text-to-cad实战指南：从一句话到可编辑CAD模型，避开这些坑

这两年，AI生成领域有一个方向特别热闹：输入一句自然语言，直接得到CAD模型。很多刚接触的朋友以为它能把“做一个M8螺栓连接座”这种话变成一张带公差标注的工程图，实际上远不是这么回事。我帮A同学调试过几个开源的 text-to-cad 方案，也自己搭过完整流程，想把这些真实经验摊开讲清楚：它能干什么、不能干什么、怎么用才顺手、最容易踩哪些坑。

这篇内容适合三类人：想评估 text-to-cad 能不能接入现有工作流的设计师；做3D打印、创客项目，想快速把想法变成模型的动手派；以及刚入门生成式设计、想理解底层原理的学生。我知道很多教程喜欢先铺一堆背景，我直接跳过去，从能力边界开始聊。

1. text-to-cad 到底在生成什么：能力边界先对齐

1.1 它生成的是“几何形状”，不是“工程语义”

所有叫 text-to-cad 的工具，归根结底干的事只有一件：把语言描述映射成一套几何数据。这套几何数据通常以网格（mesh）、点云（point cloud）或隐式场（implicit field）的形式存在。问题在于，CAD 文件里除了几何，还藏着大量非几何信息——公差、材质、表面粗糙度、装配约束、标准件编号。当前绝大多数 text-to-cad 实现根本不产出这些，它们只认“形状长什么样”，不认“这个形状怎么加工”。

A同学第一次测试时输入“做一个带四个安装孔的法兰盘”，生成结果乍一看确实是个盘子，孔位也大致均匀分布。但把模型导入某主流参数化建模软件一量，四个孔的直径彼此差了0.3毫米，孔间距也不对称——这种模型拿去加工就是废品。这不是工具抽风，而是它的表征方式决定的：网格模型天生没有参数化尺寸树，几何上“看着像”和制造上“精确到0.01毫米”是两码事。

所以使用 text-to-cad 的第一原则是：把它当成概念草图的加速器，而不是工程出图替代品。它帮你把脑中的形态快速可视化、确认大方向，真正的精调还得回到参数化建模环境里进行。

1.2 当前实用的三种输出形态

不同实现输出的东西不一样，这直接决定了后续要不要做格式转换。我按实用程度排个序：

其中最值得关注的是第三种。它不直接生成网格，而是让大模型输出一段构造几何的代码——比如一序列的拉伸、旋转、布尔运算指令。这类结果在“可编辑性”上远超前两种。我后面在第三部分详细展开它的实操链路。

1.3 “可编辑”不等于“能直接改参数”

还有一个高频误解是“既然叫CAD，生成出来应该能像原生文件那样拖拽特征”。事实是：即便输出的是程序化参数模型，改参数也不是双击尺寸那么简单。因为大模型生成的代码往往没有组织结构，全部过程都堆在一个函数里，没有特征树、没有草图约束，改一处尺寸可能导致整个布尔运算链崩掉。

我之前测试过一个生成“通风机外壳”的方案，生成结果确实是一段带参数的代码，外形也过得去。但我想把进风口直径改小一点，结果布尔减运算因为新直径和侧壁干涉直接报错，整个模型消失。这种事多碰几次，你就会明白：text-to-cad 的意义在于提高“从零到一”的启动速度，而不在于给你一个完美的原生工程文件。

2. 从文本到几何：三种主流技术路线的拆解

2.1 端到端隐式建模：用扩散模型“猜”出体素场

第一种路线的典型做法是用扩散模型（Diffusion Model）直接在三维体素空间或隐式场（如 occupancy field、signed distance field）里做生成。给定文本描述，模型通过多次去噪过程逐渐“勾勒”出一个完整的几何体。逻辑上很像文生图：先有噪声，再逐步让形状浮现。

这套方案的优势是能表达非常复杂的自由曲面和有机形态，比如“一个像树叶的托盘”“一个扭曲的花瓶”，这类形状用传统特征建模能把你逼疯，但它可以一次生成。缺点同样明显：生成的是稠密网格数据，文件动辄几十上百MB，没有特征历史，也不能参数化编辑，只能当“数字黏土”用。

实际项目中，这类方案更适合做工业设计前期的形态探索——迅速生成十个形态版本给客户挑，选中之后再由建模师重新用曲面工具重建。直接拿生成网格去生产基本不现实。

2.2 程序化参数生成：让大模型写代码

第二种路线是眼下工程实用性最强、也是我最推荐初学者入门的方案：让语言模型直接输出构造步骤代码。模型不做三维推理，而是把文本描述翻译成参数化建模工具的API调用序列，或者一套CSG（Constructive Solid Geometry，构造实体几何）操作指令。

比如“一个外径60毫米、内径30毫米、厚5毫米的垫片”，模型会生成这样的伪代码逻辑：先画圆1，再画圆2，然后用圆1拉伸5毫米、用圆2做布尔减运算。整个过程完全是参数化的，你随时可以把60改成70重新生成一遍。

这里的关键设计是“以几何原语为中间语言”。大模型非常擅长生成结构化的代码序列，而不擅长直接想象三维坐标。把三维问题降维成二维操作序列之后，成功率会有质的提升。这也是为什么这类方案能在当前硬件条件下就落地——它本质上复用的是大模型的代码能力，而不是三维推理能力。

这个方案最需要打磨的是“约束求解”环节。因为是从不同角度描述同一个实体，模型生成的尺寸可能彼此矛盾。比如既说“厚5毫米”又说“高8毫米”，最后生成的代码里这两个参数会同时存在，导致几何体自相交或拉伸异常。我在实操中通常会在提示词里强制指定“只能用h表示厚度，所有高度参数必须引用h”，用这种方式把冲突风险压到最低。

2.3 检索与组装式生成：把旧模型库用起来

第三种路线相对冷门但对特定场景极其实用：输入文本后，先从已有模型库中检索匹配度最高的零部件，再通过放置、缩放、布尔操作把它们组装成一个整体。这很像“乐高式”建模——模型本身不是从零生成的，而是对已有资产的重组。

这个方案的亮点在于工程可靠性。检索到的模型来自真实设计库，本身就包含合理的设计意图和可制造性，不会出现自相交面、非流形边这类新手生成模型常见的拓扑错误。缺点是依赖库的规模和质量。如果你要的零件比较冷门，库中根本没有接近的部件，模型就只能靠缩放硬凑，尺寸和比例很容易失控。

实际操作中，很多团队会把第二种和第三种结合起来：组件级别的部件用检索，连接结构、外壳这类定制件用程序化生成。这种“先检后生”的组合策略，在效率和可靠性之间取得了一个比较好的平衡。

3. 把一句话变成可编辑模型：提示词与参数化设计的实操链路

3.1 写提示词的核心：几何描述、尺寸约束、拓扑意图

很多人第一次用 text-to-cad 生成的模型惨不忍睹，90%的问题出在提示词写得像在跟人类聊天，而不是在跟程序对话。机器需要的是结构化的几何指令，不是文学修辞。我把靠谱的提示词拆成三个层次：

第一层：几何原语。明确指定形状的基础构成，比如“先把一个40×40×10的长方体作为主体”，而不是“一个方形的座子”。“方形”太模糊，机器不知道是正方体还是长方体、圆角要不要、边倒角多大。

第二层：尺寸与空间关系。必须使用确定的数值和位置词，例如“在顶面中心位置挖一个直径8毫米的圆孔，圆孔圆心距顶面左边缘20毫米”。这里要注意，“中心”“左边缘”这类词在程序化生成中对应的是坐标计算，必须说清楚参考系。

第三层：拓扑意图。明确特征之间的布尔关系：哪个是主体、哪个是减料、哪个是加料。我常用的句式是“先做A作为底座，再在A的上表面添加B，然后在B的中心位置减去一个C”。这等于直接告诉模型你的CSG操作顺序，能大幅减少几何自相交的问题。

下面是一个我自己调好的范例模板：

生成一个[产品名] 的三维模型，按照以下步骤严格构造： 1. 基础主体：一个[长]×[宽]×[高]毫米的长方体，圆角半径[XX]毫米。 2. 安装孔：在主体顶面[位置描述]处，挖一个直径[XX]毫米的通孔。 3. 加强筋：在主体底部外侧，添加一个[长×宽×高]毫米的矩形加强筋，与主体做并集。 4. 所有孔均用圆柱体与主体做差集实现。 5. 最终输出为参数化代码，所有尺寸使用变量定义，变量命名与上述说明一致。

3.2 一个完整示例：从“开孔矩形板”到可修改模型

我拿一个最常见的场景做完整演示：生成一块带四个安装孔的矩形安装板。提示词如下：

生成一块矩形安装板，步骤如下： 1. 创建一个长80毫米、宽60毫米、厚6毫米的矩形块，作为主板。 2. 在矩形块的四个角落分别挖一个直径5毫米的通孔。 3. 四个孔的圆心位置：距离板左边缘和右边缘各8毫米，距离板上边缘和下边缘各8毫米。 4. 板体四边做半径3毫米的圆角。 5. 所有尺寸定义为变量，输出构造代码。

以程序化参数生成方案为例，模型会输出一段代码，逻辑大概长这样：

length = 80 # 板长 width = 60 # 板宽 thick = 6 # 板厚 hole_r = 2.5 # 孔半径 margin = 8 # 孔边距 # 1. 主体矩形块 plate = box(length, width, thick) # 2. 计算四角孔心坐标 holes = [ cylinder(hole_r, thick).translate(margin, margin, 0), cylinder(hole_r, thick).translate(length - margin, margin, 0), cylinder(hole_r, thick).translate(margin, width - margin, 0), cylinder(hole_r, thick).translate(length - margin, width - margin, 0), ] # 3. 布尔减 result = plate for h in holes: result = result - h # 4. 圆角 result = result.fillet(3)

这段代码拿到手的价值在于：我随时可以改length = 120重新执行一次，得到一块加长板，而不用重新描述需求。这才是 text-to-cad 作为“设计助手”的真正用法——不是一次生成定稿，而是快速生成多个参数版本迭代筛选。

3.3 生成后的人类介入：参数调整与特征修复

代码生成之后，大概率需要人工介入几个环节。最常见的问题是尺寸约束缺失：模型生成的孔位是基于“边距8毫米”口语化描述计算出来的，但实际坐标可能与你预期不符。这时候要检查代码里有没有硬编码坐标，有的话手动改回变量引用。

第二个高频问题是“过定义”：同一尺寸在多个位置被重复定义，且相互冲突。比如前面既定义了hole_r，又在每个圆孔生成处直接写了r=2.5，改一处另一处就不会跟着变。我的习惯是生成后先全局搜索有没有重复的数值字面量，统一替换成对应的变量名。

还有一个问题很少有人提：布尔操作的顺序敏感。同样的减料操作，先减孔再倒角和先倒角再减孔，得到的边缘质量完全不同。如果生成结果在某处出现了破面或异常尖角，第一个排查方向就是调整布尔运算和圆角操作的顺序。

4. 从生成结果到生产可用：格式转换、拓扑修复与工程化落地

4.1 常见格式链路：STL、OBJ、STEP 怎么选

text-to-cad 生成完的结果要进入下游流程，格式选不对一切白搭。我按使用场景把格式分成三档：

STL/OBJ：3D打印和渲染首选。这种网格格式被所有切片软件和渲染器支持，兼容性最好。但它只有表面几何，没有任何拓扑关系和单位信息。我用之前一定会检查单位：有的工具默认1单位=1毫米，有的=1厘米，直接打印会导致模型缩放10倍。

STEP/IGES：工程交换最稳。这是实体模型的通用交换格式，能被主流CAD软件原生打开，保留实体语义。如果生成结果是网格，需要先做“网格转实体”操作才能导出STEP。这一步质量取决于原始网格质量，烂网格转出来的实体也烂。

原生参数化格式：可编辑性最强。这是程序化生成路线独有优势，代码直接生成目标CAD软件能识别的脚本，跳过一切转换损耗。但绑定平台，换软件就废。

我的建议是日常使用建立一条“双轨制”链路：一个支路输出STL用来快速3D打印验证手感，另一支路输出STEP/原生格式用来做工程出图。两条轨不要混用，否则会在单位换算和拓扑转换上反复折腾。

4.2 网格转实体的坑：拓扑清理与缝合

如果你拿到的是网格模型，想把它变成可编辑的实体，中间隔着几步绕不开的工序。网格转实体最核心的操作是“曲面拟合”——用NURBS曲面去逼近网格表面。网格越密、曲面越光顺，拟合效果越好；网格有破损、非流形边、自相交，拟合直接失败。

我分享一个踩过的坑：生成一个壳体零件时，网格内表面和外表面靠得很近（壁厚只有1.2毫米），拟合算法把内外两个曲面识别成了一个波动的整体，导致实体内部出现了异常的空腔。后来我在拟合前先做了“抽壳检测”，把内外表面拆分成两个独立点集分别拟合，问题才解决。

拓扑修复的命令在各软件里叫法不一（有叫修复、有叫愈合、有叫闭合），但逻辑相同：检查非流形边、删除重复面、填补孔洞。这套流程极其依赖网格质量，不要指望神级算法能“无中生有”把烂网格救活。如果源网格差到一定程度，我的止损策略是直接重新生成一次，把前一步的提示词中相关描述改得更明确，而不是在修复上耗费数小时。

4.3 接入现有CAD环境的三个习惯

第一，先锁定原点再导入。生成模型的坐标系原点和你的装配基准通常不重合，导入后第一步永远是把模型原点对齐到主装配原点。省掉这一步，后面每次装配都会埋雷。

第二，统一单位和中途不要切单位。打印行业习惯毫米，CAE分析习惯米或毫米，不同环节之间切换时极易出错。我的做法是约定所有生成输出都按毫米导出，并在文件名里带_MM后缀，这样任何时候打开文件都知道单位前提。

第三，保持特征树精简。程序化生成代码如果没用函数封装，导入CAD后特征树可能膨胀到几百个节点，后续编辑卡到怀疑人生。我导入后会立刻做一次“特征清理”，把连续的小特征合并成组，把重复的草图约束删掉。这个操作能让文件体积下降一半以上，操作流畅度提升也非常明显。

5. 边界之外的坑：尺寸漂移、对称性丢失与装配逻辑

5.1 为什么读到的尺寸和生成出来的尺寸总对不上

这是最让人困惑的一个坑：提示词里明确写了“直径8毫米”，生成结果一量变成了8.7毫米。问题通常出在两个环节：

一是单位解释歧义。许多模型的训练数据来自混合单位的网络社区，模型一会儿遇到毫米、一会儿遇到英寸、一会儿遇到“一个大概拳头这么大”的模糊描述，它对“8”这个数字应该对应多大实体没有稳定锚点。解决方式是我在上面提到的“锁定参照系”：不只给数字，还给对照物，比如“相当于一支标准铅笔的直径（约7-8毫米）”，模型能更好对齐物理尺度。

二是离散化误差。隐式建模方案的网格分辨率有限，例如在128³的体素网格上，直径8毫米的孔映射到网格上可能实际占7~9毫米的体素。这个误差在低分辨率下根本无法消除，属于方案本身的天花板。如果你做的是精密配合件，建议直接用程序化参数方案，数值由代码精确控制，不存在离散化问题。

5.2 对称性丢失的根因

另一个高频问题是“左右不对称”。要求生成一个左右对称的支架，结果左边加强筋尺寸正常，右边明显多出一块。根因有两层：

第一，大模型生成几何时是逐步推断的，不是整体规划的。它先画左半，再画右半，两个过程之间没有物理上的镜像约束，对称性只能靠模型潜在的先验知识维持，天然不可靠。

第二，程序化生成方案里，对称操作需要显式写出“镜像”指令。模型如果没有在代码中使用镜像函数，而是把两侧特征分别硬写一遍，那么只要某一侧坐标计算有半点偏差，对称就破了。

我的规避手段很简单：生成后立刻做一次对称检查脚本，找出模型的最大包围盒中心面，逐点对比两侧的偏差值。偏差超过0.1毫米就直接在提示词里追加“使用镜像操作生成右侧特征”，强制模型调用镜像API，而不是手动复制坐标。

5.3 装配体生成：单零件模型与装配逻辑之间的鸿沟

很多人兴奋地输入“生成一个减速器装配体”，得到的往往是一个把所有零件融成一坨的几何怪兽——所有零件之间没有间隙、没有约束关系、没有命名。这是因为装配本质上是“零件之间的关系描述”，而当前 text-to-cad 模型更擅长处理“单个物体的绝对形状”。

如果你确实需要多零件场景，我的做法是拆分生成：先给每个关键零件单独生成独立的模型文件，再在CAD环境里手动装配。每个零件生成时，我都会在提示词中指定“与相邻零件配合处的尺寸为XX，预留0.2毫米间隙”。这样虽然花的时间多，但每个零件都是干净的、可替换的，装配逻辑也不会乱。

还有个小技巧：生成零件时同时生成一个“配合标记”命名前缀，比如SHAFT_01、BEARING_SEAT_01，导入装配环境后能快速识别部件角色。别小看这一步，装配体超过十个零件之后，命名混乱会让人彻底抓狂。

6. 一个更务实的用法：text-to-cad 应该嵌在流程的哪个位置

6.1 概念草图阶段的“数字便利贴”

现在我习惯把 text-to-cad 当成会议中的“数字便利贴”。设计讨论时说到“这里加个卡扣结构”，当场生成一个粗模投到屏幕上，大家对着实物讨论，比白板画圈高效得多。等到方案思路定下来，再由专门的建模师按正式流程做干净模型。这个“先看后做”的模式几乎不增加成本，但能极大减少方向性返工。

在这个场景里，模型精度完全不重要，重要的是“能让人看见”。我通常会要求生成结果输出成低分辨率网格，文件小、加载快，演示时不会卡顿。

6.2 生成中间体再交给分析工具

另一个我低频但稳定的用法是生成“拓扑优化前体”。传统拓扑优化需要一个初始设计空间——一个大方块或一个粗略外形体。以前我要手动建这个方块，现在直接输入“生成一个长200毫米、宽100毫米、高80毫米的实心长方体，作为拓扑优化设计空间”，5秒钟拿到文件，省掉重复劳动。

还有一种用法是把生成模型直接导入流体分析工具做定性判断。比如一个弯管接头的生成结果，流体仿真跑一遍看压力分布趋势，虽然数据绝对精度不足，但能快速对比三种形态方案的优劣排序。这个“相对比较”思路在早期选型时比追求绝对精度更实用。

6.3 生成模型库的整理与组织

使用 text-to-cad 一段时间后，你会积累大量生成模型。如果不整理，几周后就变成一堆output_v3_final_final2.stl这样的烂摊子。我现在建了一个目录结构，按“项目编号/用途/版本”三层管理，同时把每次使用的提示词原文存成同名.txt文件，与模型文件放一起。

这个习惯的作用在复盘时体现得最充分：两个月后翻回来看，一眼就能明白当初这个模型要解决什么问题、用了什么参数。继续迭代时直接复制提示词改几个参数再生成，不用从零描述。我觉得这是让 text-to-cad 真正沉淀成“团队资产”而不是“一次性玩具”的关键一步。

我自己的经验是，把 text-to-cad 放在“从想法到可视形态”这一段是最舒服的定位：前端的语义理解交给大模型，后端的工程精度交给人。和所有生成式工具一样，它的价值不在于替代设计师，而在于把设计师从重复的描述性劳动里解放出来，让人把精力留给真正需要判断力的那些问题。如果你准备开始折腾，先从第二部分的程序化参数路线入手，成功感和可控性都会好很多。