搜“text-to-cad”的时候，我第一反应是又一个蹭AI热度的玩具——输入一句话就生成三维模型，听起来跟当年“输入一句描述就生成网站”的噱头差不多。直到我在社区看到有人用一句话生成了一个带安装孔的电机法兰盘，导出的STEP文件在SolidWorks里打开，特征树干干净净，还能直接改参数。那一刻我意识到，这事不太一样了。
这篇文章不聊概念，把我实际从头到尾玩了一圈的过程记录下来：它到底怎么工作的、生成质量到什么水平、哪些prompt必定翻车、以及作为工程师和设计师，怎么把这东西真正嵌进现有工作流。如果你也在观望要不要用、怎么用，这篇应该能给你省不少试错时间。
1. text-to-cad到底改变了什么：从“画图”到“对话”
1.1 传统建模流程的隐性成本
先看传统CAD建模一条简单的路：你想画一个带圆角的矩形底座，上面竖一根空心圆柱。打开软件，新建零件，选草图平面，画矩形、标尺寸、加约束、拉伸、再画圆、再拉伸、选抽壳、选圆角边……熟练的人五分钟能搞定，不熟练的人可能得半小时。但真正的成本不在操作本身，在于“把脑子里那个形状翻译成软件能听懂的操作序列”这个过程。
这个翻译过程是需要训练的。你得知道该用旋转还是拉伸、该用什么基准面、草图要封闭、倒角要放在抽壳前还是后。这本质上是一种“空间操作语法”。text-to-cad直接跳过了这一层，你把最终形状用语言说清楚，它来帮你做这个翻译。它没取代CAD软件，它取代的是“建模思维”的门槛。
1.2 它不是文生图，它生成的是“能用的模型”
这里要跟Midjourney那类文生图做个明确区分。文生图生成的是像素矩阵，你没法旋转、测量、标注尺寸，更没法拿去加工。text-to-cad要生成的是真正意义上的CAD模型——有几何拓扑、有特征树、有参数约束、可以导出STEP或STL去做CAM或3D打印。
我见过很多第一次接触的人有个误解：以为它是生成一张“看着像3D的图片”。我最初也这么以为。实际上你拿到的是一份带工程语义的结构化文件。举个直接体现差异的例子：同一个prompt“一个半径25mm、高60mm的圆柱体”，文生图给你的是一张光影效果不错的渲染图，但图片里那个圆柱是不是精确的R25，无从考证。text-to-cad给你的文件里标注清清楚楚，模型树里能看到一个拉伸特征，草图上标着Φ50和60，这个是可测量的、可编辑的、可以被后续工序直接使用的。
1.3 不同工具的路线差异
现在市面上的text-to-cad工具不止一个，走的路线也不完全一样。我实测下来大致分两类：
一类是云端生成完整模型的，比如Zoo.dev的Text-to-CAD。它的典型流程是把你的描述变成中间代码，再在云端重建出模型文件，生成完导出STEP或STL。优点是上手快，浏览器打开就能用，不需要装环境；缺点是参数可控性一般，想精确控制倒角半径、壁厚这类参数，对prompt的写法要求比较高。
另一类是生成程序化脚本的，比如LlamaCAD。它输出的是OpenSCAD、CadQuery这类参数化脚本，然后你在本地跑脚本生成模型。这类方式的优势是“可复现性”极好——脚本是纯文本，你可以改、可以版本管理、可以批量跑参数。缺点是得会一点代码，而且最终建模能力受限于脚本库的表达上限，复杂曲面基本没戏。
两类不是替代关系。我的建议是：追求快速出图、验证想法，用第一类；追求可批量、可维护、要纳入现有自动化管线，用第二类。后面第五章细说。
2. 模型背后的生成管线：成也参数化，败也参数化
2.1 从一句话到一颗螺丝钉，中间发生了什么
如果只是把“文字”对应到“模型文件”，这跟文生图没有本质区别——都是高维空间里找映射。但CAD模型不是一堆点云，它有严格的拓扑约束：面要闭合、边要重合、实体要水密。大模型直接输出网格数据几乎不可能满足这些约束，所以目前的实现路径基本是“间接生成”。
我根据实测表现和公开资料做了一个合理推断，各家的管线大差不差分四步：
- 文本编码：把自然语言描述编码成语义向量，这一步跟常规LLM没区别。
- 草图指令生成：模型输出一系列带参数的建图元指令——画一个圆、圆心坐标是多少、半径多少，画一条线、起点终点在哪。这一步相当于把语言翻译成“纸面上的铅笔动作”。
- 特征操作生成：在草图基础上生成拉伸、旋转、扫掠、倒角、抽壳等特征指令，并标注特征之间的父子关系。这相当于告诉建模软件“先画底座，再从底座往上拉出圆柱，最后给圆柱的顶边倒角”。
- 参数约束求解：把前面生成的指令交给约束求解器和几何内核去算，得到最终实体模型。
其中最容易出问题的就是第三步和第四步。模型生成的“特征顺序”如果不对，比如先倒角后抽壳，抽壳壁厚可能直接穿透倒角面；如果约束条件给得不全——比如漏了“同轴”“相切”，几何内核就可能解出一个扭曲体。所以你经常看到一些翻车案例，生成结果是个“仿佛有那个意思但完全不对”的畸形体，根因多半就是特征顺序或约束求解失败。
2.2 为什么“生成脚本”比“直接生成网格”更聪明
这里要解释一个关键选型：为什么大家不干脆让AI直接输出三角网格？答案在于下游可用性。
三角网格（STL/OBJ）看起来也是三维的，但它是“死”的。你想改一个孔的直径，网格模型里根本没这个语义，你得重新建模。而脚本或特征历史不同，它保留了“当时是怎么建模的”完整记录。这就好比给你一盘做好的菜，和一个写了完整步骤的菜谱。菜只能吃不能改，但有菜谱你随时可以调整口味、换食材、重新做一份。
对工程师来说，可编辑性比建模速度重要得多。我拿到一个AI生成的法兰盘STEP，第一件事不是看外形像不像，而是打开特征树检查：它是不是用旋转特征做的？孔是不是阵列特征？如果是，我改一下法兰厚度，四个孔会跟着自动移动。如果是死网格，改个孔位等于重新画一遍。所以各家都在往“生成参数化特征历史”这个方向使劲，这不是技术洁癖，是下游工业流程的真需求。
2.3 那些没人告诉你但必须知道的隐含规则
实际跑下来，我发现模型对口述的“工程语言”理解有限，但有几类隐含规则它学得还不错：
- 默认单位是毫米。你只说“半径5”没带单位，它默认是5mm。
- 对称性词敏感：“对称”“阵列”“等距”这类词触发约束布局非常准。
- 倒角/圆角这类修饰性特征，如果prompt里没明确给数值，模型倾向于给一个看着协调的默认值，但往往跟你的实际意图不符。
- 它无法真正理解“壁厚均匀”这类铸造/注塑工艺语言。你嘴上说“壁厚均匀”，它不一定真的给你抽壳；你得明确说“厚度2mm”。
这些不是官方文档写的，是反复试出来的规律。想让输出靠谱，描述里必须把“形状、尺寸、特征、修饰”拆开给，缺一项就默认发挥，而默认发挥通常是灾难现场。
3. 实测全流程：从一句描述到可编辑模型
3.1 工具准备与首次尝试
我用的工具是Zoo.dev的Text-to-CAD，原因很简单：浏览器打开即可用，支持导出STEP，对国内网络环境比较友好。注册之后进主界面，就是一个大输入框加一个生成按钮，没有复杂的参数面板。
第一次生成，我刻意拿了个最简单的描述试水：
A round base plate with a diameter of 80mm and a thickness of 5mm, with 4 holes of 6mm diameter evenly distributed on a 60mm bolt circle.大概等了十几秒，页面返回一个可交互预览。我旋转看了看，形状是对的：80mm圆盘，5mm厚，四个Φ6孔均匀分布在Φ60的圆周上。导出STEP后在FreeCAD里打开，特征树里能看到“草图1—拉伸1—孔阵列”这样一个结构，跟人手动建模的套路几乎一致。
第一次成功不代表可用，接着我加大了难度。
3.2 三个典型prompt与输出质量对照
为了客观一点，我做了三组不同复杂度的测试，结果整理如下：
| 测试 | prompt（核心描述） | 生成结果 | 可用程度 |
|---|---|---|---|
| 基础拉伸件 | 80mm圆形底座，厚5mm，4个均布Φ6孔，生成后用于固定电机 | 外形、尺寸、孔位全部正确；孔为阵列特征，可编辑 | 直接可用 |
| 中等旋转件 | 一个外径40mm、内径30mm、高25mm的轴套，在外圆面上有一圈2mm深的环形槽，槽宽5mm | 整体形状正确，环形槽深度实测约1.8mm，略偏；特征顺序是先旋转后切槽，合理 | 稍修尺寸可用 |
| 复杂混合体 | 一个方形外壳，边长60mm，高40mm，壁厚2mm，顶部有一个半径20mm的半球凸起，底部四角各有一个M4安装柱 | 底部安装柱只生成了两个，另外两个位置被识别成孔；半球凸起中心偏离了2mm | 不可直接使用，需手动重构 |
这个结果很有代表性：越接近“基本体素组合+标准特征”，成功率越高；一旦涉及“多个特征在同一实体上的空间关系”，模型明显吃力。后面测试多个案例也印证了这个趋势。
3.3 导出格式的选择逻辑
平台支持导出STEP和STL。我的建议：只要不是纯外观验证，一律导出STEP。原因是STEP格式保存的是B-rep边界表示，包含精确的几何曲面和拓扑关系。下游无论是进SolidWorks、FreeCAD、Fusion 360，还是直接用CAM软件编程，都能保持“可编辑”状态。
STL只在一种情况下用：你要立刻送去3D打印，而且确定不用再改。即便如此，我也建议先导出STEP在切片软件里看一眼水密性，确认没有破面再转STL。实测AI生成的模型偶尔会出细小的非水密面，直接打印会得到残废品。
| 格式 | 是否可编辑 | 是否含特征历史 | 适用场景 |
|---|---|---|---|
| STEP | 是 | 含几何拓扑，不含特征树 | 工程编辑、CAM、装配 |
| STL | 否 | 无，纯网格 | 3D打印外观验证 |
| F3D/Fusion原生 | 是 | 含完整特征树 | 深度参数化修改 |
虽然导出的STEP一般不带特征树，但好消息是几何精度是准的。你在FreeCAD里打开STEP，虽然看到的是一个“死”实体，用“Part Design”重新建参考坐标系、以它为底重新做特征，比重头画快得多。
4. 质量边界与高频失败场景：哪些话术注定翻车
4.1 五个必翻车案例
这一节全是花钱买来的教训。我整理了五个典型的失败prompt，以及失败方式和原因分析：
案例一：形容词堆砌
- prompt：“做一个好看的花瓶”
- 结果：结果是能看出是花瓶，但没有任何尺寸，口部歪斜，底部厚度只有0.3mm，完全不能加工。
- 原因：模型把“好看”理解成了随机曲面抖动，而不是稳定的几何比例。审美这个词对AI建模来说没有任何约束力。
案例二：矛盾尺寸
- prompt：“一个圆柱形杯子，直径100mm，但是底是正方形的”
- 结果：生成出一个方底圆口的扭曲过渡体。
- 原因：“圆柱形”和“底是正方形”在拓扑上不可同时成立，模型没有能力判断“冲突”，它只会做出一个“两边都不得罪”的畸形答案。
案例三：工艺级描述
- prompt：“一个用于CNC加工的铝合金支架，带加强筋”
- 结果：外形看着是个支架，但加强筋壁厚5mm，且与主体之间没有圆角过渡，CNC实际加工会出现应力集中。
- 原因：模型不知道“CNC加工”意味着需要可加工性约束，它只能理解看得见的几何特征，理解不了“工艺合理性”。
案例四：复杂装配关系
- prompt：“两个零件，装配在一起后能互相转动”
- 结果：只生成了两个零件，没有任何装配约束和运动副关系，放一起是悬浮交错的。
- 原因：目前工具都是“单零件生成”，对装配和运动关系几乎没有训练数据。
案例五：依赖参考坐标的描述
- prompt：“在底面上距左边30mm处打一个孔”——理解简单，但模型对“左边”这个相对方位经常左右颠倒，因为训练数据里坐标轴方向的标注本身是混杂的。
4.2 为什么这些坑如此普遍
这五个案例背后其实是同一个问题：大模型对几何的描述方式跟CAD软件的几何定义方式存在巨大的语义鸿沟。
人描述一个零件时，默认带入了“它是实体”“它有参考面”“尺寸关系是明确可解的”这些背景知识。但模型看到的是纯文本，它没有“常识”可依赖。你对它说“漂亮的”“工艺合理的”，它没法像人类一样补全这些概念的几何含义。
反过来，它对“数值”的处理倒是相对可靠，因为训练数据里的工程图纸、参数化模型库都包含大量确切数值。这也是为什么“把一切可能的地方都数字化”是提高成功率的第一原则。你不能说“厚一点”，你要说“厚度5mm”；不能说“均匀分布”，要说“角度间隔90度”。
4.3 一个直接可用的prompt模板
经过几十次试错，我总结出一个结构化的prompt写法，目前成功率明显高于自由发挥。你直接套这个模板改写就行：
[实体类型]：一个[主体形状描述] [关键尺寸]：外形XXmm × XXmm × XXmm，壁厚XXmm [特征1]：在[位置/面]上有[特征类型]，尺寸为XXmm，数量/间距为XX [特征2]：…… [修饰/约束]：所有棱边加R2圆角，孔的中心距底面XXmm [格式要求]：输出为单个实体，单位mm，坐标系原点在[哪个位置]举个例子：
一个方形法兰底座，外形100mm × 100mm × 10mm， 中心有一个直径30mm的通孔， 四个角各有一个直径6mm的通孔，孔中心距相邻边10mm， 所有外棱边加R3倒角， 单位mm，坐标系原点在底面中心。这套模板的核心逻辑是：告诉它“有什么、多大、在哪、怎么修边”，而不是“做什么、像什么、好看点”。
4.4 生成后快速验证的三板斧
拿到结果第一件事，不要盯着渲染图看。渲染图有欺骗性，看起来挺像那么回事，实际尺寸反了。我建议按三步验证：
- 看特征树。一个糟糕的模型通常伴随几十个冗余特征——一个简单盒子搞了十几个拉伸切除。如果特征树异常臃肿，说明模型自己也在混乱中，这种直接放弃重写prompt。
- 量关键尺寸。用测量工具量外形尺寸、孔距、壁厚，跟prompt里的数值逐一核对。实测至少有30%的情况，有一两个尺寸存在微小偏移，需要用软件里的“移动面/修改尺寸”修一下。
- 做几何检查。导出STEP前先在预览器里做一次“质量检查”，查有没有自由边、非流形边、薄面。有的话，说明几何内核求解时产生了退化拓扑，这种模型进CAM必出问题。
5. 给实际工作流的接入建议：从玩具到打工人
5.1 它到底是什么角色：思路速写笔，不是交付绘图员
先说结论：现阶段text-to-cad最合适的定位，是概念设计阶段的“思路速写笔”。
你跟客户开会对方案，口头说了半天一个带散热孔的底座，客户理解的可能性跟你脑子里的图差着十万八千里。这时候你把这句描述丢进text-to-cad，十几秒出一版交互式三维预览，直接投屏给客户看。尺寸大概对，比例大概对，对方可以说“孔太大了，往中间挪一点”——这个过程在以前，得等你打开CAD画一个多小时才能实现同样的沟通效果。
但它不适合当“交付绘图员”。它生成的东西，机构精度、公差、工艺约束都不达标。不要试图让AI直接给你一份用于投产的图纸。正确的分工是：AI负责把模糊想法快速变成可视模型，人负责用专业能力把模型修成能落地的东西。
5.2 一条亲测能跑的混合工作流
我目前实际在用的流程是这样，分享出来你可以直接抄：
- 用text-to-cad生成一个约70%准确度的零件初稿，导出STEP。
- 导入FreeCAD（免费）或SolidWorks，用“从STEP导入实体”功能。
- 以这个实体为参考，重新在它身上建特征：你不需要从零画草图，可以直接在已有面上新建草图、用“投影实体”把原模型的轮廓投影出来，再做拉伸切除。
- 关键尺寸和配合关系全部重标一遍。
- 存成带特征树的原生格式，进工程图或CAM。
这套流程的核心价值在于：AI帮你跳过了“从空白画布到第一个完整轮廓”这个最磨人的阶段。工程师平均有30%-40%的建模时间花在画草图轮廓上，而AI最擅长的恰恰是给你一个大致可用的轮廓。
5.3 把text-to-cad变成自己工具链的一环
如果你偏开发向，可以进一步把这类工具集成到自动化工作里。我用过一次Zoo.dev的API，做批量测试。在Python里写循环，把一批prompt逐个提交，拿到结果后自动转格式、自动跑尺寸校验，筛出成功率。
简单示意的代码逻辑如下：
import requests import json def generate_cad(prompt, output_format="step"): resp = requests.post( "https://api.zoo.dev/text-to-cad", json={"prompt": prompt, "output_format": output_format}, headers={"Authorization": "Bearer YOUR_API_KEY"} ) if resp.status_code == 200: return resp.content # 拿到的是文件字节流 else: return None跑批量时注意一点：给自己的prompt分优先级。简单的“板状件+孔组”这类，成功率在八成以上，适合批量。复杂的“壳体+突起+薄壁”这类，批量跑大概率出一半废品，不如人工慢慢修。批量测试的意义不在于直接得到可用模型，而在于统计出哪些描述结构是稳定可复现的，然后把稳定的那部分知识固化成语料模板，下一次直接用。
5.4 关于“AI取代建模师”这件事的看法
最后说点跑偏但真实的想法。天天有人问“AI能建模了，我还要学CAD吗”，我试完一圈的结论是：恰恰相反，AI让CAD技能变得更值钱了。
原因很简单：AI生成的东西需要人来判断好坏、修复错误、下最后决定。你越懂建模，越能识别AI生成的模型错在哪、为什么错、怎么改。一个不会CAD的人拿到一个扭曲的畸形实体，只会觉得“AI真没用”；一个会用CAD的人拿到同一个实体，三分钟定位到问题出在特征顺序，改掉重算就解决。
工具没有取代技能，工具淘汰的是“只会机械操作”的那部分工作，而放大了“懂原理会判断”的那部分价值。text-to-cad把重复劳动接了过去，空出来的时间，你可以去思考更值得思考的问题——比如这个零件要承受哪些力、用什么材料、怎么加工更便宜。这些才是真正值钱的部分。
我实际用了这段时间，最大的感受是：它改变了我跟三维几何交互的方式。过去建模是“动手”，现在是“表达”。表达准确，结果就准确；表达含糊，结果就随机。这个道理本质上也适用于人和人的沟通——只是现在，你得跟一台机器讲清楚了。
