企业官网建设流程全解析

先说一个我在实际工作中反复经历的场景：在SolidWorks或者Fusion 360里画一个安装支架，建基准面、拉草图、标尺寸、加约束、拉伸、切孔、倒角，熟练工十分钟，新手半小时起步。然后设计改了，角度从45度变成60度，又得回去改草图。text-to-cad这个词第一次刷到我眼前的时候，我默认它是又一个"看起来很美"的玩具——直到我真的打了一行"四孔安装支架，孔间距40毫米，带60度折弯"，30秒后浏览器里出现一个能旋转、能看到大概结构的三维模型，我才意识到这件事的分界线根本不是"生成模型"本身，而是它把"我脑子里的设计意图"直接翻译成了"建模操作"。

这篇文章我不打算做成工具清单式的搬运。我想站在一个用过各种CAD软件、也被各种新工具坑过的使用者角度，把text-to-cad的核心原理、目前真正能上手的工具、完整跑通一个案例的路径、提示词怎么写才靠谱，以及那些最容易翻车的场景，一次性讲清楚。无论你是机械设计、工业设计、3D打印玩家，还是想给自家产品快速出结构草模的开发者，这篇都能给你一个相对完整的判断框架。

1. 为什么"打一行字生成模型"这件事值得认真对待

1.1 传统建模流程里的时间黑洞

我做设计这些年，越来越确定一件事：日常建模工作的80%都不是什么高精尖内容，而是支架、外壳、法兰、盖板这类标准结构件。这类零件的建模流程高度重复——新建草图、画轮廓、标注、拉伸、切孔、倒角。真正消耗时间的不是"想清楚要什么"，而是"把想法一步步翻译成软件操作"。

这个翻译过程就是最大的时间黑洞。你脑子里的零件是完整的：底板多厚、几个孔、孔距多少、折弯多少度。但CAD软件不认识你的脑子，它只认"草图—特征—约束"这条链路。你每改一次尺寸、每调一次角度，都得重新走一遍这条链路。设计师的实际工作节奏，其实是在"设计"和"改图"之间反复横跳。

text-to-cad带来的改变，恰好发生在最痛的这个环节：把"我从需求到第一版草模"的时间压缩到几十秒。注意我说的是"第一版草模"，不是"最终可加工的零件"。这个定位差别非常关键，后面我会反复强调。

1.2 text-to-cad的准确定义和边界

先说清楚概念，因为现在"text-to-3D"和"text-to-CAD"经常被混用，但两者完全是两码事。

text-to-3D走的是生成式AI老路，输入一段描述，输出一个三角网格模型（mesh），带纹理、带材质，主要服务游戏、影视、电商展示。它的特点是"好看就行"，几何精度、水密性、可编辑性都不重要，因为它的终点是渲染。

text-to-CAD不一样。它要输出的是工程意义上的实体模型：封闭的实体（solid）、有明确的尺寸和约束、可以被下游的布尔运算、倒角、出工程图继续处理。它的判卷标准不是"像不像"，而是"尺寸对不对、特征全不全、能不能继续编辑"。一个只能看不能改的模型，在工程师手里等于废品。

所以我把这件事的边界总结成三句话：

• 它生成的是"带参数约束的实体"或"能生成实体的代码"，不是贴图
• 它追求的是"可编辑、可测量、可制造"的工程语义
• 它解决的是"从设计意图到第一版草模"的加速问题，不是替代你进行完整设计

1.3 第一批真正受益的人

我实测下来，有几类人从text-to-cad里获得的价值最大。

第一类是3D打印玩家。他们经常需要一些非标的连接件、夹具、外壳，用CAD画嫌麻烦，不画又没法打印。text-to-cad直接给STEP或者STL，丢进切片软件就能打，效率提升是肉眼可见的。

第二类是机械设计的早期概念阶段。我认识的结构工程师，现在会在评审前用text-to-cad快速生成三五个方案草模，用来讨论"孔位朝哪边""加强筋放在哪"，而不是一上来就建精细模型然后推倒重来。

第三类是完全不碰CAD的工程师。电子工程师、软件工程师要一个外壳、一个散热片支架，以前得求着结构同事，现在自己打一句话就能拿到草模，结构同事只需要在最终阶段帮他精修。

至于什么人不太受益，也很明确：做复杂曲面车身覆盖件的、做高精度模具的、做多零件运动仿真的，目前都不要对text-to-cad抱太多幻想。这类工作需要的建模深度和工程约束，远远超出了当前AI的几何推理能力。

2. 原理拆解：语言模型是凭什么把"文字"变成"几何"的

2.1 空间语义解析：大模型怎么"听懂"尺寸和位置

大模型本身不能"看见"三维几何，这一点要时刻记住。它的工作方式是：在海量的CAD教程、建模论坛、设计文档、代码仓库里，学到了大量和几何描述绑定的语言模式。比如"通孔"这个词，在训练数据里反复和"diameter""through hole""切除"这些概念一起出现；"倒角"总是和"45度""距离边缘5毫米"绑定。所以当你输入一段包含尺寸、位置、特征名称的描述时，模型是在"联想"它见过的那些建模对话和文档，而不是在脑中渲染一个零件。

这里最关键的能力是"空间语义解析"。简单说，模型需要理解"底板上4个直径5毫米的通孔，孔距边缘10毫米"意味着什么——"4个"是数量，"直径5毫米"是孔的规格，"孔距边缘10毫米"是定位约束。这需要模型把自然语言里的空间关系映射到一个假想的坐标框架里。早期的模型在这个环节一塌糊涂，经常丢孔、错位、尺寸自相矛盾。现在的主流模型已经好很多，但遇到复杂多特征零件仍然会出错，原因就是它始终在做概率推理，而不是精确计算。

这也是为什么所有能用的text-to-cad工具，都不是让模型"直接想出一个模型"，而是让模型"写代码，然后由代码生成真实几何"。语言模型负责编排水语和逻辑，真正的几何计算交给CAD内核去执行。这样至少能保证一件事：只要代码语法正确、逻辑自洽，生成出来的几何在数学上就是成立的。

2.2 表达维度：为什么中间层是代码而不是网格

我见过不少朋友问：为什么不让AI直接输出模型文件，非要绕一道"代码"？这个问题的答案，恰恰是整个技术路线的精髓。

直接生成网格（mesh），就像让画家直接画一张成品图——看着好看，但这张图没法改参数，没法在工程软件里继续加工。而代码作为中间表示，相当于把"怎么画"的过程也一并交给了你。我可以用一个生活化的类比：直接给网格，相当于给你一盘做好的菜；通过代码生成，相当于给你一份菜谱。菜谱可以调整咸淡（改参数）、可以复刻（重新执行）、可以二次创作（改写代码）。

具体到实现上，现在主流系统让模型输出的代码通常是OpenSCAD脚本、CadQuery/PythonOCC脚本，或者工具厂商自己的参数化描述语言。代码被CAD内核执行后，生成的是真正的B-rep实体模型——有面、有边、有拓扑关系、带参数历史，可以直接导出STEP，可以被FreeCAD、Fusion 360、SolidWorks识别和继续编辑。

这个"代码中间层"还有一个隐藏优势：可调试性。当生成的模型不对时，工程师可以打开代码文件，看到底是哪一行逻辑出了问题，而不是面对一个黑盒模型无从下手。我在后文会详细演示这个调试过程。

2.3 三条实现路线：检索、直接生成、程序化合成

目前text-to-cad的实现路径大致有三条，我分别说说它们的特点和取舍。

检索式/模板式：预先建立标准零件库和模板，AI根据文本描述从库里匹配最接近的零件，再对参数做调整。优点是快、稳、可控性强，特别适合法兰、轴承座、标准连接件这类高度规格化的零件；缺点是很依赖库的覆盖面，遇到真正新颖的形状就抓瞎。

直接生成式：类似text-to-3D的做法，用扩散模型直接在隐式场（SDF）或体素上生成几何，再转换为网格或实体。优点是自由造型能力强，适合外观件、有机形态；缺点是精度太差，尺寸不可控，而且从网格转回可编辑CAD实体的过程非常痛苦，目前不太适合工程场景。

程序化合成式（LLM+代码生成）：这是当前工程场景下最实用的路线。大模型理解文本后生成一段参数化建模代码，由CAD内核执行。它同时获得了尺寸可控（因为是显式数字）、可编辑（参数全在代码里）、可验证（打开代码就能检查）三样优势。代价是依赖模型写代码的准确性，代码一错，整个模型就错，且错误往往很隐蔽。

我把三条路线对比一下：

3. 主流工具实测：从商业产品到本地开源我挨个试了一遍

3.1 Zoo Text-to-CAD：免费入口和它的"脾气"

Zoo推出的Text-to-CAD应该说是把这波热度带起来的标志性产品。它在2024年上线的时候完全免费，直接在浏览器里用，输入一段自然语言描述，就能生成可下载的STEP/STL文件。我当时实测的体验是：注册简单，界面极简，生成速度大概十几秒到半分钟。

它的底层思路就是上面说的"代码中间层"——它会生成一份参数化CAD文件，而不是一堆三角面片。这一点非常对路。实际用它生成简单支架、外壳、法兰时，效果确实超出预期，孔位、壁厚这些基本要素大部分时候是对的。

但它有明显的"脾气"：一是高峰期排队明显，生成一个模型等一两分钟是常态；二是它对很长的提示词处理得不够稳定，描述一旦超过七八个特征，就开始出现丢特征、尺寸漂移；三是生成结果存在随机性，同一句话跑两次可能得到两个不同的零件。所以我的经验是：把它当"快速草模生成器"用，不要当"精密建模工具"用。后来Zoo把重心转向了基于图结构编辑的Kitty生态，但Text-to-CAD这个入口至今仍是体验这类能力最方便的方式之一。

3.2 工业软件厂商的探索版本

Autodesk、Siemens这些老牌工业软件厂商也在做类似的事情。Autodesk内部有把自然语言和参数化建模结合的研究项目，也在Fusion 360里逐步加入智能辅助能力，比如根据文本描述建议建模步骤。Siemens NX在工业助理方向也有一些落地功能。

不过说实话，这类"工业正统军"的产品目前更多是把AI当成辅助建议，而不是直接生成完整模型。原因很好理解：面向制造业的软件，要为生成的每一个几何特征负责，一旦AI生成的模型带病进入下游工艺，责任归属和产品质量都是大问题。所以你会看到，这些厂商的产品在落地时非常保守，反而没有创业公司那么激进。对于普通用户来说，现阶段与其等工业软件的AI功能成熟，不如先用独立的text-to-cad工具跑通流程，把最终文件导进工业软件做精修。

3.3 开源路线：本地部署的可行性

如果你不想受制于在线工具的排队和黑盒，开源路线是相当靠谱的替代方案。学术界有Text2CAD这类项目，使用包含约17万组"文本-CAD代码"对的数据集微调模型，让模型输出CadQuery代码，然后执行生成STEP文件，整个流程可以在本地CPU上跑完。

而更轻、更灵活的做法，很多人没意识到有多好用：直接用通用的代码生成大模型（GPT、Claude、DeepSeek这类）+本地CAD内核。

• 方案A：让大模型生成OpenSCAD脚本，丢进OpenSCAD里渲染导出STL。适合快速看形状、做3D打印原型。
• 方案B：让大模型生成CadQuery的Python脚本，本地执行导出STEP。适合需要保持参数化、后续要进专业CAD编辑的工程件。

这两个方案的成本几乎为零，效果还意外地好，因为代码生成本来就是大模型的强项。我在本地试过用CadQuery让模型生成一个带法兰、四个螺栓孔的连接座，它写出来的代码一次跑通，导出STEP后放进FreeCAD，尺寸完全可编辑。这件事你给我再早两年，我想都不敢想。

3.4 选型建议：不同需求该选谁

我根据自己的使用经验，按场景做了个简单的选型表：

最终我的建议是：不要神化任何单一工具。把"在线生成器"和"本地代码生成"组合起来用，前者做灵感探索，后者做落地验证，互补效果最好。

4. 完整跑通：让一句描述变成一个可编辑的STEP文件

4.1 明确输出目标：你到底是想要STL还是STEP

很多人第一次用text-to-cad，拿到一个STL就以为完事了。但STL只是三角网格，等于一张"只能看的雕塑照片"。如果你后续要在CAD里改尺寸、加螺丝柱、做装配，STL就是死路，必须拿到STEP这种带实体的格式。

所以实操之前，先问自己一句：这个模型是用来干嘛的？

• 只为了看造型、拿去3D打印？STL够用。
• 要进CAD继续编辑、要出工程图？必须STEP。
• 要做装配体里的一个零件？必须STEP，而且最好带参数历史。

这个选择直接决定你用什么工具、什么输出格式。我用CadQuery路线生成的STEP文件效果最好，因为CadQuery本身就是Python库，生成的实体天然就是B-rep实体，不需要任何网格转换，导入FreeCAD和Fusion 360都是干净的实体特征树。

4.2 第一条提示词怎么写：从模糊到可执行

下面是一个真实可复现的例子。我先给一个反面案例，再给正面案例，然后解释差别。

反面案例：做一个支架，用于固定电机

这个提示词的问题在于完全没有工程信息——什么尺寸、什么形状、固定孔在哪、支架怎么安装？模型只能猜，猜出来的东西既不能用也不能改。

正面案例（我用CadQuery路线时的实际提示词）：

创建一个L型电机固定支架： 1. 底板为矩形，宽度80毫米，深度60毫米，厚度6毫米 2. 垂直板从底板长边向上延伸，高度70毫米，厚度6毫米 3. 底板靠近垂直板一侧开2个直径6毫米的通孔，用作安装定位 4. 底板四角做半径8毫米的圆角 5. 垂直板顶部开一个直径30毫米的圆孔，圆心距垂直板顶边15毫米

我把这段提示词交给大模型，让它生成CadQuery代码，几乎一次跑通。导出的STEP在FreeCAD里打开，所有尺寸都是参数化的：底板厚度6毫米、孔直径6毫米、圆角半径8毫米，改参数只需要双击特征。

这个例子的关键是什么？尺寸全部数字化、特征顺序清晰、几何关系明确（"从底板长边向上延伸""距顶边15毫米"）。大模型在这种"结构化描述"下的表现，远好于一段散文式描述。为什么？因为代码生成模型的优势就是理解结构化的、逻辑分明的输入。

4.3 生成结果的后处理：网格转实体的坑

如果你拿到的输出是STL网格而你又需要STEP实体，就得面对"网格转曲面"这个经典的CAD难题。目前有几个处理思路：

第一，尽量用代码生成路线（OpenSCAD/CadQuery），从源头避免网格。CadQuery导出的就是STEP实体，OpenCAD导出的STL则可以通过OpenSCAD内置的import("part.stl")再配合一个壳（shell）操作勉强救一下，但效果看运气。

第二，如果只有STL，可以用逆工程软件（如FreeCAD的Mesh Workbench、CloudCompare等）做网格重绘，但这个过程耗时且对复杂曲面极不友好。我的实测结论是：花两小时抢救一个STL，不如花两分钟换一个能生成STEP的工具。

第三，导入CAD后一定要做实体检查。在FreeCAD里查看Part模块的属性，确认它是Solid而不是Shell；在Fusion 360里用"检查"功能看有没有开放边。这点我在下一节会展开。

4.4 迭代闭环：把"像"变成"准"

生成模型不是一锤子买卖。一个合格的使用者，应该把"生成—检查—修正—再生成"当成标准流程。

我第一次生成上面的L型支架时，孔位其实偏了：模型把两个固定孔放在了底板中线，而不是我要求的"靠近垂直板一侧"。这时候不用重新写一整段提示词，只需要增量修正：

保持原有设计，将底板的2个安装孔移到底板前侧边缘，孔中心距前侧边缘12毫米，孔间距40毫米

模型会基于原代码做局部修改，比重新生成更稳。原理是：代码上下文里有完整的参数定义，修正提示词相当于做一次参数调整。

我还建议给每个零件保存一份"提示词+生成代码+导出文件"的文件夹。因为你会发现，同一个零件的不同版本，改到最后可能又回到第一个版本，有历史记录能省很多重复劳动。这套工作流，本质上是把传统的"版本管理"概念从CAD文件延伸到了提示词和代码层面。

5. 提示词工程：几何描述和日常语言完全是两码事

5.1 尺寸说话：一切约束都要数字化

我在社区里见过太多人问"为什么我生成的支架这么奇怪"，点开提示词一看，写的是"一个中等大小的支架，有几个孔，有点圆角"。这种描述拿去给人类工程师，对方也得追着你问十句话，何况是概率模型。

几何生成的第一铁律：所有能数字化的东西，一律数字化。

• "中等大小" → 宽度80毫米，深度60毫米，高度70毫米
• "几个孔" → 4个孔，直径5毫米，两两间距40毫米
• "有点圆角" → 圆角半径8毫米

数字本身还不够，还要给数字配齐参考系。我说"距边缘10毫米"的时候，"边缘"究竟是哪条边？"高度70毫米"是从底板的顶面量还是底面量？这些都要在提示词里说清楚。我的习惯是：先描述基准面或基准边，再描述由此出发的尺寸。

5.2 坐标系思维：位置、朝向、对称

第二个铁律：用坐标系的思维方式组织描述，而不是用散文。你可以想象自己在给一个看不见的建模学徒发微信，要求他一步步操作：

1. 在XY平面上建立底板草图
2. 底板以原点为中心，沿X方向80毫米，沿Y方向60毫米
3. 拉伸6毫米
4. 在底板模型坐标系中，以(20, 20)为圆心放置第一个孔

这种"步骤化+坐标化"的写法，对模型的友好程度远高于一句话描述。原因在于大模型在训练时见过大量以教程形式出现的建模步骤，这种格式正好落在它的能力舒适区。

5.3 给模型做减法：语义噪音是最大的敌人

这个技巧很多人意识不到。text-to-CAD和text-to-3D的提示词逻辑是相反的。

text-to-3D里，"未来感""简约""蒸汽朋克"这些形容词是加分项，因为艺术家要的就是氛围。但在text-to-CAD里，这些词基本是噪音——它们既不能转化为几何操作，还可能把模型的注意力从尺寸和约束上拉走。我实测过，在一段尺寸明确的提示词后面加上"外观要显得高端"，模型反而开始在一些无关的曲面细节上加戏，接着就开始丢孔。

另一种噪音是"负向描述"。你写"不要圆角，不要斜切"，模型经常反过来理解。与其用否定句约束它，不如用肯定句覆盖它。写"所有边缘保持直角"，比写"不要倒圆角"可靠得多。

我总结了一套自用的提示词模板，给大家参考：

核心目标：{一句话说明这是什么零件} 材料假设：{可选，用于影响隐含参数} 建模步骤： 1. {基准/基础形状 + 尺寸} 2. {拉伸/旋转 + 厚度} 3. {特征1 + 位置 + 尺寸} 4. {特征2 + 位置 + 尺寸} 约束说明：{明确的口径/参考系} 输出要求：{导出为STEP，保持参数化}

把每次可复用的结构化描述存成模板，下次改参数就行。这比每次从零开始写提示词，成功率提升一个量级。

6. 现在的天花板和最容易翻车的场景

6.1 几何精度：AI的"差不多"和工程的"差一点"是两回事

我必须泼一盆冷水：当前的text-to-cad，连"尺寸完全准确"都做不到稳定保证。它经常出现的问题包括：孔位偏移（差几个毫米）、该倒角的直角没倒、零件壁厚自相矛盾、特征的几何关系错误（比如孔和边缘重叠）。这些都是代码层面的微小逻辑错误，不打开代码很难发现。

所以我的规则是：任何text-to-cad生成的结果，导入CAD后都必须做一轮完整的尺寸核对——逐项对照原始需求。这个核对过程并不可怕，因为参数化模型的尺寸都暴露在特征树里，检查起来比传统"测量模型"快得多。

6.2 复杂曲面与自由造型：目前的重灾区

凡是涉及NURBS曲面、多截面放样、复杂过渡面的零件，text-to-cad的表现都非常挣扎。原因很直接：这类几何的建模过程高度依赖设计师的造型直觉，中间步骤充满非线性的判断（比如控制点怎么排、流量怎么调），难以用语言精确描述，也难以靠代码生成模型去逼近。

如果你要做的是一个吹风机外壳、一个鼠标曲面，我建议直接放弃text-to-cad，老老实实打开细分曲面建模。text-to-cad真正擅长的是平面、直线、规则圆弧构成的"箱体+孔洞+折弯"类零件——这类占据了机械设计的大多数，但请不要拿它去硬啃自由曲面。

6.3 装配关系与工程约束：AI目前"看不见"的部分

text-to-cad生成的是单个零件的形状，它完全不理解装配。它不知道这个支架旁边还有一个电机要挨着它放，也不知道螺栓要从哪个方向拧进去。所以它不会自动留出装配间隙、不会考虑零件的装拆路径、不会判断两个零件之间会不会干涉。

工程上的公差（GD&T）、表面处理、材料性能、制造工艺约束，更是完全不在它的视野里。生成结果默认是"理想形状"，没有公差带、没有粗糙度、没有热处理要求。这意味着它只能作为设计探索的前半段，后半段的工程化工作必须由人在CAD里完成。

6.4 我的判断：当前最合理的"人机协作"用法

说了这么多局限，我不希望你把text-to-cad当成一个让人失望的工具。恰恰相反，搞清楚边界之后，它是我近一年用得最频繁的设计辅助工具。

我给它的定位是"设计意图的具象化加速器"：你用30秒生成一个草模，强迫自己把"要什么"想清楚；然后花10分钟在CAD里精修，加入装配约束和工艺细节。算下来，把一个零件的首版草模时间从30分钟压缩到10分钟，效率提升三倍，这才是它能实实在在带给你的价值。

我还想提醒一点：写好提示词本身，就是一个极低成本的"设计评审"。当你必须把"电机支架"这件事拆成"底板尺寸、安装孔位置、圆角半径"这些具体参数时，你其实已经完成了一半设计思考。很多人用过之后会发现，text-to-cad真正教会他们的不是AI有多强，而是自己过去有多少设计需求从未被认真量化过。

最后分享一个我个人一直在用的小技巧：把项目的所有提示词按"零件类型"归档，比如"L型支架""矩形外壳""法兰连接座"。下次遇到类似零件，直接套模板改参数，生成成功率会高得惊人。我自己的模板库里已经积累了二十多套经过验证的描述结构，它们比任何工具自带的预设都好用——因为这些模板里的每一个措辞，都是在一次次的"生成不理想—修正措辞—重新生成"里打磨出来的。这套"自己喂自己"的方法，可能才是text-to-cad这个工具留给我们最长远的东西。