企业官网建设流程全解析

刚接触 text-to-cad 的人，最容易把它当成又一个“文字生成 3D 模型”的噱头。但真正在制造业、机械设计里摸爬过的人，看到这个词的第一反应其实是：这玩意儿生成的模型，能不能直接进 CAM？能不能出工程图？能不能被装配约束正常驱动？如果答案是否定的，那它和 Stable Diffusion 渲染一张产品图也没有本质区别。

text-to-cad 的核心并不是“生成一个三维形状”，而是“生成一个真正意义上的 CAD 模型”——带特征历史、带参数语义、能被尺寸驱动、能被后续特征继续编辑的那种。这件事的难度，比大家熟悉的 text-to-3D 高出一个量级，因为 mesh 和 B-rep 之间横着一条“工程语义鸿沟”。这期我就从原理、工具到实操，把这条链路完整拆一遍，给想入局或者正在评估方案的读者一个能直接参考的框架。

1. 先说清楚：text-to-cad 到底解决什么问题

1.1 不是又一个 text-to-3D

很多朋友把 text-to-cad 和 text-to-3D 混为一谈，这是第一个需要纠正的认知。

text-to-3D 的代表——像 OpenAI 的 Point-E、Shap-E，或者 Stable Diffusion 配合 NeRF 的那套 DreamFusion 管线——生成的是隐式场（SDF）或者网格（mesh）文件，本质上是“长得像”一个物体的几何外壳。这种结果放在游戏资产、影视概念、电商展示场景里完全够用，但放到机械设计里就废了：没有光滑的解析曲面，没有精确的尺寸，没有特征树，更没有参数约束关系。你没法对它倒圆角、没法改一个直径让整个零件联动、更没法直接输出加工程序。

而 text-to-cad 瞄准的是另一个终点：生成一个可以被主流 CAD 内核识别的原生模型，通常是 STEP 或原生 CAD 文件格式，内部包含草图、拉伸/旋转/倒角等特征序列。换句话说，它生成的是“可编辑的工程模型”，不是“好看的壳”。

我用一个例子说明这种差距：对同一个提示词“一个不锈钢法兰盘，外径 100mm，内径 45mm，厚度 10mm，均布 6 个直径 9mm 的螺栓孔”，text-to-3D 会给你一个看起来像法兰的网格模型，孔可能不是真的贯穿，圆角处可能是一堆三角面，你甚至没法量出准确的孔径；而 text-to-cad 会给你一个 STEP 文件，你导入 SolidWorks 后能看到“旋转/拉伸/阵列”这些特征，双击尺寸改一下，整个模型立刻联动更新。

这个区别决定了应用场景的分野：前者只能做视觉，后者才有资格谈工程。

1.2 它适合谁、能用在哪儿

从我的实践经验看，text-to-cad 目前真正能落地的群体有三类：

第一类是标准件与通用件的快速建模。法兰、轴承座、支架、齿轮、管接头这类有明确国标、行标或厂标的零件，参数范围是有限的。过去工程师要对着样本册一个一个画，现在用自然语言把关键尺寸报出来，机器直接给参数化模型，效率提升非常明显。

第二类是工艺方案前期的概念结构设计。做非标自动化设备的人都有体会：方案阶段一天要出十几个结构草稿，大多不追求最终精度，但要能装配、能检查干涉、能给客户看布局。用 text-to-cad 生成基础结构件，再拖到装配体里粗调，省掉大量从零开始的草图操作。

第三类是自动化建模流程的接入环节。很多企业已经在用 CadQuery 或 build123d 这类程序化建模库做批量设计，text-to-cad 的价值是为这套流程补上“自然语言入口”，业务人员不需要写 Python 也能描述需求。

反过来要泼一盆冷水的是：如果你期望它直接生成复杂的装配体、有严格公差要求的精密零件，或者涉及复杂曲面造型的塑料外壳，现阶段会非常失望。它不是万能的，但把“从一张白纸到可用的基础模型”这段路走通，就已经价值巨大。

2. 技术原理拆解：从自然语言到特征树

2.1 路线一：生成程序化建模脚本

目前工程落地最成熟、效果最稳定的一条技术路线，是把 text-to-cad 转化成“自然语言到代码生成”的问题。具体做法是：让大语言模型根据用户的文本描述，生成一段 Python 脚本，这段脚本基于 CadQuery、build123d 或类似程序化建模库编写，然后由本机的 CAD 内核执行脚本，最终产出 STEP 或原生格式文件。

这条路线的核心逻辑在于“借力”。大语言模型对 Python 代码的理解能力，远高于对三维几何拓扑的直觉。与其让模型直接输出一个 STEP 文件，不如让它输出一段它更擅长生成的代码，然后再借助成熟的几何内核（比如 OpenCascade）把代码变成精确的 B-rep 模型。

Zoo 项目（早期也叫 Text-to-CAD）就是这个路线的代表。它把模型微调在大量 CadQuery/build123d 脚本与最终模型配对的训练集上，模型学会的不是“法兰长什么样”，而是“用什么建模操作序列能构造出法兰”。这是一个非常聪明的思路转换——把不可逆的几何生成问题，变成了大模型已经相对擅长的代码生成问题。

我在实际使用中发现，这种方案生成的结果有真正意义上的特征树：导入 CAD 软件后，你能看到 Sketches、Extrude、Cut、Fillet 等节点，双击进入草图还能修改尺寸约束。这对工程场景价值极大，因为你永远需要对生成的模型做二次调整，而“能编辑”和“不能编辑”之间，隔着一整个设计流程。

2.2 路线二：离散序列生成

另一条学术上非常活跃的路线来自 DeepCAD 及其后续工作。研究者把 CAD 建模过程序列化成一条指令流——比如“画一个圆心在 (0,0) 半径 50 的圆”“沿 Z 轴拉伸 10 毫米”“在面 >Z 上画一个半径 25 的圆”“反向切割 10 毫米”，每条指令都带有明确的参数。然后他们用 Transformer 序列模型来学习文本描述到这些指令序列的映射。

这个方案的优点是可控性和可解释性都更好。因为输出是一串结构化的指令，你可以逐条审查，也可以在某个步骤上人为介入修改。缺点是序列长度本身会成为瓶颈，一个稍微复杂的零件可能需要上百条建模指令，模型在长序列上的误差会累积，导致生成的模型在某个特征处“突然放飞自我”。

实操上，这类模型通常会输出两个层面的东西：草图层级（二维几何：直线、圆弧、圆）和特征层级（三维操作：拉伸、旋转、阵列）。草图层级的错误可以用后置的几何约束求解器修复一部分，但特征层级的逻辑错误——比如拉伸方向反了、切割到了错误的体——就几乎无法自动修复，只能重新生成或者人工调整。

我自己测试这类模型时最直观的感受是：对简单回转件（轴、套、法兰）生成质量已经可用，但对板金件、多特征空间分布的零件，“看起来合理但内部特征错了”的情况还是高发。它更适合作为科研验证的基线，或者工业场景里对生成结果有严格检查机制的自动化管线。

2.3 路线三：神经 B-rep 与隐式场绕行

第三条路线更激进：跳过显式的建模指令，直接用神经网络估计 B-rep 表面的参数。B-rep（边界表示法）用拓扑面、边、顶点以及它们之间的邻接关系精确描述三维实体，这也是 STEP 文件底层的几何体系。

研究者尝试过多种方式，比如用图神经网络或者 Transformer 直接预测 B-rep 的拓扑结构（哪条边属于哪个面、哪些面围成哪个体壳），再配合每个面的 NURBS 或解析曲面参数。还有一些工作试图把隐式场结果（SDF）通过求交、曲面拟合等算法“转换”成 B-rep。

这条路目前还在实验室阶段。问题在于 B-rep 的拓扑空间比网格复杂得多，一个看似简单的圆角特征，在 B-rep 里可能涉及三个面、两条过渡边和一个布尔运算结果。神经网络草率地预测这些关系，很容易产生非流形实体——就是那种看着是实体，但计算体积、做布尔运算时直接报错的模型。

我对这条路线保持相当谨慎的态度，它的上限极高，但下限也极低。目前来看，它在逆向工程（从点云或网格重建参数化 CAD 模型）里的价值，反而比 text-to-cad 更早显现。

3. 工具选型：谁的生成结果能进产线

3.1 Zoo Text-to-CAD：拿来就能用的 API

如果要选一个“第一天就能跑通”的工具，Zoo 无疑是最省事的选择。它提供了托管的 API 服务——你注册账号拿到 API key，然后调用接口传一段自然语言，云端模型在几秒到几十秒内返回一个 STEP 文件或一段 Python 脚本。这个体验非常接近大家熟悉的 OpenAI API：不需要本地 GPU，不需要管理模型权重，甚至不需要懂深度学习。

Zoo 的底层基于 build123d（CadQuery 的继任者）的代码生成，返回的文件不仅包含最终几何，还保留了建模脚本。你应该优先下载 STEP 文件用于下游工程，同时保存脚本用于参数化复用——这俩叠加起来，就是我们前面说的“正宗 CAD 模型”体验。

有一点需要注意：Zoo 的托管 API 商用版本是收费的，免费额度比较有限。对于小团队做概念验证，先拿免费额度跑通流程，确认 ROI 后再上付费套餐，是更稳妥的节奏。如果你有本地 GPU 资源，也可以从 HuggingFace 拉取开源的 Zoo 模型权重，在自己的机器上部署推理服务。后者自由度更高，但你需要自己处理并发、显存管理和模型迭代。

3.2 DeepCAD 系开源工作：科研向，可控但难上手

如果你关注的是学术前沿而非快速落地，DeepCAD、Text2CAD 这类开源项目值得花时间研究。它们通常提供完整的训练代码和预训练权重，你可以自己微调模型，让它学会特定品类的建模风格——比如你们公司的法兰标准、你们厂的支架设计规范。

代价是上手门槛确实高。这些代码库的依赖错综复杂，需要你自己管理数据集、训练脚本、评估指标，还要面对序列生成模型调试的各种玄学问题。我对非科研背景的工程师真心不推荐这条路，除非你们公司有专门的算法团队，并且确实需要高度定制化的生成模型。

工业界的实践里，常见的做法是拿 Zoo 或者大模型 API 做“通用入口”，再用 CadQuery 脚本库做“定制兜底”：通用模型生成不了的，或者生成结果不符合厂内规范，就用脚本库里的标准化模块替换。这种“通用大模型 + 领域程序库”的混合架构，是我见过落地最稳的组合。

3.3 传统 CAD 软件里的 AI 助手

还有一个绕不开的话题：SolidWorks、PTC Creo、NX 这些老牌 CAD 巨头都在这两年密集上线了 AI 辅助功能。比如 SolidWorks 的 3D Creator 里已经能看到人工智能驱动的设计工具，Creo 也有基于自然语言的生成式设计探索插件。

这些功能有一个共同点：深度集成在原生环境里，支持特征树联动、装配约束、工程图更新等全链路工作流。这比“外部生成 STEP 再导入”的体验顺滑得多——不需要转换，不需要修复导入破面，也不会有特征识别失败的问题。

但说实话，目前这些工业 CAD 内置的 AI 能力，覆盖的建模类型仍然有限，普遍集中在标准特征、简单回转体、基础扫掠结构。复杂曲面依旧依赖传统曲面工具，工艺知识库也尚未真正打通。所以我对它们的定位判断是：短期内适合在成熟 CAD 工作流里做“加速器”，不太适合作为独立生成引擎。

4. 实操记录：从一句话到可编辑的 STEP 文件

4.1 准备环境与第一行代码

我以 Zoo 托管 API + CadQuery 本地验证这条最经典的链路，完整跑一遍“用文字生成法兰盘”的过程。你需要准备的东西非常简单：

一个 Python 3.9 以上的环境，配置好zooSDK。官方推荐的方式是：

pip install zoo

然后设置 API key。这里有两种玩法，环境变量方式适合所有项目共享：

export ZOO_API_KEY=your_key_here

也可以写在代码里，适合测试脚本：

import zoo zoo.api_key = "your_key_here"

启动时常见的一个坑是 SDK 版本兼容问题。我曾经在 Python 3.11 上遇到过某个依赖包编译失败，实测降级到 Python 3.10 就正常了。建议直接用 3.10，省事。

4.2 写提示词并生成模型

生成模型的调用代码非常直接：

import zoo # 明确参数，避免纯视觉描述 prompt = ( "A circular flange plate with outer diameter 100mm, " "inner diameter 45mm, thickness 10mm, " "6 equally spaced bolt holes of diameter 9mm " "on a 75mm bolt circle" ) result = zoo.TextToCad.create(prompt=prompt) result.wait_until_completed() result.save("flange.step")

这段代码干的事情是：把自然语言描述发到云端模型，模型内部生成一段 build123d 脚本，再执行脚本生成 STEP 文件。你可以在 Zoo 的 Web 控制台看到每一步的日志。

这里我要强调提示词工程的一个关键点：尺寸参数一定要显式说明，并且用"bolt circle"这类 CAD 语义词汇，而不是“周围有一些孔”“差不多这么厚”这种模糊描述。模型对尺寸名称的理解直接决定生成精度。我试过用“several holes”这种模糊词，结果模型真的给了 4 个孔，而不是我要的 6 个。改成“6 equally spaced on a 75mm bolt circle”之后，一次就对了。

另一个经验是单位。Zoo 的模型默认用毫米，但你最好还是把单位写进提示词，因为生成脚本里的尺寸直接驱动最终特征，单位错了后面全错。

4.3 用 CadQuery 本地兜底与验证

云端生成完 STEP 后，我的习惯是先做一次几何验证，再扔进 CAD 软件。纯粹靠眼睛看不够，必须用程序验证关键尺寸。最简单的方式是用 PythonOCC 读 STEP 文件：

from OCC.Core.STEPControl import STEPControl_Reader from OCC.Core.BRepPrimAPI import BRepPrimAPI_MakeBox reader = STEPControl_Reader() reader.ReadFile("flange.step") reader.TransferRoots() shape = reader.OneShape() # 在这里用 BRepCheck_Analyzer 检查几何合法性

如果 STEP 文件的拓扑有问题，后面导入 SolidWorks 大概率会破面，所以这步检查值得做。

本地兜底方案是让 CadQuery 直接生成一个已知正确的法兰作为“标准对照”，然后对比两个模型的体积和关键截面尺寸。这样做不是为了证明云端模型不够好，而是为了在批量使用场景里建立自动质检机制——机器生成的模型不能自动进产线，必须过一道尺寸抽检闸门。

4.4 导入 CAD 软件后的后处理操作

拿到 STEP 文件后，我强烈建议你养成固定的后处理流程：先用免费工具看，再进主力 CAD 软件编辑。

我一般先导入 FreeCAD 做快速检查。导入后重点关注两件事：特征树里是否有“Empty”或者不可解析的特征；模型是否可以被选中并高亮整个实体（不是多个碎片面）。

Check 完没问题，再进 SolidWorks 或 NX 做正式编辑。此时你会看到 STEP 文件在 CAD 软件里通常表现为一个“Imported”特征，没有原生特征树。怎么办？两个办法：

一个是特征识别。SolidWorks 的 FeatureWorks、NX 的同步建模技术，都能对导入的 B-rep 模型做特征识别，尝试提取出拉伸、旋转、孔等特征。实测下来对法兰、轴套这类回转件识别率很高，但遇到复杂圆角过渡或者阵列特征，偶尔会识别失败或产生冗余特征。

另一个是直接重新参数化。如果是频繁使用的标准件，我会直接用 CadQuery 写一套参数化脚本，以后换规格就改几个变量，不再依赖每次文本生成。文本生成是入口，参数化脚本才是长期资产。

顺嘴说一句，不要指望 text-to-cad 生成的模型第一次就能直接加工。哪怕特征树完整，也需要你人工检查公差标注、表面粗糙度、倒角避让这些制造语义——这类信息自然语言能描述，但模型未必会落实到特征上。

5. 常见问题与踩坑实录

5.1 生成的模型“看着对但尺寸不对”

这是我最常遇到的情况，也是文本生成 CAD 目前最大的一类问题。表象是模型形状完全正确——该有的孔都有，外观比例也协调——但你一测量，外径成了 99.87mm，与要求的 100mm 差了 0.13mm。对于普通视觉应用这完全无所谓，但在工程里这就可能干涉配合。

原因在于大模型生成代码时，它首先猜的是“建模操作序列”，然后才把尺寸作为参数填进代码。尺寸的精确度取决于模型对数字映射的能力，而这个能力目前并非逐毫米精确的。解决思路有三个：一是把关键尺寸写得极其显式，减少模型猜测空间；二是生成后立刻用脚本做尺寸校验，超差则自动重生成；三是对高精度要求的部分，在 CAD 里用约束手动锁定，而不是依赖模型的原始输出。

我自己的处理顺序是：重生成两次，如果两次都偏差超过 0.5mm，就直接脚本修正——输出 STEP 后我用其他工具做尺寸修改，不重新生成。因为重新生成一次的成本远高于局部修正。

5.2 特征树丢了，成了“死模型”

另一种高发现象：生成的 STEP 文件能正常打开，看上去也没破面，但导入 CAD 后只有一个整体实体，完全没有特征历史。这意味着你没法双击尺寸去改参数，任何调整都得从零开始重画。

这种局面通常发生在两条路径上：一是模型后端直接输出了 B-rep 而不是脚本（Zoo 默认返回 STEP 的同时有脚本，但某些调用方式只取 STEP），二是你中途经过了某个网格化/修复流程，把 B-rep 转成了网格后又转回 STEP——这种二次转换基本会把拓扑信息洗得干干净净。

规避方法是：确认返回结果包含建模脚本，并在本地保留一份；如果需要二次修改，优先改脚本再重新导出，而不是去编辑 STEP。还有一个小技巧，如果是复杂装配体，尽量保留每个零件独立生成的脚本，避免在装配级做整件导入再分解，后者特征丢失的概率暴增。

5.3 提示词表达能力边界

不少用户写的提示词是“创建一个好看的机械零件”，这种词喂给 text-to-cad，得到的结果大概率是一坨不可名状的几何体。模型的训练数据决定了它只会处理它见过的建模模式，抽象的美学描述无法映射到具体的参数化特征序列。

我整理了一个自己一直沿用的提示词模板，供大家参考：

[零件类型] + [关键轮廓描述] + [所有关键尺寸，带单位] + [特征数量与布局] + [倒角/圆角等工艺特征] + [对称性/阵列信息]

一个具体的正向示例是：

A shaft support bracket with a square base plate 80x80mm, 8mm thick, two vertical ribs of 6mm thickness at the center, a circular boss of 30mm diameter and 12mm height in the middle, a through hole of 16mm diameter at the center.

对比一下，你会发现后者把基座、肋板、凸台、孔、尺寸、位置全部拆成了模型认识的原子特征。模型不是设计师，它不会替你做工程判断，你描述得越接近“一系列建模步骤”，得到的模型越接近你的期望。

6. 老实话：我对 text-to-cad 现状的判断

技术圈对一个新方向很容易走向两个极端：要么吹得神乎其神，要么踩得一文不值。text-to-cad 的真实位置，在两者之间。

我的实际体验是：对于参数明确的标准件、回转体结构件、板件类零件，它已经能稳定产出可编辑、可装配、可二次修改的 CAD 模型，效率比人工建模高一个数量级。对复杂铸件、曲面外壳、多体运动机构，它的能力还完全不够看。这类模型目前最适合的定位，是“设计初期的加速器”而不是“方案终稿的生成器”。

如果你决定在你的工作流里试它，我的建议是从一个你最熟悉的零件品类开始——找一个你画过几十遍的法兰或支架，用它生成一次，对比特征树、尺寸精度、编辑友好度，很快你就能判断出它在你这个细分方向的可用程度。不要一上来就挑战整机或高复杂度模型，那只会让你得出“这技术没用”的错误结论。

最后分享一个我认为长期有价值的小习惯：把验证成功的文本提示词按零件类别整理成模板库，每次生成前从模板库复制出来改参数。这样做的好处是，你每次调用的都是被验证过语义准确的结构，生成成功率会明显高于完全自由发挥。我用这套方法，把批量生成支架类零件的成功率从不到五成提升到了八成以上，希望也能帮你在实践中少走几步弯路。