1. 从一句话到三维模型：text-to-cad 到底在解决什么问题
第一次听到 “text-to-cad” 这个词，我脑子里蹦出来的画面是：对着电脑说一句“给我画一个带法兰的六角螺栓”，然后 CAD 界面里就自动长出一个可以旋转、可以导出 STEP 的实体。这个画面放在五年前还像科幻，但现在已经有一批工具在往这个方向走了。所谓 text-to-cad，直白点讲，就是用自然语言描述替代传统的手工建模操作，让程序去生成 CAD 模型文件。它输出的格式通常不是一张图片，而是STEP、GLB、STL这类真正带几何信息的三维文件。
这件事的价值在哪里？我做过几年机械相关的项目，最深的体会是：CAD 建模的门槛不在“想不想得到”，而在“手能不能跟上”。一个熟练的工程师画一个简单的支架可能要二十分钟，画一个复杂的装配体可能要一整天。而 text-to-cad 想做的，是把“描述需求”和“得到模型”之间的那段重复劳动压缩掉。它适合的人群其实比想象中广：做产品原型的设计师、需要快速验证结构的工程师、搞 3D 打印的玩家、甚至是想批量生成模型做数据集的开发者。
但我要先把话说在前面，text-to-cad 目前还不是“一句话出成品”的魔法。它更像一个理解能力不错但经验不足的助理，你描述得越精确，它给的结果越靠谱；你含糊其辞，它就自由发挥。所以这篇文章不会给你画大饼，而是把这条链路拆开，讲清楚它背后的技术点、实操步骤、格式选择的门道，以及我踩过的那些坑。关键词里的 CAD、STEP、GLB、STL 会贯穿全文，因为它们分别代表了“设计环境”“工程交换格式”“通用渲染格式”和“打印切片格式”这四个关键环节。
2. 核心原理拆解：自然语言是怎么变成几何体的
2.1 从文本到参数：语义解析是第一道关
text-to-cad 的第一步，是把你说的话变成机器能理解的“结构化参数”。比如你说“一个长 50 毫米、宽 30 毫米、高 20 毫米的长方体，中心开一个直径 10 毫米的通孔”，系统需要识别出：形状是长方体，尺寸是 50×30×20，特征是通孔，孔径 10，位置在中心。这个过程依赖的是自然语言处理里的意图识别和实体抽取。
我实测过几个方案，发现一个规律：带明确数值和几何术语的描述，解析成功率远高于口语化描述。你说“搞个方块”，它可能给你一个默认尺寸的立方体；你说“长宽高分别是 50、30、20 的方块”，它就能精确还原。这背后的原因是，当前多数 text-to-cad 工具用的是“模板匹配 + 参数填充”的思路，而不是真正的端到端生成。也就是说，它内部预置了一批常见的几何操作（拉伸、切除、倒角、阵列），你的描述被映射到这些操作上。
这里有个技术细节值得说：为什么很多工具选择输出 STEP 而不是直接输出网格？因为 STEP 是边界表示（B-rep）格式，它记录的是精确的曲面和实体信息，可以被后续的 CAD 软件继续编辑。而 STL 和 GLB 本质上是三角网格，一旦生成就很难再改尺寸。所以如果你的目标是“生成后还要改”，STEP 是首选；如果只是“看一眼”或者“直接打印”，STL 更方便。
2.2 几何内核：真正的难点在“算得出来”
文本解析只是前半段，后半段才是硬骨头：把参数变成真实的几何体。这一步依赖几何内核，常见的有 OpenCASCADE、Parasolid、ACIS 等。OpenCASCADE 是开源方案里用得最多的，很多 text-to-cad 项目底层就是它。几何内核要做的事情包括布尔运算、倒角、抽壳、曲面求交，这些操作的稳定性直接决定了生成模型能不能用。
我遇到过一个典型问题：描述里带“倒角”的时候，如果倒角半径大于相邻面的尺寸，内核会直接报错或者生成一个破面。这不是 text-to-cad 的锅，而是几何运算本身的边界情况。所以我在实操中会遵循一个原则：先做主体，再加细节。先把大形状生成出来确认没问题，再逐步添加孔、槽、倒角这些特征。这样即使某一步失败，也不会推翻全部。
2.3 输出格式的选择逻辑
STEP、GLB、STL 这三个格式，很多人分不清该用哪个。我用一张表来说明它们的区别和适用场景。
| 格式 | 本质 | 能否编辑 | 典型用途 | 文件体积 |
|---|---|---|---|---|
| STEP | B-rep 精确几何 | 可以，主流 CAD 都支持 | 工程交换、后续修改 | 中等 |
| GLB | 三角网格 + 材质 | 很难，需重新拓扑 | 网页展示、AR/VR | 较小 |
| STL | 纯三角网格 | 几乎不能 | 3D 打印、切片 | 较大（精度高时） |
选择逻辑很简单：要改就 STEP，要展示就 GLB，要打印就 STL。但这里有个坑，STL 的精度是用弦高（chord height）控制的，弦高设得太大会导致圆弧变成多边形，打印出来表面有棱角；设得太小文件又会爆炸。我一般会根据模型尺寸来定，比如 100 毫米以内的零件，弦高设 0.05 到 0.1 毫米比较平衡。
3. 实操全流程：从描述到可用的模型文件
3.1 环境准备与工具选型
如果你只是想快速体验 text-to-cad，最省事的方式是用现成的在线工具或者开源项目。我试过几种路线，各有优劣。在线工具的好处是开箱即用，坏处是模型复杂了就容易卡住，而且很多不支持导出 STEP。开源项目的好处是可控，坏处是要自己配环境，依赖 OpenCASCADE 的编译有时候挺折腾。
我自己的做法是：本地装一个 Python 环境，用 CadQuery 或者 build123d 这类库作为几何后端，再套一层文本解析。CadQuery 的语法很接近“描述式建模”，比如cq.Workplane("XY").box(50, 30, 20).faces(">Z").hole(10)就能生成一个带孔的长方体。如果你不想写代码，也可以找带图形界面的工具，但灵活性会差一些。
提示：OpenCASCADE 的版本兼容性是个大坑，不同版本之间的 API 有变化。建议锁定一个稳定版本，不要盲目追新。
3.2 描述文本的写法规范
这一步是很多人忽略的，但恰恰是最影响成功率的。我总结了一个“三段式描述法”：形状 + 尺寸 + 特征。举个例子：
- 形状：长方体
- 尺寸：长 50 毫米，宽 30 毫米，高 20 毫米
- 特征：中心有一个直径 10 毫米的通孔，四个角有半径 3 毫米的圆角
这样写出来，解析器基本不会误解。反过来，如果你写“一个大概五十乘三十的板子，中间打个洞”，系统就要猜“板子”是多厚，“洞”是多大。我实测下来，带单位的数值描述成功率比不带单位高出一大截，因为单位缺失会导致缩放错误。
还有一个技巧：用坐标系语言描述位置。比如“在顶面中心”“沿 X 轴方向”“距离左边缘 10 毫米”，这些表述比“在那边”“靠左一点”精确得多。text-to-cad 不是人，它没有常识，只有坐标。
3.3 生成与验证的完整流程
我通常按这个流程走：
- 先用最简单的描述生成一个基础形状，确认解析和几何内核都正常。
- 逐步添加特征，每加一个就导出一次 STL 看一眼。
- 确认无误后导出 STEP 作为最终交付格式。
- 如果需要展示，再额外导出 GLB。
这里有个实操细节：导出 STL 做视觉检查时，用网格查看器比用 CAD 软件快。我常用的是一个轻量的 STL 查看器，加载快，旋转流畅，能快速发现破面或者缺失的特征。等确认没问题了，再用 CAD 软件打开 STEP 做精确检查。
关于参数计算，我举个实际例子。假设要生成一个法兰盘，外径 100 毫米，内径 50 毫米，厚度 10 毫米，均匀分布 6 个直径 8 毫米的螺栓孔，孔中心圆直径 75 毫米。那么每个孔的角度间隔是 360/6=60 度，第一个孔可以放在 0 度位置，后续依次旋转 60 度。这个计算过程在代码里就是一个循环，但如果你用自然语言描述，就要说清楚“6 个孔均匀分布在一个直径 75 毫米的圆上”。
4. 常见问题与排查技巧实录
4.1 生成失败或结果不符预期
这是最常见的问题，原因通常有三类：描述歧义、几何运算失败、格式导出错误。我整理了一个速查表。
| 现象 | 可能原因 | 排查方法 | 解决思路 |
|---|---|---|---|
| 生成的形状完全不对 | 描述被错误解析 | 检查关键词是否被识别 | 换更标准的几何术语 |
| 尺寸差了一个数量级 | 单位缺失或错误 | 确认描述里有没有单位 | 显式写上毫米或米 |
| 特征丢失 | 布尔运算失败 | 单独生成该特征测试 | 调整特征位置或尺寸 |
| 导出文件打不开 | 格式不兼容 | 换一个查看器验证 | 重新导出或换格式 |
| 模型有破面 | 几何内核精度问题 | 放大检查边缘 | 简化特征或调整公差 |
我踩过最坑的一次是：描述里写了“倒角 2 毫米”，但相邻面的宽度只有 1.5 毫米，结果内核直接崩溃，连主体都没生成出来。后来我养成了一个习惯：任何特征尺寸都要小于它所在面的最小尺寸，这是几何上的硬约束。
4.2 格式转换中的信息丢失
STEP 转 STL 是单向的，转过去就回不来了。我见过有人把 STEP 转成 STL 之后想改尺寸，结果发现只能重新建模。所以我的建议是：永远保留 STEP 源文件，STL 和 GLB 都是派生文件，随时可以重新生成。另外，STEP 转 GLB 的时候，材质和颜色信息可能会丢失，如果需要带颜色的展示模型，要在转换时显式指定。
还有一个细节：STL 文件分二进制和 ASCII 两种。二进制体积小，ASCII 可读但体积大。做 3D 打印一般用二进制，做数据分析可能用 ASCII。这个在导出时通常有选项，别选错了。
4.3 批量生成的性能问题
如果你要批量生成几十上百个模型，性能就会成为瓶颈。我实测下来，几何内核的布尔运算是主要耗时点，尤其是带大量孔洞的模型。优化思路有几个：一是复用基础形状，只改参数；二是并行生成，用多进程而不是多线程，因为几何运算通常是 CPU 密集型的；三是降低中间验证的精度，最后再出高精度版本。
注意：并行生成时要注意内存占用，OpenCASCADE 的某些操作比较吃内存，开太多进程反而会拖慢整体速度。
5. 工具链与生态：text-to-cad 周边的那些事
5.1 和传统 CAD 的关系
text-to-cad 不是要取代 CAD 软件，而是补上“快速生成”这一环。生成的 STEP 文件可以导入到中望 CAD、SolidWorks 或者其他主流 CAD 里继续编辑。我经常的做法是：用 text-to-cad 生成基础结构，然后导入 CAD 做细节调整和装配。这样比从零开始画快很多。
这里要提一下 CAD 的 shx 字体和图纸合并这些操作，虽然和 text-to-cad 不直接相关，但如果你生成的模型要出工程图，这些就是下游环节。我的经验是，text-to-cad 负责“有模型”，CAD 负责“出图纸”，两者配合使用效率最高。
5.2 和 3D 打印的衔接
STL 是 3D 打印的通用格式，但 text-to-cad 生成的 STL 不一定直接能打印。常见的问题是壁厚太薄或者有悬空结构。我一般会在切片软件里先预览一遍，看看有没有红色警告区域。如果有，就回到 text-to-cad 调整描述，增加壁厚或者添加支撑结构。
还有一个坑：STL 的网格质量直接影响打印效果。如果生成的 STL 三角面片太大，曲面就会显得很粗糙。这时候可以在导出时调小弦高，或者用网格细分工具处理一下。我试过用 Python 的 trimesh 库做网格细分，效果还不错。
5.3 和其他技术的结合点
text-to-cad 可以和参数化设计结合，比如用 Python 脚本批量生成不同尺寸的模型。也可以和 AR/VR 结合，把 GLB 格式的模型直接放到网页或者头显里展示。我甚至见过有人把 text-to-cad 和机械臂仿真结合，用生成的 STL 模型做碰撞检测。这些场景说明，text-to-cad 的输出不只是“一个模型”，而是“一个可以被下游系统消费的数据源”。
6. 我个人的实操心得与避坑建议
先说一个最实用的心得：描述文本要像写工艺卡片一样写。什么叫工艺卡片？就是每一步做什么、用什么尺寸、达到什么效果，写得清清楚楚。比如“在长方体顶面中心位置，沿 Z 轴负方向切除一个直径 10 毫米、深度 20 毫米的孔”，这种描述几乎不会出错。反过来，“在顶上打个洞”这种描述，十有八九要返工。
第二个心得是关于格式选择的：不要一上来就导出 STL。STL 是终点格式，不是中间格式。我见过太多人把 STL 当中间文件用，结果改不动了。正确的做法是 STEP 作为工作格式，STL 和 GLB 作为交付格式。
第三个心得是关于几何精度的：公差不是越小越好。有些场景下，过小的公差会导致几何运算失败或者文件巨大。我一般会根据模型用途来定公差，展示用的模型公差可以放宽到 0.1 毫米，工程用的模型控制在 0.01 毫米以内。
最后分享一个小技巧：如果你不确定描述该怎么写，可以先在纸上画一个草图，把关键尺寸标上去，然后照着草图写描述。这样写出来的文本结构清晰，解析成功率会高很多。这个习惯我坚持了很久，实测下来比直接对着屏幕敲字靠谱得多。
至于后续扩展，text-to-cad 这条链路还可以往“批量参数化生成”和“模型库自动构建”方向走。比如你有一批标准件，可以用脚本批量生成 STEP 文件，建一个自己的模型库。需要的时候直接调用，不用每次重新描述。这个思路我在几个项目里用过，省下来的时间相当可观。
