力的导入SolidWorks或者Fusion 360。然后在CAD软件里重建特征树补充约束和尺寸调整几何细节。最后按照传统流程做工程图、公差标注、BOM表。这个流程的好处是Text-to-CAD负责“从零到一”CAD软件负责“从一到一百”。两者各司其职效率比纯手工建模高质量比纯Text-to-CAD生成高。如果你在团队里推广这个流程建议先从一个小的、非关键的项目开始试点。比如内部使用的工装夹具、展示用的概念模型、或者教学用的示例零件。等团队熟悉了工具的能力边界再逐步扩展到更重要的项目。6. 我对Text-to-CAD的实际使用体会我用Text-to-CAD大概有几个月了生成过法兰盘、支架、齿轮毛坯、外壳、连接件等各类零件。整体感受是它是一个好用的初稿工具但不是一个可靠的成品工具。最让我惊喜的一次是生成一个复杂的安装支架。我描述了形状、尺寸、孔位系统在40秒内生成了一个STEP文件导入SolidWorks后检查主要尺寸都对孔位也正确。我只需要补充几个倒角和圆角就可以直接用于3D打印验证。这个过程如果手工建模至少需要一个小时。最让我失望的一次是生成一个齿轮。我描述了模数、齿数、压力角、齿宽系统生成的模型齿形完全不对齿廓是样条曲线逼近的无法用于啮合分析。后来我改用CAD软件里的齿轮插件几分钟就生成了标准渐开线齿形。这件事让我明白Text-to-CAD对标准机械元素的处理能力还很有限专业插件仍然不可替代。还有一个体会是提示词的质量比工具本身更重要。同一个工具我用模糊提示生成的东西基本不能用用精确提示生成的东西大部分能用。所以如果你打算用Text-to-CAD花时间学习怎么写提示词比花时间比较不同工具更有价值。最后分享一个小技巧如果你不确定某个描述会不会被正确解析可以先在文本里加上“请确认以下参数”然后列出你理解的参数让系统先返回它解析的结果确认无误后再生成模型。这个“先确认后生成”的流程能大幅降低返工率。