text-to-cad技术解析：从自然语言到可编辑CAD实体模型

最近这段时间，身边不少做机械设计、产品结构的朋友都在聊 text-to-cad，说是用一句话就能生成CAD模型。我一开始也以为又是那种“文字生成3D模型”的玩具，毕竟之前那些AI建模工具，生成出来的东西精度低、没法编辑，根本没法放进正经的设计流程里用。但实际把这些工具挨个试了一圈，又翻了翻相关的技术实现和开源项目之后，我得说：text-to-cad 跟以前那些“看起来很美”的AIGC建模还真不是一回事。它解决的问题非常具体，就是把自然语言转换成可以编辑、可以装配、可以进CAM流程的实体模型，而不是生成一个只能看的网格壳子。

这篇文章我不打算讲太多论文里的数学推导，就从一个实际做结构和产品设计的从业者角度，聊聊 text-to-cad 到底是什么、背后的思路是怎么演进的、目前有哪些能落到工作流里的工具，以及我踩过的坑和调试出来的经验。如果你正打算把文本生成CAD接入自己的设计流程，或者单纯想搞清楚这东西到底能不能用于生产，这篇文章应该能给你一些参考。

1. 先把 text-to-cad 这件事掰开揉碎：它到底在生成什么

1.1 一句话说清楚：这是“可编辑实体”，不是“好看的网格”

很多人一听“用文字生成模型”，脑子里冒出来的第一个画面是输入一句“一只站着的猫”，然后软件给你吐出来一个很可爱的模型。那个方向确实存在，但那是文本生成3D网格（mesh）或者文本生成体素，和 text-to-cad 的 cad 完全是两码事。

CAD模型的核心特征是参数化和可编辑性。一个真正的CAD文件里，模型不是一个三角形面的集合，而是一系列几何特征的组合：拉伸、旋转、倒角、孔、阵列、布尔运算后的实体。你可以回去修改草图的某个尺寸，整个特征树会自动更新；你可以给两个零件添加配合关系，做装配和运动仿真；你可以直接把这个模型发给加工厂做数控编程。而这些，普通AI生成的网格模型全都做不到。

text-to-cad 的目标，就是直接从自然语言描述生成这种“带特征树的实体模型”。比如你输入“一个直径40mm、厚度5mm的圆盘，中心有一个直径8mm的贯穿孔”，工具应该给你生成一个零件，你用CAD软件打开后能看到这个盘子的创建历史，能修改直径参数，能把它跟其他零件装配在一起。生成网格模型只是生成了一堆三角形的排列，但生成CAD模型意味着理解了“钻孔”这个特征语义，理解了圆柱体和孔的拓扑关系，甚至理解了壁厚、拔模角这类加工工艺要求。

1.2 技术路线的大分水岭：从“重建形状”到“理解构建过程”

把技术实现往前推几年，最早一批尝试用AI做CAD建模的工作，基本都走的是“形状重建”的路子：输入一张图片或者一段文字，AI先判断这个物体大概长什么样，然后通过隐式函数、点云生成或者体素填充的方式，重建出一个三维形状。这条路子的问题是：重建出来的形状没有“语义”，不知道哪块是凸台、哪块是孔，也无法告诉CAD软件“我是通过一次拉伸加一次切除生成的”。

近年来的技术路线出现了一个关键转变——不直接重建形状，而是让模型学会生成CAD操作序列。这个思路的本质是：把CAD建模过程看作一个程序执行过程，每个特征都是一条指令。你在FreeCAD或者SolidWorks里画一个零件，后台本质上就是一系列操作的日志。AI如果能学会预测这些操作序列，就能自动重建出特征树，输出真正可以被CAD软件解析的文件格式。

这也是为什么 text-to-cad 跟传统文本生成3D最大的区别在于数据。现在主流的数据集已经不是一堆OBJ网格文件，而是抽取出CAD特征树的序列化数据。像DeepCAD、Fusion 360 Gallery这些数据集，把设计历史拆成了“拉伸深度、草图轮廓、布尔运算类型、旋转轴”这种机器可读的token，Large Language Model 可以直接在这上面做序列到序列的学习。相当于让AI看了几百万个零件的设计过程，然后学会了“当用户这样说的时候，通常应该先干什么、再干什么”。

1.3 为什么大家都在跟进：这件事的商业价值在“草图生成”环节

行业内对text-to-cad这么关注，有一个很实际的原因：草图阶段占用了设计师大量的重复劳动时间。做过结构设计的人都清楚，一个零件从概念到初版模型，很多时候最麻烦的不是计算和校核，而是把脑子里已经想清楚的结构，在CAD里一笔一笔画出来。拉伸、切除、开孔、倒角，这些操作技术上难度不高，但非常耗时。

自然语言生成CAD真正的价值，就是把这部分重复性的“操作劳动”转换成“意图表达”。设计师可以把精力集中在更上层的设计决策上，比如材料选择、强度校核、装配布局，而把“把这段描述变成几何特征”的重复工作交给模型去做。这也是为什么这个方向对制造业、非标自动化、产品结构设计这类行业特别有吸引力——这些场景里的零件往往是标准件加少量非标件组合，几何描述相对明确，AI生成的准确率可以做得很高。

2. 主流方案与工具选型：有哪些能用的，各有什么脾气

2.1 目前能落地的工具矩阵

我把目前接触到的text-to-cad相关工具和项目分成三类：在线服务型、开源模型型、CAD内嵌插件型。下面这张表是我自己的使用总结，不一定全面，但基本覆盖了主流的可选项。

2.2 在线服务类：Zoo.dev 的实际体验

Zoo.dev 的 Text-to-CAD 是目前比较出圈的在线工具，其实测下来也确实有值得说道的地方。它的交互逻辑很直接：你输入一段文字描述，它会先给你生成多个视角的渲染预览图，你觉得哪个视角看着靠谱，再指定让它生成最终的模型。这种“先看预览再定稿”的交互设计其实很聪明，因为AI生成是有随机性的，一次生成多个候选能显著提高可用性。

从输出质量上说，Zoo 在“带有孔和圆角的机械零件”这类描述上表现最稳定。比如你输入“一个带有四个对称安装孔的矩形安装板，四角倒圆角”，它生成的模型能直接进3D打印流程。但对带有复杂轮廓、自由曲面、非对称特征的结构，生成的模型往往需要人工修补。

另外一个比较实际的限制是它的免费额度。你真要拿它当主力建模工具用，额度很快就用完了。我个人的使用策略是：把重复性的标准件描述存成提示词模板，需要的时候批量生成，再导入CAD软件做尺寸级的修改，这样能最大化利用有限的额度。

2.3 开源与自部署：ML-CAD 这类模型能干什么

如果你有GPU资源，又对数据隐私有要求，可以关注ML-CAD这类开源项目。它的做法比较有意思：用一个多模态大模型作为理解层，把用户输入的自然语言转换成结构化的几何指令，再接一层生成模块把这些指令变成参数化CAD模型。跟在线服务比，开源方案的最大优势是可定制——你可以针对自己公司的标准件库做微调，让模型学会生成符合企业标准的结构。

自部署的硬门槛确实不低。推理一张图就需要比较高的显存，全套跑起来基本需要24GB以上显存的消费级或专业级显卡。如果你只是想做技术验证，我建议先用云GPU租用方案跑通，不要一步到位买硬件。

2.4 传统CAD里的AI：从“画草图”到“写代码”

还有一个方向值得留意：像FreeCAD这种开源CAD配合LLM，通过生成Python脚本来建模。FreeCAD有完整的Python API，几乎每个操作都能用脚本完成，所以你可以让大模型直接生成一段构建模型的脚本，然后在FreeCAD里执行。

这个方案的好处是每一步操作都透明，脚本里每一行对应一个特征，你可以随时修改参数重新执行。坏处是，大模型生成的脚本不一定能一次跑通，API版本更新还会引入兼容性问题。但如果你把脚本生成和参数化模板结合起来，做一个“描述-生成-修改-确认”的工作流，它在效率上可以超过手动建模。我个人在这条路上投入了不少时间，后面实操部分会详细讲。

3. 实操记录：从一句描述到可编辑零件的完整流程

3.1 准备环境：我用的组合方案

我目前最常用的调试环境是一套本地组合方案：开源LLM + FreeCAD Python API + 自写提示词模板。选它的原因很简单：数据不出本地、每步可改、不用抢在线额度，而且能让我看清楚每个特征是怎么被生成的。

具体环境是这样的：

• 操作系统：Windows 11（建议用Linux，包管理会更省心）
• CAD软件：FreeCAD 0.20以上（必须确认API接口稳定）
• 大模型：本地跑的Qwen2.5-14B量化版，实测在几何指令生成上表现稳定
• 调度框架：Python脚本，用正则表达式解析模型输出的JSON指令块

需要提醒的是：不要直接让模型输出FreeCAD脚本，因为脚本自由度太高，模型很容易产生API误用。我的做法是给模型限定一个中间指令集，只允许它输出事先定义好的几种操作指令（比如创建草图、拉伸、切除、开孔、倒角），然后由我写好的解释器把指令转换成API调用。这是调试过程中最关键的架构决定，能减少大量随机错误。

3.2 核心流程拆解：五步走到可编辑模型

第一步是写提示词。这里有个要点：几何描述要跟CAD建模语言的表达习惯对齐。你描述零件时，不要说“一个带孔的方块”，要说“一个长100、宽60、高10的长方体，底面中心为原点，在顶面中心创建一个直径12的贯穿孔”。模型对单位的敏感度很高，不写数字它就开始自由发挥。

第二步是先用在线工具做快速验证。在把同样的描述送进本地环境前，先拿Zoo生成一版，确认几何关系是否合理。因为在线工具内置的模型对常见场景理解得更好，如果它都生成得不对，说明你的描述本身有歧义，需要改描述，而不是怪本地模型。

第三步是写中间表示。我的JSON指令结构长这样：

{ "primitives": [ {"op": "box", "params": {"length": 100, "width": 60, "height": 10, "origin": [0,0,0]}} ], "features": [ {"op": "hole", "params": {"diameter": 12, "axis": "z", "position": [0,0,10], "through": true}} ] }

模型只负责产生这种结构化指令，实际建模由解释器执行。这样即使模型偶发指令错误，我也可以手工修正JSON，不需要全部重来。

第四步是在FreeCAD里执行并生成STEP文件。解释器接收上面的JSON，逐个调用 FreeCAD 的 Part 模块 API 创建几何体，最后执行布尔运算合并成一个零件，导出STEP。整个执行过程可以写成脚本一键完成。

第五步是人工校验。打开导出后的STEP文件，测量关键尺寸、检查特征是否完整、确认没有多余的破面。必要的时候修改JSON里的参数重新生成，或者直接在FreeCAD里继续编辑。

3.3 实测案例：一个典型支架零件的生成记录

我用一个“L形支架”做了完整的记录。提示词写的是：“L形支架，两臂长度分别为80和60，宽度40，厚度8，两臂交点处有一个直径10的贯穿孔用于安装，长臂末端有一个直径6的贯穿孔。”

这个描述放给本地模型后，生成的JSON指令主要包含两个box原始体，一根圆柱作为切除工具，以及一个布尔减运算。解释器执行后的结果基本正确，但两臂的圆角过渡没有被表达出来——因为我的提示词里没有明确要求圆角。最后我手动在FreeCAD里补了一个R5倒角，总共用时不到两分钟。如果完全手动建模，这个零件从零画起，怎么也要五到十分钟。

3.4 提示词模板的沉淀与复用

这是我强烈建议所有人都做的一件事：把你日常设计里高频出现的零件类型，拆成可复用的提示词模板。比如“标准安装板模板”的提示词，我会固定成：

一个矩形安装板，长{length}、宽{width}、厚{thickness}， 四角倒圆角{radius}， 面上分布安装孔，孔位置和直径如下：{holes}

用这种模板，参数一替换就能批量生成一系列相似零件，极大提高出图效率。做结构设计的朋友应该能秒懂这句话的价值：很多非标设备里，一整块钣金面板上就是一堆规格不同的安装孔，以前要一个个画，现在一句话加一个参数表就够了。

4. 常见问题与排查技巧：我踩过的那些坑

4.1 生成的零件是“壳”而不是实体

这是非常典型的问题。你在预览里看着模型挺像回事，结果一导入CAD软件，发现模型其实是个空心薄壳，或者有很多重叠面。问题根源在于模型对“实体”和“表面”的认知还不到位。

排查方法是严格控制输出格式，增加一步几何合法性校验。在FreeCAD里执行完布尔运算后，用Part.CheckGeometry检查实体有效性。如果检测到非实体结果，立即兜底：重试生成、调整描述中的拓扑关系用词（比如把“相交”改成“合并”），或者对简单零件直接用原始特征重建而不是依赖布尔运算。

4.2 尺寸比例失调，完全不符合常理

AI模型对物理世界的真实尺寸没有直观感知，你不写单位，它就默认自己在某个虚拟空间里。比如你描述“一个直径30的圆盘”，它可能生成直径300的模型，也可能生成直径3的模型。

解决方法是提示词里所有尺寸必须带单位或者带明确数值范围。另外，可以在提示词模板里预置常用材料的厚度推荐值，比如“钣金件厚度建议1.5或2.0”“注塑件壁厚建议2.5”。模型在微调时见过大量工程图纸语料，你给出工程语境，它的输出会更贴近实际。

4.3 “孔”和“凸台”语义混淆

这是个很有意思的失败模式。当你描述一个带有复杂背景的零件时，模型有时会把孔识别成凸台，或者反过来。我分析下来，大概率是训练数据里“孔”往往跟“圆柱”共现，模型学到的是“圆柱等于某种凸起特征”，而不是真正理解“孔”是减法的语义。

应对策略是：在生成流程里强制将“孔”映射为“圆柱体与基础体做减运算”，而不是让模型自己选择操作符。因为一旦模型在指令阶段选错了操作符，后面的几何就很难纠正。我现在的JSON模板里，hole操作固定由解释器翻译成“创建圆柱+布尔减”，模型不需要也不可能改变这个操作方向。

4.4 单位制混乱：英寸和毫米的薛定谔叠加

这个坑特别隐蔽。模型的训练数据里英美工程语料和公制工程语料是混合的，它对“厚度5”这种描述可能会理解成英寸。一次我生成的支架，导入软件后尺寸全部自动变成了原来的25.4倍，差点直接发去加工。

处理方法是模板里默认明确标注单位：所有尺寸均为毫米。如果生成结果尺寸明显不合理，先检查这一步，不要急着怀疑模型。另外，在导出STEP文件前，在FreeCAD里对零件的BoundingBox做一次尺寸检查，确认主轴长度在预期范围内，这一步能避免绝大多数单位问题。

4.5 特征树缺失：打开文件后只有一个“孤零零的实体”

部分工具生成的STEP文件在几何上是正确的，但导入CAD软件后，你看到的只有一个“哑实体”，完全没有特征历史。对需要修改尺寸的设计场景，这就很尴尬。

这里要明确一个期望：目前大多数text-to-cad工具输出的STEP本来就不带特征历史，能生成参数化文档的还是少数。如果你需要参数化修改，建议把生成的模型当作参考几何，在CAD里重新描一遍草图，或者使用自动特征识别功能（像Fusion 360里就有）把操作历史推断出来。这个功能虽然不是100%准确，但对修改简单特征（拉伸、孔）已经够用了。

4.6 复杂装配体支持还比较弱

目前的text-to-cad工具大多擅长单零件生成，对“多个零件的装配关系”支持很有限。你输入“一个由底座、转臂和销轴组成的旋转机构”，它大概率会输出一个糊成一团的形状，而不是三个能互相配合的独立零件。

我目前的处理方式是把装配体拆成多个独立工件来描述，逐个生成，再在CAD里手工添加装配约束。这个流程虽然笨一点，但每个零件都能保证质量，远比指望AI一步到位现实。

5. 怎么把 text-to-cad 真正嵌入现有设计流程

5.1 建立“描述库”和“零件模板库”，而不是零散地用

跟AI工具磨合一段时间后，最大的感受是：把text-to-cad当作一个临时灵感工具，价值非常有限；把它当作公司标准件库的生成引擎，价值才真正体现。

我的做法是维护一个分类好的描述库：

• 标准件类：螺钉、垫圈、销、轴承座，这类描述高度标准化，AI生成成功率很高
• 钣金件类：带折弯的支架、安装板、外壳，重点在描述折弯半径和孔位
• 机加件类：带倒角、梯形螺纹孔、腰型槽的零件，对布尔运算要求高，需要仔细调参

每次生成成功的提示词，我都把最终描述和输出模型关联存档。积累一段时间后，这个描述库本身就是一笔资产，新人也可以用同样的模板生成同样的标准件，团队内部的沟通成本会明显下降。

5.2 人机分工：让AI干重复活，让人干决策活

跟text-to-cad合作得越深，我越觉得正确的姿势不是“让AI替代人”，而是“让AI把设计师从重复劳动里解放出来”。设计师对模型的合理性判断、对材料的理解、对装配工艺的考虑，这些是AI目前替代不了的。

我个人的分工方式是：AI负责“从描述到几何”这一段，人负责“从需求到描述”以及“从几何到验证”这两段。遇到需要专业判断的地方，比如“这个壁厚能不能满足强度”“这个圆角加工工艺上能不能做出来”，AI给不了答案，这些必须由人来决定。把AI定位成“一个很听话、干活很快但不懂工程的下属”，而不是“一个全知全能的设计师”，心态上会舒服很多，产出也会稳定很多。

5.3 扩展方向：图片输入和逆向建模

最后聊一个我正在尝试的扩展方向——图片辅助的text-to-cad。现在有一些模型支持“草图图片+文字”的输入模式，你可以拍一张手绘的零件草图，配上文字说明，模型结合图像信息生成更精确的模型。对速写能力比较强的设计师来说，这种方式比纯文字描述更直观，成功率也更高。

再往后看，text-to-cad还会跟生成式拓扑优化、增材制造仿真这类技术结合。到时候设计师可能需要的不是“设计零件”，而是“描述功能需求”，跟AI说清楚“这个零件要承受多大载荷、跟什么配合、用在哪里”，AI在约束范围内生成候选结构方案。这一步要是真走通了，设计范式又要变一轮。

我在实际测试中最大的感受是，text-to-cad目前还远谈不上完美，但如果你愿意花点时间去建模板、调流程、做校验，它是目前AI辅助设计里最接近“能进生产流程”的工具方向。别指望它一步到位把复杂的装配体给你生成好，从标准件和简单支架开始积累经验，慢慢扩展能力边界，这个路径走下来，你会发现自己有更多时间去做真正需要判断力的设计工作。