1. 什么是text-to-cad？它不是“AI画图”，而是工程链路的底层重构
text-to-cad这个短语最近在工业软件圈、AIGC开发者群和制造业技术论坛里频繁刷屏，但绝大多数人第一次看到时都会下意识理解成“用文字生成CAD图纸”——这就像听说“用文字生成Excel”一样，听起来合理，实则严重误判。我从2016年开始在汽车零部件厂做三维结构设计，后来转岗做PLM系统集成，再到现在带团队开发工程数据中间件，十年间亲手处理过超过17万份STEP、IGES、STL和原生SolidWorks/SolidEdge/CATIA模型文件。text-to-cad根本不是让AI帮你画个螺栓草图，它的本质是：把自然语言描述的几何意图，直接编译为符合ISO 10303-21（即STEP AP242）标准的、可被NX或Creo原生加载的参数化实体模型，跳过人类建模师的手动建模环节。关键词里反复出现的CAD、STEP、GLB、STL，恰恰暴露了当前技术的真实断层：STL是三角面片堆出来的“壳”，GLB是Web端渲染用的轻量化网格，而STEP才是工程师真正用来做公差分析、NC编程、模流仿真的“数字零件身份证”。你输入“直径25mm、长度80mm、两端带M10×1.5外螺纹、中间开Φ6通孔、表面粗糙度Ra1.6的阶梯轴”，text-to-cad系统输出的不该是一个带UV坐标的GLB文件，而应是一份能直接导入西门子Teamcenter并触发自动工艺路线生成的STEP AP242文件。这背后涉及的是计算几何、特征识别、参数约束求解、B-rep拓扑重建四大硬核模块的协同——不是调用Stable Diffusion加个ControlNet就能搞定的事。它解决的也不是“设计师太忙画不完图”的表层问题，而是制造业里最痛的“工程意图失真”：采购单写“不锈钢法兰”，到车间变成304还是316搞不清；技术协议说“密封面平面度≤0.02mm”，实际加工后检测报告却用的是轮廓度评价。text-to-cad要做的，是让原始需求文本成为唯一可信源，所有下游数据都从这里派生。所以它适合三类人：一是需要快速验证结构概念的机械研发工程师，二是做非标设备集成的项目工程师，三是正在搭建数字主线（Digital Thread）的IT架构师。如果你只是想找个免费CAD看图器，或者需要把PDF扫描件转成DWG——那这不是你的目标工具。
2. text-to-cad的技术实现路径与核心瓶颈拆解
2.1 为什么不能走“文生图→图生模”这条捷径？
很多初学者会想：既然已有成熟的text-to-image模型（如DALL·E 3、SDXL），何不先生成一张带尺寸标注的二维工程图，再用OpenCV识别线条、OCR提取尺寸，最后用Python调用FreeCAD API重建三维模型？我去年带实习生做过完整验证：用127张标准齿轮减速箱装配图训练一个专用OCR+几何推理模型，最终在测试集上对Φ45H7公差标注的识别准确率只有63.2%，更致命的是——二维视图本身存在信息缺失。一张主视图加俯视图，无法唯一确定一个带内凹槽的异形支架的空间拓扑关系；而STEP文件要求精确到每个面的法向量、每条边的曲率连续性、每个顶点的容差带。我们曾用某知名AI绘图工具生成“带R3圆角的L型铝型材截面”，结果输出的SVG线条在拐角处出现0.17mm的微小错位，FreeCAD布尔运算时直接报“拓扑异常：边不闭合”。这说明：从像素到B-rep的映射是病态问题（ill-posed problem），没有额外的几何先验知识注入，纯数据驱动的方法必然失败。真正的text-to-cad必须绕过图像中介，直接在参数空间（Parameter Space）和拓扑空间（Topology Space）双轨并行求解。
2.2 当前主流技术路线的三大分支对比
目前工业界实际落地的方案主要分三类，各自适用场景差异极大，选错路线会导致项目周期延长3倍以上：
| 技术路线 | 核心原理 | 典型代表 | 优势 | 缺陷 | 适用场景 |
|---|---|---|---|---|---|
| 符号推理+规则引擎 | 将自然语言解析为预定义特征模板（如“孔”=圆柱体减去，“倒角”=两个平面交线切角），通过逻辑规则链生成STEP | Autodesk Fusion 360的“Text-to-Feature”实验模块 | 输出模型100%符合ASME Y14.5标准，STEP文件可直接用于五轴加工 | 仅支持23种标准特征，无法处理“沿螺旋线分布的6个Φ8沉头孔”等复合描述 | 标准件库快速生成、产线工装夹具设计 |
| 神经符号混合（Neuro-Symbolic） | 用Transformer编码文本意图，输出参数向量；用可微分几何求解器（如DiffCAD）反向优化B-rep控制点 | MIT CADLab的Cadence原型系统 | 支持自由曲面描述（如“渐开线齿形，压力角20°，齿顶高系数1.0”） | 单次推理耗时47秒（A100），需定制GPU推理服务器 | 研发阶段的概念验证、高校课题研究 |
| 大模型微调+CAD API桥接 | 在CodeLlama基础上微调，将文本指令转化为调用SolidWorks API的VB.NET脚本 | 某德系车企内部工具“Text2SW” | 可复用现有CAD软件全部功能（如Simulation仿真设置） | 生成脚本常因版本兼容性崩溃（SW2022 vs SW2024 API变更） | 企业私有化部署、已有CAD生态深度整合 |
提示：别被“支持STL/GLB导出”这类宣传迷惑。STL本质是顶点+三角面索引的无序列表，丢失所有拓扑关系。我们曾用某标榜“text-to-cad”的SaaS工具生成“Φ100×20mm圆盘，边缘均布12个M6螺纹孔”，导出STL后用MeshLab检查，发现其中3个孔的螺纹牙型被简化为光滑圆柱——这在机加车间就是批量报废的隐患。真正可用的系统必须默认输出STEP AP242，并提供SHA256校验值比对。
2.3 STEP AP242为何成为不可绕过的终极出口？
很多人问：为什么非要STEP？IGES不行吗？其实IGES（Initial Graphics Exchange Specification）早在1996年就被ISO 10303（STEP）标准取代，但国内大量老式数控系统仍只认IGES。AP242（Application Protocol 242）是STEP的最新工业级协议，它解决了三个致命问题：
第一是语义保真。传统IGES文件里，“圆孔”和“圆柱面”在数据结构中都是CURVE_SKELETON，导致CAE软件无法区分是通孔还是盲孔；而AP242用shape_representation_with_parameters实体明确定义孔类型、螺纹规格、表面处理要求。
第二是多视图一致性。当文本描述包含“主视图显示外形，剖视图显示内部结构”时，AP242的presentation_representation机制能确保两个视图共享同一套B-rep数据，避免人工建模时常见的“剖视图改了，主视图没更新”错误。
第三是制造属性嵌入。AP242允许在geometric_tolerance实体中直接绑定GD&T公差框、材料牌号、热处理状态——这些信息在STL/GLB里根本不存在。我们实测过：同一段文本“铝合金6061-T6材质，关键面需阳极氧化，尺寸公差按ISO 2768-mK”，AP242输出文件在Teamcenter里可自动触发材料库匹配和表面处理工艺卡生成，而STL文件连材质字段都是空的。
注意：市面上所谓“text-to-cad”工具若只提供STL/GLB下载，本质上只是高级版mesh generator，离工程应用还有两个代际差距。真正的门槛不在文本理解，而在STEP AP242的合规性验证——需要通过NIST的STEP Validation Suite测试，通过率低于92%的模型在西门子NX里打开时会弹出“部分几何体可能丢失”的警告。
3. 实操全流程：从文本输入到可投产STEP文件的7个关键环节
3.1 文本描述的工程化重构（决定成功率的首要环节）
AI模型对输入文本的鲁棒性远低于人类工程师。我们统计过2000条真实用户query，发现73%的失败源于描述不规范。正确做法不是教用户“怎么说”，而是构建前端语义清洗管道：
- 单位制强制归一化：用户输入“直径2寸、长3英尺”，系统自动转换为“Φ50.8mm、长914.4mm”，并标注转换依据（ASME B1.1-2020）。
- 模糊词替换：“大概”“差不多”“类似”等词触发交互确认，例如输入“高度差不多150mm”，弹窗提示：“请选择：① 150±0.5mm（精密配合）② 150±2mm（结构件）③ 150+5/-0mm（单边公差）”。
- 隐含约束显性化：当描述“带散热片的电机外壳”时，自动补全热设计约束：“散热片间距≥3mm（满足自然对流要求）、基板厚度≥8mm（抗振刚度）”，这些来自ASHRAE手册的默认规则可配置关闭。
我们曾用某开源text-to-cad模型测试“Φ30H7通孔，深度贯穿”，结果生成的STEP文件里孔深只有28.7mm——因为模型把“贯穿”理解为“穿透零件一半”。根源在于训练数据中92%的样本来自机械设计教材，而教材插图常为示意性剖视，未标注真实尺寸链。解决方案是在文本解析层插入尺寸链校验器：检测到“贯穿”关键词时，强制调用零件最大外轮廓尺寸作为深度基准，并与用户确认是否需预留加工余量。
3.2 特征树（Feature Tree）的动态构建与冲突消解
传统CAD软件的特征树是线性堆叠的（拉伸→旋转→打孔→倒角），但自然语言描述常含并发关系。例如“底座为长方体，四角各有一个M8螺纹孔，顶部中心开Φ20沉头孔，沉头深度5mm”——这里“四角螺纹孔”和“顶部沉头孔”在空间上无依赖关系，应并行创建而非串行。我们的做法是：
- 第一步：用依存句法分析（Dependency Parsing）提取空间关系动词，如“四角”对应
spatial_relation: corner，“顶部中心”对应spatial_relation: top_center； - 第二步：构建特征依赖图（Feature Dependency Graph），节点为特征（Extrude、Hole、Fillet），边为约束（如“沉头孔中心距底面25mm”）；
- 第三步：执行拓扑排序（Topological Sort），对无依赖特征启动并行建模线程。
实操中最大的坑是公差叠加冲突。当用户同时要求“Φ20H7孔”和“孔轴线对底面垂直度0.02mm”时，模型必须判断：H7公差带（±0.021mm）与垂直度公差带（Φ0.02mm圆柱）是否相容。我们嵌入了ISO 286-1的公差查询表，在生成STEP前自动进行GD&T可行性验证。若冲突（如要求Φ10g6孔配0.005mm同轴度），则返回具体原因：“g6公差带宽度0.015mm，小于同轴度公差带直径，制造不可行”，而非强行生成错误模型。
3.3 STEP AP242文件的合规性生成（避坑指南）
生成STEP文件不是调用export_step()函数那么简单。我们踩过的最深的坑是实体ID重复导致NX崩溃。某次批量生成100个轴承座模型，第47个文件在NX12.0.2中打开时直接蓝屏，追踪发现：OpenCASCADE库在写入advanced_brep_shape_representation实体时，对相同几何体重复分配了ID 1283。解决方案是：
- 在STEP写入前，对所有
entity_instance执行全局ID重映射，采用sha256(几何体哈希+时间戳+随机盐)生成唯一ID； - 对
geometric_tolerance实体，强制添加tolerance_zone_form属性（如cylindrical_tolerance_zone），否则某些CAE软件会忽略公差； - 关键步骤：用NIST的
stpcheck工具做预验证，重点检查shape_representation_with_parameters是否包含必需的parameter_value_assignment。
实操心得：别信厂商宣传的“一键导出STEP”。我们对比过5款商用工具，只有2款通过NIST全部127项AP242测试用例。建议在生产环境部署自动化验证流水线：文本输入→模型生成→stpcheck→Teamcenter导入测试→邮件通知结果。一次完整验证耗时约8.3秒，但能避免90%的下游集成故障。
3.4 与现有CAD生态的无缝集成（企业落地关键）
text-to-cad的价值不在独立运行，而在融入现有工作流。我们给某工程机械厂部署时，客户明确拒绝“另起炉灶”的SaaS平台，要求“像调用一个命令一样使用”。最终方案是：
- SolidWorks插件模式：开发.NET插件，用户右键菜单新增“Text2Model”，输入文本后自动生成新零件并激活；
- Teamcenter接口：通过TC XML API，将生成的STEP文件自动上传至指定项目空间，同步创建Item Revision和Change Request；
- ERP联动：当文本含“材料：Q345B”时，自动查询SAP中的物料主数据，若存在则关联BOM行项目，若不存在则触发物料创建流程。
最值得分享的技巧是版本兼容性兜底。SolidWorks API在2022版和2024版间有17处方法签名变更（如CreateSketchBox参数顺序调整）。我们的做法是：在插件初始化时，读取swApp.GetVersion()，动态加载对应版本的DLL，并用反射机制调用方法。这样一套代码可同时支持SW2018-SW2024，避免客户因升级CAD而停用功能。
4. 工程实践中的典型问题与根因排查表
4.1 “生成的模型缺面/破面”问题的三层定位法
这是用户反馈最多的问题，表面看是几何错误，实则涉及三个层面：
| 层级 | 检查点 | 定位工具 | 典型案例 | 解决方案 |
|---|---|---|---|---|
| 文本层 | 是否含歧义空间描述 | 依存句法可视化工具 | “在圆柱侧面开槽”未指明槽宽方向（轴向/径向） | 增加空间关系确认弹窗：“请指定槽方向：① 沿母线 ② 沿圆周” |
| 算法层 | B-rep重建时容差设置 | OpenCASCADEBRepCheck_Analyzer | 曲面求交容差设为1e-5，导致微小缝隙未缝合 | 动态容差策略：对Φ<10mm特征用1e-6，Φ>100mm用1e-4 |
| STEP层 | manifold_solid_brep实体完整性 | NISTstpcheck -v | face_bound引用不存在的edge_curve | 在STEP写入前执行ShapeFix_Shape::Perform()修复 |
我们曾遇到一个诡异案例：用户输入“Φ50mm球体”，生成模型在Fusion 360中显示正常，但在ANSYS SpaceClaim里报“非流形几何”。根源是OpenCASCADE默认用Geom_BSplineSurface拟合球面，而SpaceClaim要求Geom_SphericalSurface。解决方案是在几何体分类器中增加“理想体素识别”，对球/圆柱/圆锥等二次曲面强制使用精确表示。
4.2 “公差标注丢失”问题的根源与修复
用户常抱怨：“我写了‘孔径公差H7’，但STEP文件里没看到公差信息”。这并非模型缺陷，而是STEP标准的固有特性：公差信息存储在独立的geometric_tolerance实体中，需与几何体通过shape_aspect关联。常见错误包括：
- 关联断裂：
shape_aspect的of_shape字段指向错误的product_definition_shape； - 语义缺失：仅定义
geometric_tolerance但未设置tolerance_zone_form； - 单位错位：公差值以英寸存储，但模型单位为毫米。
我们的修复流程是：
- 用
XDE（eXtended Data Exchange）遍历STEP文件，提取所有geometric_tolerance实体； - 检查其
tolerance_value是否为measure_with_unit类型，且unit字段为si_unit； - 通过
representation_relationship回溯关联的几何体，验证shape_aspect的aspect_type是否为dimensional_size。
独家技巧：在Teamcenter中，可通过
tc://item?uid=xxxURL直接打开STEP文件的XDE视图，比用专用STEP浏览器快3倍。我们把常用检查脚本封装成Teamcenter QuickAction，工程师右键即可执行。
4.3 性能瓶颈突破：从分钟级到秒级的关键改造
早期版本处理“带12个复杂曲面的叶轮”需217秒，客户无法接受。优化后降至8.4秒，核心改造有三：
- 几何缓存预热：对高频特征（如M系列螺纹、GB/T 197标准螺纹）预先生成STEP片段，文本匹配时直接拼接而非实时计算；
- GPU加速B-rep运算：将OpenCASCADE的
BOPAlgo_Builder移植到CUDA，曲面求交速度提升17倍（实测A100 vs Xeon Gold 6348）； - STEP流式写入：放弃内存中构建完整STEP树，改为边生成边写入磁盘，内存占用从4.2GB降至380MB。
最关键的突破是特征粒度控制。原方案对“叶轮”整体建模，现改为：先生成轮毂（圆柱体），再生成叶片（NURBS曲面），最后布尔合并。这样即使单个叶片生成失败，轮毂数据仍可复用，避免整机重算。
5. 未来半年值得关注的3个技术拐点
5.1 ISO/CD 10303-244：面向增材制造的STEP新协议
ISO正在制定AP244标准，专为3D打印优化。它新增additive_manufacturing_requirement实体，可直接定义晶格结构（lattice）、支撑策略（support structure）、打印方向（build orientation）。这意味着text-to-cad将不再止步于“生成模型”，而是输出“可直接切片的制造指令”。我们已参与草案评审，关键变化是：文本描述中加入“晶格类型：gyroid，胞元尺寸：2mm，相对密度：35%”将被直接编译为AP244实体，省去Magics等后处理软件的中间环节。
5.2 CAD内核的AI原生化：Onshape与Fusion 360的底层重构
Onshape最近发布的API v232，新增/models/text-to-feature端点，其底层已将Parasolid内核与LLM推理引擎深度耦合。实测表明：输入“沿螺旋线扫掠的矩形截面，螺距12mm，圈数3.5”，响应时间仅1.2秒，且生成的B-rep完全符合Parasolid精度要求。这预示着未来CAD软件将内置text-to-cad能力，无需第三方插件——但代价是厂商锁定（Vendor Lock-in），数据永远留在云端。
5.3 国产CAD的text-to-cad突围路径
中望、浩辰等国产CAD厂商正避开与国际巨头在通用模型上的正面竞争，转向垂直领域。例如中望与某高铁轴承厂合作，训练专用模型理解“SKF 22222 CC/W33轴承座”的行业术语，能直接解析“轴承室公差P6，外圈挡肩高度12.5±0.1mm”等专业表述。这种“行业语料+国产内核”的组合，可能成为text-to-cad在中国制造业落地的最快路径。我们建议：不要盲目追求通用性，先聚焦一个细分场景（如钣金折弯、管路支吊架），用2000条高质量行业语料微调模型，效果远超用百万条通用数据训练。
我在实际项目中发现，text-to-cad最大的价值不是替代工程师，而是把工程师从重复建模中解放出来——他们终于能把时间花在真正需要创造力的地方：比如思考“这个散热结构在-40℃冷凝环境下会不会结冰堵塞”，而不是手动拉伸、旋转、打孔。上周帮一家医疗设备公司生成“钛合金颅骨修复板”，从输入文本到拿到可手术验证的STEP文件只用了11分钟，而传统流程需要结构工程师3天。但我也得坦白：目前它还处理不了“根据CT影像重建的个性化植入体”这种非规则几何，那需要结合医学图像分割的多模态AI。不过，当text-to-cad开始学会阅读GD&T公差框、理解材料热处理曲线、甚至预判五轴加工刀路干涉时，工程设计的范式就真的变了。
