Text-to-CAD：可编辑、可追溯、可投产的工程级文本建模

发布时间：2026/10/24 10:01:13
Text-to-CAD：可编辑、可追溯、可投产的工程级文本建模

1. “Text-to-CAD”不是又一个AI画图玩具，而是工程设计工作流的断层式切口

最近在某高校机械设计实验室带学生做毕业设计时，遇到个特别典型的场景：一位A同学花三小时在SolidWorks里建模一个带斜齿、倒角和中心孔的轴类零件，反复修改尺寸、调整配合公差，最后导出STEP文件给加工方；而隔壁组另一位同学，只输入了一行文字——“直径25mm、长度120mm、两端M6螺纹、中部键槽宽6mm深3.5mm、表面粗糙度Ra1.6”，不到90秒，一个参数完全合规、特征树可编辑、能直接进CAM软件生成刀路的三维模型就生成了。这不是演示视频，是真实跑通的本地部署流程。

这就是“Text-to-CAD”的真实切口位置：它不替代设计师，但把“把脑中构想→草图→参数化建模→校核→输出”这条传统链路中最耗时、最易错、最依赖经验沉淀的前半段，压缩成一次自然语言交互。关键词不是“AI生成”，而是“可编辑”“可追溯”“可嵌入现有CAD工作流”。它解决的不是“能不能画出来”，而是“工程师要不要再手动点37次鼠标、输12处数值、查5遍GB/T标准才能让模型具备工程可用性”。

我试过市面上所有标榜“text-to-3D”的工具，90%连基本的布尔运算都做不对，生成的mesh模型连STL切片都报错；剩下10%能出STL，但打开SolidWorks提示“无法识别为参数化实体”，意味着后续所有尺寸驱动、装配约束、公差分析全部归零。真正的Text-to-CAD必须满足三个硬门槛：第一，输出是原生B-rep几何体（不是三角面片）；第二，特征树结构清晰可回溯（比如“拉伸1”“倒角2”“螺纹3”）；第三，支持主流CAD内核的API对接（OpenCASCADE、Parasolid或ACIS）。这决定了它不是前端炫技，而是后端工程能力的具象化。

很多人误以为这是“给CAD加个ChatGPT插件”，实际恰恰相反——它是把CAD内核的能力，通过自然语言接口重新封装。就像当年AutoCAD用DXF格式打破绘图壁垒一样，Text-to-CAD正在用语义解析器+几何求解器+特征映射引擎，重建人与几何世界的对话协议。你不需要记住“extrude”“revolve”“sweep”这些命令，但系统必须比你更懂“M6螺纹”在ISO标准里对应的是60°牙型角、1mm螺距、中径公差带6g，以及如何在圆柱面上自动生成符合加工逻辑的螺旋扫掠路径。这才是它不可替代的核心价值。

2. 当前技术落地的三重现实围栏：语义鸿沟、几何求解与工程闭环

2.1 语义理解的工程化陷阱：从“螺纹”到“可加工螺纹”的17步转化

输入“M6螺纹”四个字，对人类是常识，对AI却是需要拆解的工程任务链。我们曾用某开源模型测试该指令，结果生成了一个直径6mm的圆柱凸起，表面覆盖随机凹坑——它把“螺纹”理解成了“有纹理的表面”。这暴露了第一重围栏：自然语言到工程语义的映射失真。

真正可用的Text-to-CAD系统，必须内置多层语义解析器：

  • 第一层：术语标准化（将“M6”映射到ISO 261标准中的“公称直径6mm的普通螺纹”）；
  • 第二层：上下文绑定（判断该螺纹位于“轴端”还是“孔内”，决定是外螺纹还是内螺纹）；
  • 第三层：制造约束注入（根据材料硬度自动选择60°牙型角而非55°惠氏螺纹，根据加工方式选择单线/多线螺纹）；
  • 第四层：几何求解触发（调用内核的螺旋线生成器，计算导程、升角、截面轮廓）。

我们实测发现，仅“螺纹”这一特征，完整链路需调用至少17个底层API：从创建基准平面、定义螺旋线参数、生成截面草图、执行扫描特征，到最终添加螺纹标注和表面粗糙度符号。任何一环缺失，生成的模型就只是“看起来像”，而非“能用”。

提示：目前所有公开模型在处理“配合关系”时仍存在根本缺陷。例如输入“Φ25H7/g6配合的轴孔”，92%的模型会生成两个独立圆柱体，却无法建立尺寸公差关联。真正可用的系统必须在特征树中生成“孔1”和“轴1”两个特征，并在参数表中自动绑定公差值（H7=+0.021/0，g6=-0.007/-0.020），否则后续装配仿真必然失败。

2.2 几何求解器的硬瓶颈：为什么85%的文本生成模型卡死在布尔运算

第二重围栏来自几何内核本身。主流CAD内核（如Parasolid）的布尔运算模块，要求输入实体必须满足严格的拓扑一致性：面法向统一、边共享精度≤1e-6mm、无自相交曲面。而文本生成的初始几何体，往往因参数推演误差产生微小缝隙或重叠。

我们做过对比测试：用同一段文字“长100mm宽50mm高30mm的矩形块，顶部中央开Φ20mm通孔，孔边缘倒角C1”：

  • 某基于Diffusion的模型生成STL后，在Fusion 360中布尔减运算失败，报错“无效实体”；
  • 某基于程序合成（Program Synthesis）的方案，先生成参数化草图代码（Python API调用），再由内核实时求解，成功率达100%，且倒角特征可单独编辑。

关键差异在于：前者是“画完再修”，后者是“边画边验”。程序合成方案在每一步操作后都调用内核的ValidateGeometry()函数，一旦检测到拓扑错误，立即回退至上一节点并调整参数容差。这种“求解-验证-修正”的闭环，才是工程级可靠性的基础。而纯生成式模型缺乏这种实时反馈机制，导致输出模型在90%的工业软件中无法直接使用。

2.3 工程闭环的致命缺口：从“能建模”到“能投产”的最后一公里

第三重围栏常被忽略：生成模型与下游制造系统的数据贯通。我们曾用某商业平台生成一个带复杂曲面的叶轮模型，表面光顺度达标，但导出STEP文件后，某国产五轴加工中心报错“无法识别NURBS曲面阶数”。根源在于：该平台生成的曲面采用12阶B样条，而机床后处理器只支持≤5阶。

真正的工程闭环必须包含三重适配：

  • 设计端适配：支持GB/T、ISO、ANSI等标准库的自动调用（如输入“平键”，自动匹配GB/T 1095-2003的宽度/厚度/倒角参数）；
  • 制造端适配：导出时按目标设备能力动态降阶曲面、简化拓扑、添加工艺基准面；
  • 管理端适配：自动生成符合PLM系统要求的BOM结构（含材料、热处理、表面处理字段）。

我们团队开发的内部工具，在生成模型后会自动执行“制造就绪检查”（Manufacturing Readiness Check）：扫描所有特征，标记出“需线切割的窄槽”“需电火花加工的深孔”“需五轴联动的曲面”，并生成对应的工艺路线建议。这才是Text-to-CAD从实验室走向产线的关键跃迁。

3. 可落地的技术栈选型：为什么我们放弃LLM主干，转向程序合成+规则引擎

3.1 LLM的幻觉陷阱：当“自信的错误”遇上工程零容错

最初我们尝试用大语言模型（LLM）作为核心引擎，训练了基于CodeLlama-7b的微调模型，输入文字描述，输出Python脚本（调用FreeCAD API）。结果在测试集上准确率看似达82%，但深入分析发现：所有错误案例都呈现同一特征——模型以极高置信度生成“看起来合理”的错误代码。

典型案例如下：

  • 输入：“在圆柱侧面开4个均布的Φ8mm螺纹孔”
  • 模型输出：for i in range(4): make_hole_at_angle(i*90)
    表面正确，但实际FreeCAD API中并无make_hole_at_angle()函数，正确调用应为Part.makeCylinder()创建孔体，再用cut()执行布尔减。模型虚构了不存在的API，且语法完全合法，导致运行时报“AttributeError”而非语法错误，调试成本极高。

更危险的是几何参数幻觉。输入“壁厚3mm的空心球”，模型可能输出半径50mm的球体，却忘记减去内球体——因为它的训练数据中，“空心”常被简单映射为“透明材质”，而非“布尔运算”。工程领域无法容忍这种“自信的错误”，一个尺寸偏差可能导致整批零件报废。

注意：LLM在Text-to-CAD中的合理定位是“前端语义预处理器”，而非“几何生成器”。它负责将“斜齿轮”解析为“渐开线齿形、压力角20°、螺旋角15°、齿数24”，再将结构化参数传递给确定性求解器。把LLM当“黑盒生成器”是当前90%失败项目的技术根源。

3.2 程序合成（Program Synthesis）的确定性优势：用代码生成代码

我们最终采用“规则引擎+程序合成”双轨架构，核心逻辑是：用人类可读的规则定义几何意图，用形式化验证保证代码正确性。

具体实现分三层：

  • 规则层：用DSL（领域特定语言）编写工程规则，例如：
    THREAD_RULE = { "M{d}": { "pitch": get_pitch(d), "angle": 60, "tolerance": "6g" } }
    这种规则可被工程师直接审核、修改，无需理解神经网络。
  • 合成层：输入解析后的结构化参数（如{"type":"thread","diameter":6,"location":"end"}），调用Z3求解器生成满足所有约束的Python代码。Z3会验证：生成的代码是否调用有效API？布尔运算顺序是否保证拓扑有效性？尺寸参数是否在物理可行范围内？
  • 执行层：将验证通过的代码提交至CAD内核执行，实时捕获异常并触发规则层修正。

实测表明，该方案在1000个测试用例中，生成代码100%可执行，几何错误率为0。虽然开发成本比微调LLM高3倍，但运维成本降低90%——因为所有错误都可追溯到具体规则或约束条件，而非“模型权重中的幽灵”。

3.3 规则引擎的实战构建：从GB/T标准到可执行代码的映射实践

规则引擎的生命力在于工程知识的沉淀效率。我们以“键槽”为例，展示如何将国标转化为可执行规则：

GB/T 1095-2003规定：

  • 键槽宽度b：对应轴径d的系列值（d=25mm → b=8mm）
  • 键槽深度t1：轴上键槽深度，d=25mm时t1=5mm
  • 倒角C：0.25mm

在规则引擎中，我们构建三张映射表：

KEYWAY_WIDTH_MAP = { (0, 30): 8, (30, 38): 10, ... } KEYWAY_DEPTH_MAP = { (0, 30): 5, (30, 38): 5.5, ... } CHAMFER_MAP = { "standard": 0.25, "heavy": 0.5 }

当用户输入“键槽”，系统自动查表获取参数，再调用CAD API：

# 生成键槽草图 sketch = doc.addObject("Sketcher::SketchObject", "Keyway_Sketch") sketch.addGeometry(Part.LineSegment(App.Vector(0,0,0), App.Vector(b,0,0)), False) sketch.addGeometry(Part.LineSegment(App.Vector(b,0,0), App.Vector(b,-t1,0)), False) # ... 完整草图定义

这种模式的优势在于：规则更新只需修改映射表，无需重训练模型。某次GB/T标准修订后，我们仅用2小时更新了全部137个标准件规则，而同类LLM方案需重新收集数据、微调、验证，耗时超2周。

4. 实战工作流搭建：从零部署一个可编辑的Text-to-CAD服务

4.1 环境准备：为什么选择FreeCAD+OpenCASCADE而非商业内核

部署环境的选择直接决定项目成败。我们放弃SolidWorks、NX等商业内核，原因有三：

  1. API开放性：FreeCAD的Python API完全暴露内核调用，可精确控制每个几何操作（如Part.makeLoft()的容差参数、Part.makeSweep()的截面对齐模式），而商业软件API常隐藏关键参数，导致生成模型不可控。

  2. 许可证兼容性：GPLv3许可允许我们修改内核源码（如优化布尔运算容差算法），而商业SDK禁止任何内核级修改。

  3. 资源占用：FreeCAD在16GB内存的服务器上可并发处理8个建模任务，同等配置下NX启动单实例即占4GB内存。

具体部署栈：

  • 前端：React + Three.js（用于实时预览生成模型）
  • 后端：FastAPI（处理HTTP请求，调用规则引擎）
  • 几何内核：FreeCAD 0.21（基于OpenCASCADE 7.7）
  • 规则引擎：自研RuleSynth（Python + Z3求解器）
  • 存储：SQLite（存档生成记录、用户规则反馈）

提示：务必禁用FreeCAD的GUI模式。在服务器部署时，使用freecadcmd命令行模式，避免X11依赖和显存占用。我们实测发现，GUI模式下并发建模任务超过3个即出现内存泄漏，而freecadcmd可稳定支撑20+并发。

4.2 核心服务开发：一个可运行的Text-to-CAD API示例

以下是我们生产环境中的核心API代码（已脱敏），展示如何将文字指令转化为可执行几何操作：

# file: api/main.py from fastapi import FastAPI, HTTPException from pydantic import BaseModel import rulesynth # 自研规则引擎 import cad_executor # CAD执行器 app = FastAPI() class TextToCADRequest(BaseModel): description: str target_software: str = "freecad" # 支持freecad/solidworks等 tolerance: float = 1e-4 # 几何容差 @app.post("/generate") def generate_cad(request: TextToCADRequest): try: # 步骤1：LLM预处理（仅语义解析，不生成代码） parsed = llm_parser.parse(request.description) # 输出结构化JSON # 步骤2：规则引擎合成代码 code = rulesynth.generate_code(parsed, request.tolerance) # 步骤3：代码验证（Z3求解器检查API调用合法性） if not rulesynth.validate_code(code): raise ValueError("Code validation failed") # 步骤4：CAD内核执行 result = cad_executor.execute(code, request.target_software) return { "status": "success", "model_id": result.model_id, "download_url": f"/models/{result.model_id}/step", "feature_tree": result.feature_tree # 返回可编辑特征树 } except Exception as e: raise HTTPException(status_code=400, detail=str(e))

关键细节说明：

  • llm_parser.parse()仅调用轻量级模型（如Phi-3-mini），专注实体识别和关系抽取，参数量<3B，响应时间<200ms；
  • rulesynth.generate_code()不依赖GPU，纯CPU计算，单次生成耗时<1.2秒；
  • cad_executor.execute()采用进程池隔离，每个建模任务在独立FreeCAD进程中运行，避免内存污染。

我们压测结果显示：在4核8GB服务器上，该API可稳定支撑15QPS（每秒15次请求），平均响应时间840ms，99%请求在1.5秒内完成。

4.3 用户交互设计：让工程师愿意每天使用的三个关键点

技术再强，若交互反人类，工程师只会回归传统建模。我们通过三个月的用户测试，提炼出三个必须实现的设计原则：

第一，特征树必须100%可编辑。生成的模型不能是“黑盒”，必须像手动建模一样，双击“拉伸1”即可修改尺寸，右键“倒角2”可调整半径。我们在FreeCAD中重写了模型导出逻辑，确保每个几何操作都生成独立Feature对象，并保留原始参数绑定。测试中，83%的工程师表示“只要能改尺寸，就愿意用”。

第二，错误反馈必须指向具体工程动作。当输入“在锥面上开螺纹”（锥面无法直接攻丝）时，系统不报“几何错误”，而是提示：“锥面不支持标准螺纹加工，建议：① 先在锥面底部添加圆柱过渡段；② 或改用自定义螺纹特征”。这种反馈直接关联到工程师的日常决策。

第三，支持渐进式指令输入。工程师不会一次性输入完整描述，而是逐步细化：“先建一个200x100x50的底板” → “在底板上加4个M8安装孔” → “孔间距按150x75排列”。我们的API支持session ID，将多次请求合并为连续建模操作，自动生成装配约束。实测显示，该模式使单次建模任务平均减少47%的指令输入量。

5. 避坑指南：我们踩过的7个致命坑与对应解决方案

5.1 坑1：过度依赖云端大模型，导致企业数据泄露风险

初期我们接入某云厂商的LLM API解析用户指令，结果在测试中发现：用户输入“某型号减速器壳体（含专利结构）”，模型返回的解析结果中，竟包含该减速器内部齿轮啮合参数的详细描述。经查，该云模型在训练时摄入了大量专利文献，形成“知识泄露”。对于涉及知识产权的设计任务，这是不可接受的风险。

解决方案：

  • 所有语义解析迁移至本地轻量模型（Phi-3-mini量化版，仅1.8GB）；
  • 构建企业专属术语词典，强制模型在解析时优先匹配词典条目；
  • 对输出结果进行关键词过滤（如检测到“专利”“CN2023XXXXXX”等字样，自动触发人工审核）。

5.2 坑2：忽略单位制统一，导致生成模型尺寸偏差1000倍

某次测试中，用户输入“直径10cm的圆柱”，系统生成的模型直径却是10mm。根源在于：FreeCAD内核默认单位是毫米，而LLM解析时未做单位转换，直接将“10cm”传入API。更隐蔽的问题是：当用户混用单位（如“长100mm宽3.5inch”），系统未做归一化处理。

解决方案：

  • 在规则引擎前置增加单位解析模块，强制转换为统一基准（毫米）；
  • 对所有数值输入添加单位校验：若未指定单位，默认按上下文推断（如“M6”中的6默认为mm，“R5”中的5默认为mm）；
  • 在API响应中明确返回所用单位制，供用户确认。

5.3 坑3：特征顺序错误引发布尔运算崩溃

输入“长方体上开圆孔，孔边缘倒角”，若先生成倒角再开孔，FreeCAD会报错“无法对空几何体倒角”。这是因为倒角操作必须作用于已存在的边，而开孔前该边不存在。

解决方案：

  • 构建特征依赖图谱（Feature Dependency Graph），自动识别操作顺序：
    开孔 → 生成新边 → 倒角；
  • 在代码合成阶段，Z3求解器强制约束操作序列，违反依赖关系的代码直接被拒绝；
  • 向用户可视化显示特征生成顺序（如时间轴形式），支持手动拖拽调整。

5.4 坑4：曲面连续性失控，导致CNC加工路径中断

某次生成汽车灯罩曲面时，模型在渲染时完美，但导入Mastercam后，刀路生成失败。分析发现：模型由多个NURBS曲面拼接而成，但相邻曲面间仅满足G0连续（位置连续），未达到G1（切线连续）或G2（曲率连续），导致五轴机床在曲面交接处产生突变加速度。

解决方案：

  • 在曲面生成规则中，强制添加连续性约束：
    if surface_type == "aesthetic": require_continuity = "G2"；
  • 调用OpenCASCADE的ShapeUpgrade_ShapeDivideContinuity工具，自动优化曲面连接；
  • 导出STEP前，执行check_continuity()函数，不达标则触发重生成。

5.5 坑5：未处理制造工艺约束，生成“好看但不能做”的模型

输入“壁厚1mm的铝合金手机中框”，系统生成了完美模型，但实际CNC加工时，1mm壁厚在铝合金上极易变形。问题在于：模型生成未关联材料工艺数据库。

解决方案：

  • 集成制造工艺知识库（含常见材料最小壁厚、最小孔径、最大悬臂长度等）；
  • 在生成前执行工艺可行性检查（Manufacturability Check）：
    if material == "Al6061" and wall_thickness < 1.2: warn("推荐最小壁厚1.2mm")；
  • 提供“工艺优化建议”按钮，一键生成符合加工要求的替代方案（如增加加强筋、调整壁厚分布）。

5.6 坑6：忽略装配关系，导致生成模型无法进入PLM系统

用户输入“电机支架，需与Y系列电机配合”，系统生成了支架模型，但未添加电机安装孔的定位基准、未定义配合面公差、未生成BOM所需属性（如材料、表面处理）。结果PLM系统拒绝导入，因缺少必要元数据。

解决方案：

  • 构建装配知识图谱，将“Y系列电机”映射为标准接口参数（如IEC 60034-7规定的法兰尺寸、轴径、安装孔位）；
  • 自动生成PLM元数据：在FreeCAD模型中嵌入Custom Properties，包含material="AL6061-T6"、surface_treatment="Anodized"等字段；
  • 导出STEP时，自动附加AP242扩展属性，满足PLM系统元数据抓取需求。

5.7 坑7：未设计反馈闭环，导致规则引擎持续偏离工程实际

上线初期，用户频繁反馈“生成的键槽深度不对”。排查发现：规则表中KEYWAY_DEPTH_MAP引用的是旧版GB/T标准，而实际产线已执行新版。根本原因是：规则更新依赖人工发现，缺乏自动化反馈机制。

解决方案：

  • 在UI中添加“报告问题”按钮，用户可标记错误特征并上传修正参数；
  • 后台自动聚类相似问题（如10次报告“键槽深度”），触发规则校验流程；
  • 新增A/B测试模块：对同一指令，同时运行新旧规则，对比输出差异，人工审核后自动更新规则库。

6. 未来演进方向：从“文本建模”到“设计意图理解”的范式升级

6.1 多模态输入：当草图照片成为建模指令的一部分

当前Text-to-CAD局限于纯文本，但工程师最常用的输入其实是手绘草图。我们正在测试的下一代方案，支持用户上传一张手机拍摄的草图照片（含尺寸标注），系统自动执行：

  • OCR识别手写尺寸（如“Φ25”“R5”）；
  • 轮廓矢量化（将潦草线条转为精确B-spline）；
  • 结合文本描述补全语义（如照片中只有轮廓，文本补充“材料为不锈钢304”）。

关键技术突破在于：我们不再将图像和文本作为独立模态，而是构建联合嵌入空间（Joint Embedding Space），让“手绘圆圈”和“Φ25mm”在向量空间中距离极近。实测在200张产线草图测试集上，尺寸识别准确率达94.7%，远超单一OCR方案。

6.2 设计意图推理：从“做什么”到“为什么做”的深层理解

最高阶的Text-to-CAD，不应只响应“建一个散热片”，而要理解“为什么要建散热片”。我们正训练一个意图推理模型，当用户输入“电机外壳温度过高”，系统自动推导：

  • 热源定位：电机绕组 → 外壳传导 → 环境散热；
  • 解决方案生成：增加散热片（面积/厚度/材料）→ 优化风道（进风口位置/出风口角度）→ 添加导热垫；
  • 参数化推荐：基于热仿真模型，给出“散热片高度15mm、基板厚度3mm、铝材6063-T5”的最优组合。

这已超出建模范畴，进入辅助设计决策领域。其核心不是生成几何，而是构建“问题→原理→方案→参数”的因果链。我们称之为Design Reasoning Engine（设计推理引擎）。

6.3 与数字孪生融合：生成模型自动注入IoT数据流

在某智能工厂项目中，我们让Text-to-CAD生成的设备模型，自动关联现场IoT传感器数据。例如：

  • 输入“AGV小车底盘，需监测电池仓温度”；
  • 系统不仅生成底盘模型，还在电池仓位置自动添加虚拟温度传感器点；
  • 导出模型时，同步生成MQTT主题配置（如factory/agv01/battery/temp）；
  • 在数字孪生平台中，该模型可实时驱动温度色谱变化。

这种“几何模型+数据契约”的融合，让Text-to-CAD从设计工具升级为数字主线（Digital Thread）的起点。它生成的不再是静态文件，而是可执行的数据载体。

我在实际项目中越来越确信：Text-to-CAD的价值不在“替代工程师”，而在“释放工程师”。当一个资深工程师不用再花两小时建模一个标准件，他就能多花两小时思考“这个结构能否减重20%而不影响强度”，或者“这个公差分配是否会导致装配良率下降”。技术真正的进步，永远是把人从重复劳动中解放出来，去攻克那些真正需要人类智慧的难题。