1. 先搞清楚text-to-cad到底是啥
近几年AI生成内容从图片、文字卷到了3D模型，但真正干过机械设计、钣金加工或者建筑施工图的人，应该都会有同一个感觉：网上那些AI生成模型，花架子居多，真拿去做加工、出工程图，基本没法用。原因很简单，大部分AI生成出来的是网格模型，好看归好看，没有特征树、没有参数约束，放进CAD里就是一坨不能编辑的实体。而text-to-cad这个方向，要解决的正是这个问题——用一句自然语言描述，直接生成真正意义上的CAD模型，带特征、带参数、能编辑、能出图、能进CAM流程。
我第一次听到这个名字，第一反应是“又是个demo玩具吧”，但仔细扒了一圈之后发现，这个方向其实把问题想得比一般AI建模要深。它不再追求“生成一个长得像的模型”，而是追求“生成一个符合工程语义的模型”。举个例子，你说“一个长80毫米、宽40毫米、高10毫米的底板，四角开直径6毫米的通孔”，传统的AI建模工具会给你一个表面看着差不多的网格体，而text-to-cad给你的是一个带拉伸特征和四个孔特征的标准CAD零件，你随时可以双击特征修改尺寸，孔距变了，孔位跟着变，这才是设计师真正需要的东西。
这篇文章我打算从原理、工具链、实操过程、踩坑记录几个方面，把这个方向讲透。不管你是机械设计师、钣金厂的技术员，还是刚学CAD想找新工具的新手，只要你日常跟模型、图纸打交道，这个方向都值得花二十分钟了解一下。至少看完之后，你能分辨哪些“AI生成CAD”是真干活，哪些是花架子，真到自己上手的时候也不至于一头雾水。
2. text-to-cad的设计思路和背后的取舍
2.1 为什么不能直接拿AI生成网格模型当CAD用
先把最根本的问题说清楚。传统的AI3D生成，比如给一句话生成一个3D模型，绝大多数输出的格式是mesh（网格），也就是一堆三角形拼出来的表面。这种模型放在游戏、影视、3D打印预览里没问题，但一进CAD环境就露馅了。机械设计里核心的东西——特征树、草图约束、尺寸驱动、布尔运算、倒角圆角这些参数化信息，网格模型里一个都没有。你拿到一个网格模型想改个孔的位置，基本等于从零重画。
text-to-cad的核心思路，就是绕开网格这条路，直接让AI生成带参数化特征的数据结构。更直白一点说，它生成的不是“长得像的东西”，而是一整套建模操作记录。比如拉伸一块板、切一个孔、镜像一个特征、倒一个圆角，每一步都是可执行的建模命令。这样一来，输出的模型放进SolidWorks、Fusion 360、中望CAD这类软件里，依然保留完整可编辑性，甚至能直接进入下一步的CAM加工编程。
我早年试过用传统方式做类似的事：拿到一个别人的模型文件，结果没有特征树，想改个尺寸只能重新画一遍，那叫一个痛苦。text-to-cad想做掉的恰恰就是这个痛点。它的价值核心不是“生成模型”，而是“生成建模过程”，这个定位上的差别，决定了它跟所有AI生成模型的思路都不一样。
2.2 两条主流技术路径：直接生成特征序列 vs 生成程序代码
目前text-to-cad实战里跑得通的技术路线基本是两条。
第一条是“序列生成路线”。研究者把CAD建模过程拆解成一系列离散的、可组合的特征操作，比如“新建草图”“拉伸”“打孔”“倒角”，每个操作都编码成一个token，整个建模过程就变成了一段token序列。AI要做的就是根据你输入的文字描述，预测出这一段序列。训练的时候，用的数据集不是普通3D扫描件，而是带完整特征树的实体CAD模型，把这些模型还原成建模命令序列，再配上文字描述，形成训练对。OpenAI的研究团队做过这方面的尝试，用的核心思路就是这个，效果相当惊艳，生成的模型放到工业软件里直接可用。
第二条是“程序生成路线”。这条路不走中间格式，直接让大语言模型生成一段代码。比较有代表性的就是CadQuery这种程序化建模框架，它用Python代码来描述CAD建模步骤。AI根据自然语言描述输出一段CadQuery代码，执行这段代码就能生成实体模型。这条路的好处是利用了LLM本身写代码的能力，模型不用从零学习建模逻辑，只要学会把自然语言映射成API调用就行，门槛低、迭代快。我后面实操演示用的就是这条路线，因为开源工具链最完整，小白拿来练手也最方便。
2.3 没有数据集，这个方向根本跑不起来
说到底，text-to-cad能成立，背后离不开数据集的支撑。专门的文本-CAD配对数据集，比如DeepCAD，收录了几十万个机械零件模型，每个模型都带完整的建模序列和文本标注。这些数据是从公开的模型库里清洗出来的，拿来做模型训练，才能让AI学会“这句话对应哪些建模步骤”。没有这类数据集，大模型再聪明，也不知道“一个带六个螺栓孔的圆形法兰”应该怎么一步步画出来。
这块我多说两句。文本-CAD配对数据集的构建难度比想象中大得多。首先，海量模型库里带干净特征树的就没多少，很多模型是导入导出去参数化信息的；其次，一个模型对应一段文本描述，描述该怎么写、写到什么详细程度，都需要人工规范。清洗几万个模型的人工成本，就是这个方向真正卡脖子的地方。好在现在开源数据集越来越多，这个方向的迭代速度也在肉眼可见地加快。
3. 核心细节解析：特征、参数与几何内核
3.1 特征不是简单的“形状标签”
我一开始理解“特征”这两个字的时候走了弯路，以为就是给模型贴个标签，比如“这是一个法兰”“这是一个支架”。后来在实践中才搞清楚，CAD里的特征是有严格几何语义的。一个拉伸特征，至少包含：草图所在的平面、草图形状、拉伸方向、拉伸距离、是否对称拉伸、是否做布尔运算。任何一项信息缺失，生成的模型就没法在工程软件里正常编辑。
所以text-to-cad的难度在于，AI不仅要识别出你需要什么零件，还要把一个自然语言描述里的模糊信息，转换成精确的几何参数。你说“一个厚一点的底板”，AI得自己判断“厚”到底对应多大的拉伸距离；“几个孔”到底是三个、四个还是六个。模型通常会给一个默认值和合理的分布方式，这就是目前这类工具没有100%准确的原因——它本质上是在做带不确定性的推理。
这就引出一个关键的使用习惯：描述越精确，生成结果越可控。在CAD里写描述，别用“一个大底座”这种口语，直接说“长200宽150高20的矩形底座，中心开直径30的圆孔，四角开直径10的通孔”，出来的模型基本能一次到位。后面我会专门写一段描述模板，照着写能少踩很多坑。
3.2 参数化驱动是灵魂
为什么传统CAD用户应该关注text-to-cad，而不是那些炫酷的AI建模工具？因为参数化。一个text-to-cad生成的模型，每个特征都带参数，尺寸可以随时改。你说“一个直径50的圆盘”，AI生成之后，你把直径参数改成80，整个模型的孔位、倒角、关联尺寸会联动更新。这在产品迭代设计里太重要了——客户改一次尺寸，不需要从头重画图，改参数就行。
这一点也是判别一个AI建模工具是不是“真CAD”的分水岭。凡是导出文件只有STL或者OBJ的，不管宣传词写得多天花乱坠，都只能算“3D生成工具”；只有导出STEP、IGES，并且保留参数化特征树的，才算入了CAD的门。
3.3 几何内核与文件格式的选择
既然要做真正的CAD模型，绕不开几何内核。目前text-to-cad相关的开源工具和商业工具，底层几何内核主要来自两套体系：一套是OpenCascade（OCC），被大量开源软件使用，比如FreeCAD，它能创建标准的B-rep实体模型；另一套是各商业软件自研内核，比如Autodesk的ShapeManager，Fusion 360和AutoCAD，就用它处理实体数据。
文件格式方面，想要最大兼容性，优先用STEP格式。STEP是工业界最常见的通用交换格式，几乎所有的三维CAD软件都能导入导出，而且能最大限度保留几何信息。如果你在AI工具里生成了模型，想拿到中望CAD或者其他国产软件里继续加工，导出STEP基本不会翻车。想保留特征树的话，就得看工具本身跟哪个软件生态绑定更紧，比如Fusion 360自家的格式。
这个细节很多新手不重视，喜欢直接拿STL下手。我只能说，STL这东西只适合3D打印建模，放到CAD里就是一坨三角面片，别说改参数了，连选中一个面都费劲。生成完模型第一件事就是确认导出格式，这一点直接决定后续工作流顺不顺畅。
4. 实操演示：用自然语言生成一个可编辑的法兰盘
4.1 环境准备与工具选型
我实操用的是开源路线，选CadQuery作为建模后端，配合大语言模型把自然语言描述翻译成CadQuery代码。选这个组合的原因很简单：CadQuery的代码可读性好，生成的STEP文件能被主流CAD软件直接打开，而且整个工具链完全开源，不需要花一分钱。
你只需要准备以下几样东西：
- Python 3.9以上环境，建议直接用Anaconda装一个干净的虚拟环境，省得把系统Python搞乱；
- CadQuery库，
pip install cadquery就完事； - 一个能生成代码的大语言模型API，或者本地部署的开源模型，这一步看你个人情况，能跑通代码生成就行；
- FreeCAD或中望CAD这类软件，用来打开生成的STEP文件做验证，中望CAD对STEP的支持挺不错，FreeCAD开源免费。
这套环境在Windows、macOS都跑得通。我自己的主力环境是Windows 11，Python装在虚拟环境里，后续清理也方便，不会影响系统里原本装的AutoCAD这类工程软件。
4.2 写一段合格的描述文本
这一步直接决定成品质量。我拿“法兰盘”举例，先说一个反面案例：“一个法兰盘，上面有孔。”这种描述AI大概率生成一个圆柱带几个洞，具体尺寸全凭运气，进了CAD还得大改。
我实测好用的描述模板长这样：
创建直径100毫米的圆柱体，厚度15毫米。在圆柱体中心创建一个直径25毫米的通孔。在距圆心40毫米的圆周上，均匀分布4个直径9毫米的通孔。所有孔均为通孔。
核心技巧是：把尺寸、位置、数量、几何类型全部说清楚。这里的信息点包括圆柱直径、高度、中心孔直径、圆周孔的分布圆直径、数量、孔径。AI接到这种描述，输出的代码几乎不需要人工修改。
再延伸一下，“均匀分布4个孔”这种带工程语义的描述，是最考察AI水平的地方。真正的CAD实现里，要做圆周阵列，CadQuery里就是建立一个圆形阵列再逐个放孔。AI如果理解到位，生成的代码会直接调用阵列功能，以后你想改成6个孔，改一个数字就行，整个阵列自动更新。
4.3 让AI生成代码并执行
我实际跑的时候，描述直接发给大模型，并附加一句“请用CadQuery代码实现，导出STEP文件”。大模型返回的代码大概长这个样子：
import cadquery as cq # 法兰盘主体：直径100，厚度15 flange = cq.Workplane("XY").cylinder(15, 100) # 中心通孔：直径25 flange = flange.faces(">Z").workplane().hole(25) # 4个圆周均布通孔：分布圆直径80，孔径9 flange = flange.faces(">Z").workplane().polarArray(80, 0, 4, 360).hole(9) # 导出STEP cq.exporters.export(flange, "flange.step")执行这段代码后，目录下会生成一个flange.step文件。我拿到中望CAD里打开，模型加载正常，特征可以编辑，圆孔阵列也是参数化的，改数量、改直径都同步更新。
这里有个细节值得单独说明：faces(">Z")这个操作在CadQuery里表示选择顶面，.workplane()在顶面上建立新的工作平面，后续打孔操作都基于该平面执行。这种平面-草图-特征的组织方式，跟你在SolidWorks里手动建模型的逻辑是完全一致的，只是用代码表达了出来。AI生成代码时不光翻译了你的话，还需要理解这一步一步的建模逻辑顺序，顺序错了模型就废了。
4.4 自由曲面案例的补充说明
机械零件多数是规则几何体，但导轨支架、壳体类零件免不了有斜面、曲面。这类需求描述要更细致，得把曲面类型说清楚。比如“半径为50的圆弧面过渡”“倾斜角度45度的斜面”，AI生成的代码虽然复杂，但CadQuery本身处理B-rep曲面有完整内核支持。
如果遇到特别复杂的自由曲面，依赖纯参数化建模有点吃力。我在实际项目里的经验是，让AI先把规则特征全部建好，导出STEP后再放进CAD里，用拉伸、放样、边界曲面这些工具补完曲面部分。这个混合工作流是当前text-to-cad精度下的最优解，纯靠AI生成复杂曲面挺容易翻车的。
5. 实操中绕不开的几类坑
5.1 描述越详细越好，但是别啰嗦
前文说了描述要精确，但另一个极端也要避开：一股脑把所有尺寸都塞进去，AI反而容易丢失关键信息。我建议的做法是分两条描述：第一条描述整体轮廓和主要尺寸，第二条描述局部特征。如果你用的是对话式大模型，可以分两步生成，先生成主体，再追加局部特征，效果比一口气写完要好。
顺带一提，有些模型对单位敏感。你写“100”它默认可能是毫米，但如果有工具或者模型用了不同单位制，输出就全偏了。最稳妥的方式，描述里明确写“单位均为毫米”，几秒钟能避免后面大改一通。
5.2 生成结果能打开，但模型是坏的
有几次我生成的STEP文件能正常打开，但是模型一选中就报错，或者布尔运算失败。后来排查发现根源是AI生成的某些几何操作，在数值公差上处理得不干净。比如两个面在理论上是贴合的面，但内部容差稍大，CAD软件判定为不连续。这类问题在工程上是必须解决的，不然模型没法加工。
排查思路：先在CadQuery环境里对生成的模型做一次快速几何检查，用val().isValid()判断实体是否合法，检查体积是否大于零，面是否封闭。都过了再导出STEP。如果模型不合法，回头改描述文本，把没有意义的复杂细节去掉，让几何尽量简洁。很多时候模型不合法就是因为描述里加了过多的微小特征，比如0.1毫米的倒角，建模内核在容差范围内直接崩了。
5.3 SHX字体缺失、命令失效这些老问题，换了AI依然存在
文本转CAD真正进到生产流程时，你还是得面对那些经典恼火事。拿CAD图纸来说，打开别人发的图纸经常提示缺少SHX字体，然后文字全变成问号，这是从A类CAD时代一直传下来的老毛病。用text-to-cad生成图纸再导出导入遇到这类问题，并不意外。解决路径依然是给CAD指定一个可用的字体库。CAD安装目录的Fonts文件夹是整个软件全局字体库，把常用的SHX中文字体丢进去，提示会少很多。中望CAD这类国产软件对中文支持普遍更好，我遇到缺失提示的概率比国外软件低很多。
如果你经常打开新图纸，建议养成一个习惯，下载一个固定的字体包，统一深浅目录存放，图纸里有缺失提示就直接指定到该目录，不要每次现找。我在实际工作中还会用到脚本批量替换字体文件，一次性处理数十张图纸。这些经验都是和text-to-cad无关，但又是实际工作绕不开的CAD问题。
5.4 python批量处理CAD和图纸合并的需求
很多工厂的技术员，日常工作大量时间花在给一批图纸改图元、合并图纸上。text-to-cad的Python工作流完全可以迁移到这类场景。用python对CAD做批量修改，常见的实现思路是用DXF格式作为中间格式，DXF是明文的文本格式，可以用python的ezdxf库直接读写，批量修改图元属性、批量替换文字，然后重新保存为dwg或者dxf。这套办法在不需要完整交互界面的场景下很实用，效率比手动改图高一到两个数量级。
至于图纸合并，我个人的经验是优先把需要合并的图纸另存为同一个版本，然后使用CAD的“设计中心”功能批量拖入图块和图层，比复制粘贴靠谱得多，不容易出现图层命名冲突和比例错乱。用脚本控制这些操作也是可行的，前提是你要用支持COM接口的CAD版本，Python通过pywin32发命令给CAD执行。这里面的细节够写一篇长文了，但思路核心就是一个问题：如何通过程序来替代重复性人工操作，text-to-cad只是这条思路里的一个特例。
6. 工具选型建议：哪些场景适合上，哪些场景先观望
6.1 适合用text-to-cad的场景
根据我实际使用的感受，适合用这个方向的场景有三个共同特点：零件结构规整、特征以拉伸旋转打孔为主、尺寸要求明确。机加工行业的法兰、轴承座、安装底板、支架，钣金行业的折弯件、加强筋、安装孔布局，这些零件结构相对标准，描述起来简洁明了，AI生成的成功率高，覆盖了大部分日常设计需求。
还有一个很适合的场景是前期方案评审。跟客户或者同事对方案时，快速生成多个不同结构的模型，不用手工画，改一段描述就能换一个方案，沟通效率提升非常明显。这种场景对尺寸精度要求没那么高，生成结果不完美也能用，模型A出来看整体比例，模型B出来看孔位排布，比现场画图方便太多了。
6.2 不适合的场景，别硬上
反过来说，我建议这些场景暂时观望：一是包含复杂曲面造型的产品设计，比如消费电子壳体和汽车内饰件，目前生成质量还远达不到直接使用水平；二是需要严格符合国标、行标的出图规范场景，比如标注、公差、表面粗糙度、焊接符号这些，AI生成的图纸基本不能直接用，还是需要老练的制图员手动补全。
三是大装配体设计，几十上百个零件的装配关系，一台机器整体建模，这种级别text-to-cad还没法处理。别指望输入“一个输送机”就能生成整台设备，现在的模型能力上限还停留在单零件级别。把格局放小一点，拿它做零件级设计辅助，是比较务实的定位。
7. 文本转CAD的可扩展方向
text-to-cad目前虽然很年轻，但我已经在实际应用中摸索出几个扩展用法，这里分享给大家。
第一个是跟参数化设计库结合。用CadQuery或者类似框架维护一套标准化零件库，比如把工厂常用的垫片、法兰、管接头全部参数化建模，然后用自然语言接口调用其中的某个零件并设定尺寸。这样一来，设计新设备时不需要从零画每一个零件，说一句话就能调出标准件。很多公司做标准化设计时，都会建这种库，现在加上语言接口，调用门槛低了非常多，普通技术员也能直接用。
第二个是草图生成。text-to-cad不只是能生成三维特征，AI完全可以先帮你生成一个带约束的二维草图，再进行拉伸或旋转。草图是CAD建模的基础，草图的约束生成如果做得好，后续建模效率会有很大提升。我实测过把一段文字描述转成二维草图再拉伸，比直接生成三维特征更可控，因为草图的每一步逻辑是可见可改的。
第三个很实用的场景，是旧图纸的语义化改造。很多工厂积累了数万张老DWG图纸，零件图、装配图堆了十几年。这些图纸往往没有特征树，只是一堆线条和标注，想参数化编辑非常困难。理论上，把图纸输入给AI，让它识别出几何语义，再生成参数化特征模型，就可以实现历史图纸的“复活”，稍加整理就能变成可以二次开发的三维模型库。虽然这个场景目前还不成熟，但我觉得它会是一个特别值得关注的方向，一旦数据标注问题解决，价值是巨大的。
最后再分享一个小经验。用text-to-cad生成模型后，第一件事不是直接投产，而是先在自己的主流CAD软件里打开，激活特征树看一眼，有没有奇怪的曲面、有没有多余的隐含特征。这一步我每次必做，因为AI偶尔会生成从逻辑上看不出问题、但制造上不合理的特征，比如莫名其妙的内部腔体，肉眼检查比任何自动检查都可靠。真等到编完CAM、刀路都生成出来才发现问题，损失就是以小时为单位计算的了。
