刚看到方向时我一度以为又是哪个大模型团队拿扩散模型做了个“文本生成3D模型”的demo——能出个带贴图的网格体能转一圈看看热闹但拉进工业软件里就完全没法用。直到我实际把生成结果导进Onshape打开看到左侧特征树里整整齐齐排列着拉伸、切除、倒角这些可编辑特征才反应过来Text-to-CAD这条路走的不是“生成一张图”而是“生成一套建模指令”最后在CAD内核里重新执行得到的是原生参数化模型不是一张网格皮。这个定位非常重要。Text-to-CAD解决的痛点是所有在机械设计、结构设计里被“从零建模”拖住的人——早期概念评审要一个支架、一个外壳、一块安装板传统做法是打开SolidWorks、新建草图、画线约束、拉伸切除怎么也要十来分钟。现在把这些“萝卜白菜”的需求写成一两句话让模型先出一版能改能调的实体你再决定是微调还是推翻整个工作流的前半段就完全变了。它适合谁机械工程师、结构设计师、硬件创业者、3D打印爱好者以及所有被“开软件画草图”劝退的非专业人士。跟常见文本生成3D不同Text-to-CAD的输出不是卖给渲染场景的而是能进入真实制造链条的参数化实体文件。这个差异决定了它的玩法、边界和坑都不一样所以值得单独写一篇来聊而不是和文本转3D混在一锅里煮。1. 从“提示词到参数化实体”这条线到底改了什么——先厘清text-to-cad的真实定位Text-to-CAD顾名思义是“文本描述直接转成CAD模型”。但它和大多数人在短视频里看到的“AI生成3D模型”完全是两个物种。你在那些demo里看到的AI生3D通常是输入一句话输出一个带贴图的三维网格专门给游戏、影视、电商展示用的Text-to-CAD输出的是工程软件能直接编辑的实体模型改一个直径、加一个圆角、把孔位挪一下都在CAD参数体系内完成这就是“原生”二字的含义。我第一次用这个方向的产品时给了个很朴素的提示“M3 hex nut with 5.5mm across flats, 2.4mm thick”。十几秒后右侧预览出现一个六角螺母我顺手把它导入配套的云端CAD工作区特征树里清楚显示“六边形草图 → 拉伸24mm → 中心孔拉伸切除”。那一刻我意识到这不是“画了一张螺母的图”这是“替我执行了一次完整的建模过程”。下面把这条线的底层定位和实际玩法拆开讲。1.1 文本生成3D那么多为什么text-to-cad值得单独讲文本生成3D领域其实已经很热闹了扩散模型生成体素、NeRF重绘、多视图重建、点云生成各有各的粉丝。但它们的共同特点是输出离散三角网格。网格适合渲染适合放进游戏引擎却极不适合做工程——没有参数没有特征历史改一个直径得动整个网格外壳更别提直接出工程图、做干涉检查、跑有限元分析。Text-to-CAD则走了另一条路线。可以粗浅地理解成模型先把你的话翻译成一套CAD建模操作序列再在真正的CAD内核里执行。所以输出的是带特征的实体模型有草图、尺寸、特征树跟你手动建模出来的文件是同构的。这个同构带来的直接好处是模型可以后期编辑尺寸可以改倒角可以加特征顺序可以调整甚至能跟企业已有的参数化设计规范打通。对比维度文本/图像生成3D网格Text-to-CAD参数化实体输出数据类型三角网格obj / glbSTEP / B-rep / 特征历史几何编辑能力很弱基本要回炉重做有特征树可拉伸、切除、倒角工程下游渲染、游戏、展示CAM、有限元、出图、装配对建模师傅的意义出个概念图出个能直接进CAD工作台的毛坯1.2 它生成的“原生CAD文件”到底意味着什么我在试用阶段做过一个小测试让它生成一个M3六角螺母并指定对边直径和厚度。模型返回后我把原始文件直接打开在草图上改内切圆直径整个实体跟着更新再往里加一个同心孔特征所有下游圆角自动重新计算。这个体验在普通文本生成3D里完全做不到但在原生参数化文件里就是基本操作。“原生”还意味着下游链条全通。STEP文件可以进CAM做刀路规划Parasolid格式可以进SolidWorks无障碍云平台生成的典型场景还能直接开在配套工作区里继续编辑。换句话说它不是给你一张“零件照片”而是把CAD工作的底层数据结构直接生成好了。这个差异决定了工具能不能融入真实产品研发流程——能改、能存、能走标准交换格式才有资格谈“工业化”。2. 它背后的模型是怎么“画”出可编辑CAD的策略模型与强化学习的工作逻辑如果你用惯了ChatGPT可能会下意识认为Text-to-CAD就是个多模态大模型把文本和形状映射到一起。其实不是。这类系统的核心是拿“CAD建模指令”当语言来生成——模型不是在预测下一块网格而是在预测下一步建模动作画一条线、约束相切、拉伸到某个深度、加一个圆角。这个设计选择相当关键。CAD模型本质上就是一条特征命令序列像一段三维建模“代码”。既然像代码就可以用处理序列的方式生成而不用硬去预测每个顶点的坐标。于是模型的行为边界就清楚了先起草图命令再用拉伸、切除、旋转、阵列等特征命令覆盖后续遇到复杂的自由曲线还能用样条来逼近。2.1 生成的不是“图”是“图纸意图”从命令序列说起如果你熟悉Onshape、SolidWorks、FreeCAD你应该熟悉这套操作流新建草图 → 画线画圆 → 添加几何约束 → 标注尺寸 → 拉伸 → 切除 → 倒角。所谓参数化建模本质上就是执行的命令序列加参数形成的历史记录。Text-to-CAD把文本提示作为输入然后生成这一整套命令序列。模型相当于一个“会讲命令的内核”一边读你这句话一边推测该怎么敲命令。为了帮助你理解抽象成一段伪代码sketch circle center(0,0) radius4 extrude depth2.4 sketch circle center(0,0) radius2.5 cut through-all add fillet radius0.5 on selected-edges这段伪代码是六角螺母模型背后的特征骨架。模型最擅长做的事就是按这种序列模式“续写”下去。这跟预测下一个网格顶点完全不同网格顶点坐标是连续数值轻微抖动造型就崩预测下一个建模动作是离散选择模型天然擅长“下一步做什么”这类游戏。再加上命令间有依赖关系前一个特征会直接影响后一个特征能不能成立这让整个生成过程更像写代码而不是捏泥巴。2.2 为什么必须用强化学习而不是拿“文本CAD”直接喂给大模型有人会问现在大模型能力这么强直接用海量“文本CAD”配对数据让它多模态学习不就行了真正去做了才会发现困难在于公开的文本-CAD配对数据太少而且极度不均匀。大多数CAD模型文件里根本没有文字说明网上能搜到的文字描述又往往含糊。纯监督学习很容易训练出一个“语法正确但几何废掉”的命令生成器因为训练数据里缺少“做错了会怎样”的负例反馈。强化学习在这件事里的作用是让模型自己给自己造反馈。流程大致是这样模型先生成一段命令序列把命令扔进CAD内核去执行内核返回是否成功、实体有没有自相交、特征有没有生效再把这结果折算成奖励信号。成功构造出实体得正分中途崩掉得负分反复滚动训练模型逐渐逼近“高成功率”的策略空间。需要注意奖励不是“看起来像不像”而是“在CAD内核里能不能真正把实体建模完成”。类比一下AlphaGo它不是靠背人类棋谱学会赢棋的而是在不断对弈中自己发现“哪些走法能通向胜利”。Text-to-CAD的强化学习也是类似逻辑——让模型在参数化建模的天地里自己试出“哪些命令序列能让实体成立”。2.3 训练数据哪来程序化合成是这类项目的隐形底盘那训练量从哪里来公开资料显示这类项目广泛采用程序化生成加批量推理的模式。团队写一套参数化零件生成脚本把尺寸、孔位、倒角值做成随机参数一次性批量生成大量互不相同但符合工程逻辑的零件再把它们对应的建模命令序列拿去做预训练。这样做的好处是训练数据量不受人工建模速度限制且每个样本都自带完整特征命令天然适合序列学习。数据层面的另一条路子是从开源零件库反推。拿现成的STEP模型或者网格逆向猜测它可能的草图步骤和特征顺序再合成训练样本。不过这属于“临摹”噪声大只能当补充手段。理解了这个数据底色你就能理解为什么它对“拉伸打孔倒角”这类特征组合特别有把握而对自由曲面、多体装配极度陌生——没见过那么多复杂数据喂不熟。3. 真正上手从浏览器到API把text-to-cad接进现有工作流的实测路径讲完原理聊实操。我建议你直接找个入口试一遍。目前这个方向最有代表性的公开产品是Zoo团队做的“Text-to-CAD”提供Web界面、API接口也支持接主流CAD工作区。我第一次用就是在官网注册账号把想法翻译成一句英文提示敲进去几秒钟后页面右侧出现一个带黄色草图线、蓝色实体高亮的3D预览点一下按钮还能直接跳到配套的云CAD环境里继续修改特征。这一节把我实测过的完整上手路径拆出来走一遍就知道坑在哪里。3.1 浏览器端实测从输入提示到拿到可编辑模型的完整路径在Web端走通一次完整流程基本是这六步注册账号并登录。在文本框输入想要零件的特征描述。点击生成等待十几秒到几十秒。在预览视口里旋转、缩放检查结果。选择“在CAD中打开”跳到云端CAD工作区。或直接导出STEP文件带进本地SolidWorks、FreeCAD等工具链。我实测过的几类提示词效果分化很明显结构明确、约束清晰的机械件一次性成功率高比如“a rectangular mounting plate, 80x60mm, 4mm thick, with 4 corner holes of 5mm diameter at 10mm from each edge”。功能明确但缺少尺寸的模型会猜测只能当前期概念比如“a smartphone stand with a bottom lip and a back support”大概是底座加靠背的意思模型能生成但具体高低比例要人工再调。涉及装配关系、多零件协作的结果通常是一坨“形似神不似”的单体比如“a drawer with four wheels”它会把轮子焊死在抽屉体上而不是生成四个独立零件。浏览器端给我最大惊喜的是生成结果不只是预览网格很多能直接进云CAD工作区编辑。特征树里拉伸深度、草图约束都是现成的改尺寸后所有下游特征自动重算。这意味着你可以把AI生成结果当成“第一版草稿”而不是最终答案。3.2 把text-to-cad接进代码工程API调用与自动化批量生成高级玩法是走API。手工在网页里输入偶尔玩一玩可以真要把它嵌入到项目流程里就得让代码来调用。这类接口的调用姿势一般很常规注册拿API Key请求头带Bearer鉴权POST一段文本提示词后台异步执行完成后返回结果。我用curl做过一次最小化尝试curl -X POST \ -H Authorization: Bearer $ZOO_API_KEY \ -H Content-Type: application/json \ -d {prompt:M3 hex nut with 5.5mm across flats, 2.4mm thick} \ https://api.zoo.dev/v1/alpha/cad/text-to-cad第一次请求会拿到一个任务号类似“task_xxxxxxxx”然后再轮询查询状态任务完成后响应里往往带着预览数据入口和文件下载地址。这跟视频生成、图片生成API的异步架构是一样的做工程的人都熟悉。有了API批量生成就可以自动化。我用Python写了个最简单循环import os import requests import time prompts [ spacer ring, inner diameter 10mm, outer diameter 20mm, thickness 3mm, L-shaped mounting plate, two sets of holes, hole diameter 5.5mm, rectangular enclosure, 100x60x30mm, with four M3 mounting bosses in corners, ] base_url https://api.zoo.dev/v1/alpha/cad/text-to-cad headers {Authorization: Bearer os.environ[ZOO_API_KEY]} for prompt in prompts: resp requests.post(base_url, headersheaders, json{prompt: prompt}) task_id resp.json().get(taskId) # 轮询任务状态完成后下载 while True: status requests.get( fhttps://api.zoo.dev/v1/tasks/{task_id}, headersheaders ).json() if status.get(status) succeeded: download_url status[result][downloadUrl] # 拉取STEP文件写入本地 break time.sleep(3)把这段逻辑套进内部工具系统就可以变成需求清单 - 自动生成概念模型 - 保存STEP - 交给下游工程师细化。这不是未来式现在就能跑起来而且对高频标准件特别划算。3.3 不太容易注意到的工程细节单位、约束、版本和交付格式接口能跑通只是第一步工程落地有几个细节我踩过列出来供参考单位。提示词里尽量写“millimeter”或“mm”这类国际单位别混用英寸、英尺模型容易出现数值偏差。我习惯在提示词末尾固定加一句“dimensions in mm”。约束。模型在生成布尔运算、圆角顺序时偶尔会产生过约束或欠约束的情况。如果在CAD里发现草图变成蓝色欠定义但特征树又显示“已固定”多半是模型偷懒直接给了固定约束要手动检查。版本。这类工具迭代快同一个提示词可能隔一两周就出不同结果。做严肃项目时导出文件后备份当时的模型或生成的任务ID否则后面想复现同一个几何会非常麻烦。交付。默认拿到的是可编辑文件不附带完整工程图信息。下游如果是固定历史版本CAD内核可能遇到版本兼容问题。最稳妥的交付格式还是STEP属于中性交换格式各家软件都认。4. 哪些需求它能接住、哪些需求它会翻车提示词设计与能力边界写提示词和产品经理写需求文档有点像需求越清晰结果越可控。Text-to-CAD目前并不适合天马行空。给它一句“一个很酷的未来机器人”它顶多拼出一堆毫无装配关系的简单几何体很难产生真正有用的实体。从实测和公开案例看它最擅长的是结构明确、几何简单、特征可参数化的机械类零件支架、螺母螺栓、垫片、接线盒、结构外壳、安装板、法兰、简单齿轮箱体外壳。这些大多由拉伸、旋转、阵列、圆角组成而这些恰好是训练数据里最常见的命令。换成曲面放样、扫掠、抽壳、多体布尔表现就开始掉队。4.1 明确说清“是什么”也要说清“尺寸是多少”好提示词和坏提示词一个有效的提示词建议按三段式来组织零件类型 关键尺寸 必要的孔、槽、倒角等细节。这么说有点抽象对比例子最直观坏提示词“一块能用螺丝固定在墙上的板有几个孔。”模型输出一块板孔数量随意孔距随意厚度随意。你事后在CAD里逐项修改的时间可能已经超过自己重画的成本了。好提示词“A rectangular mounting plate, 80x60mm, 4mm thick, with 4 corner holes of 5mm diameter at 10mm from each edge.”模型输出尺寸明确孔位明确一次成形的概率非常高。省下的是“跟模型商量”的时间。更进阶一点把功能意图、层次约束都写进去“a cable clip holder, two slots width 5mm, height 3mm, center distance 15mm with mounting hole at both ends.”有了具体槽宽、间距、孔位结果的可编辑度明显提高。模型不需要理解“为什么要这样设计”但它能把你说出的每个数字都当成硬约束尽量兼顾。4.2 容易翻车的场景在哪里有机造型、薄壁结构、装配一体化和核心公差翻车最严重的场景我归纳成四类第一类是有机曲面。茶杯、耳机、鼠标、玩偶这些自由曲面零件CAD特征很难用一个草图拉伸搞定需要的是放样、扫掠、曲面填充这类高阶命令。模型对雕塑式建模的掌握非常弱生成结果通常是几个互相穿插的简单几何体远看像近看全是破绽。第二类是薄壁抽壳。抽壳命令非常依赖前面特征的连续性和封闭性一步出错后面全崩。模型经常把壳体厚度算错或者干脆抽壳失败退回一个实心块。想生成一个带薄壁的手机壳建议先把外形实体生成出来再用CAD里的抽壳命令自己补一步别指望模型一次性给你抽壳到位。第三类是多体装配。提示词里写“一个包含4个零件的装置”它通常给的是一个“看起来像由4个零件拼到一起”的单体而不是真正分离的4个零件。装配关系、配合约束、自由度这些概念目前不在它的能力范围内。它更擅长生成“单个实体的形状”而不是“一套机构的设计”。第四类是公差与工艺语义。前面提过公差、表面粗糙度、材料热处理这些制造语义属于高级工程要求不是模型输出重点。提示词里写了“±0.05mm”它大概率只会当成数字噪声忽略掉。真要做精密制造生成完必须进CAD重新标注所有的GDT。常见需求示例当前成功率主要原因建议策略支架、盒体、安装板高拉伸加孔阵列数据集中给准尺寸直接用于评审标准件、简单法兰中高旋转特征成熟指定关键直径和厚度薄壁外壳、手机壳中低抽壳顺序易崩先生成实体后人工抽壳塑料件曲面、鼠标等低放样扫掠掌握弱换传统曲面工具处理多零件装配体很低不理解装配关系拆成单件分别生成高精度制造件低无公差语义只生成初始体积后续精修4.3 到了提效阶段如何把“不可靠”变成可控流程既然不可靠就别让它当“决定者”而是让它干“发散”的活。我的做法是同一个需求写五个变体提示词每个只改一个参数比如板厚从3mm改到4mm、孔距从30mm改到25mm生成五版结果人工快速筛选一版最顺眼的再进CAD细化。这个过程有点像设计师拿手绘草稿做快速头脑风暴只不过现在草稿不再是白纸上的线条而是有真实尺寸、能进CAD改的实体。还有一个非常实用的小技巧把复杂件拆成多个简单件分别生成再在CAD里组装。模型对单一简单实体的把握大对复杂联合体的把握小。宁可拆成四个任务、调四次API也别把所有细节堆成一段“长城提示词”。拆分提示词是当前阶段最实在的降错手段没有之一。5. 对建模流程的冲击与我的使用心得聊点更宏观的这项工具到底给建模流程带来了什么变化。很多人在讨论“AI会不会取代设计师”我反而觉得真正很快就会发生的是“建模入口被重写”。过去想从零得到一个CAD零件方法是开软件画草图现在多了一个入口先打字后修图。这个入口让“不会CAD软件”的人也能介入建模早期的探索也让“会CAD但怕重复”的人省掉大量机械操作。5.1 与OpenSCAD、CadQuery这些脚本建模完全不同的心智模型我过去非常喜欢OpenSCAD、CadQuery这类程序化建模工具。它们的核心逻辑是“用代码描述几何”再由内核执行出模型。这跟Text-to-CAD有个共同点——都不是手动拖拽界面而是“描述转实体”。但差别也在那里脚本建模的“描述”由你完全控制写错一个参数你清楚知道哪里错Text-to-CAD的“描述”是自然语言模型负责把它编译成可能的命令序列你对最终几何形态的掌控弱一些换来的却是“几乎不用学”的极低门槛。所以它并不是要替代脚本建模两者天然互补。我工作中出现频率最高的流程是先用Text-to-CAD把概念形体用自然语言“塑”出来下载成STEP再导入CadQuery或者FreeCAD里做精确化处理。前面快后面准前面容忍随机后面要求确定。这套组合拳比我在任何一个单一工具里死磕都舒服。5.2 我实测后的几个判断它适合当“联想发散器”而不是“出图老师傅”用了一段时间我对这个工具在自己工作流里的定位越来越清楚三条判断供参考一适合快速探索。要求不高的支架、盒体、垫块生成完直接导入项目用来评估装配空间、走查干涉位置效率远高于手动建模。这类“占位件”本来也不是最终交付物AI生成的精度足够。二适合初始化特征历史。哪怕生成后要改一大堆这个初始特征历史也比我从零开始画要省时间尤其孔位、圆角这类重复操作一次次重新干真的非常折磨人。有了初始特征改起来就是点选、拖动、输入新数值完全是CAD里熟悉的手感。三不适合直接交付。做高精度制造件、有限元参考件、需要完备图纸和GDT标注的场合文本生成结果只是起点不是终点。谁把“生成即交付”当预期谁就会失望。它的定位更准确地说是CAD工作台边上那台“快速原型机”负责出毛坯不负责精品。我最后分享一个小心得把提示词沉淀成自己的“提示词库”。我现在维护了一套高频零件提示词M3螺母、86接线盒、3030铝型材支架、各种垫片法兰一整套标准化描述再用脚本循环批量生成。整条链路跑顺之后新项目报上来先让AI把常用件变体生成出来再由工程师手工校核。概念阶段的人力消耗整体降了一个量级而且因为每个零件都有自己的特征历史后续改版、复用、参数化变体都变得极其顺畅。下一步我打算把这些生成结果接入内部的参数化零件库跟产品BOM联动。到时候新项目一立项BOM里那些常用件不再需要工程师逐个画AI先生成参考模型工程师只做确认和修错。这就是我对Text-to-CAD目前的真实体会它不是一个放进新功能菜单里吃灰的玩具而是一个还没完全定型、但已经能挤进生产流程的AI原生CAD入口。唯一要记住的是AI负责联想你负责判断它是工作台上的一台快速原型机真正出定型图纸的还是你手上那些确认过、校验过、满足标准的细活。