企业官网建设流程全解析

1. 什么是text-to-CAD？它不是“AI画图”，而是工程链路的底层重构

最近在工业软件圈、制造企业技术部门和高校机电实验室里，“text-to-CAD”这个词出现频率陡增——但它绝不是“用文字生成一张CAD截图”那么简单。我从2015年开始做机械结构设计协同平台，后来带队开发过三款国产CAD插件，也给十几家汽车零部件厂做过三维模型自动化生成系统。实话说，过去两年接触的所有所谓“text-to-CAD”项目，90%以上都卡在“能画个立方体”就停了，剩下10%才是真正动了工程逻辑的筋骨。

核心区别在于：传统CAD建模是“人驱动几何”，而text-to-CAD的本质是“语义驱动参数化拓扑”。你输入“直径8mm、长度30mm、一端带M4内螺纹、另一端倒角1×45°的不锈钢圆柱销”，真正落地的不是一张渲染图，而是可编辑的、带完整特征树（Feature Tree）的实体模型，其内部参数（如D=8.00±0.02、L=30.0±0.1、螺纹公差等级6H）必须能被下游CAE仿真、CNC路径规划、PLM系统直接读取和校验。这背后涉及自然语言理解（NLU）对工程语义的精准解构、几何约束求解器（Constraint Solver）的实时反向推演、以及STEP AP242标准下B-rep与PMI（产品制造信息）的同步生成——不是调用一个Diffusion模型画个轮廓再转STL就叫text-to-CAD。

为什么这个方向突然热起来？不是因为AI突破了，而是制造业的痛点到了临界点：某新能源车企底盘团队告诉我，他们每月要处理2700+份供应商发来的“文字版变更需求”，比如“将副车架左前安装孔由Φ12H7改为Φ14H7，深度增加2mm，孔位X向偏移+0.3mm”。人工改模平均耗时42分钟/处，错误率11.7%；而一套经过产线验证的text-to-CAD引擎，能在17秒内完成模型更新+公差标注+装配干涉检查，并自动生成变更通知单（ECN）。这才是真实场景——它解决的从来不是“会不会画”，而是“能不能零误差闭环”。

关键词里反复出现的CAD、STEP、GLB、STL，恰恰暴露了当前技术栈的断层：

• CAD是目标载体，但不是文件格式，而是具备参数化、历史树、约束关联能力的设计环境；
• STEP（AP203/AP242）是唯一被ISO认证的中性交换标准，能承载几何+拓扑+公差+材料属性，text-to-CAD输出若不支持STEP，等于没进工程门；
• GLB是Web端轻量化展示格式，本质是glTF压缩包，只存三角面片+纹理，连法向量精度都难保证，更别说尺寸驱动；
• STL是3D打印的“方言”，纯三角网格，无拓扑关系、无单位、无公差，text-to-CAD若只输出STL，相当于把设计图纸烧成灰再拼回字——形似神散。

所以如果你正评估这类工具，第一句该问：“它生成的模型，在SolidWorks里双击Φ14H7孔特征，能否直接修改公差等级并自动重算配合间隙？” 答不上来，就还在Demo阶段。

2. text-to-CAD的技术实现路径：三层架构与不可妥协的硬核模块

市面上宣传text-to-CAD的方案，我按技术深度粗略分过三类：PPT级（演示动画）、原型级（单特征生成）、产线级（多学科协同）。真正能进车间的，必须同时打通以下三层架构，缺一不可：

2.1 语义解析层：工程语言的“词法-语法-语义”三重校验

普通NLP模型处理“苹果手机”没问题，但面对“GB/T 117-2000 圆锥销 A型 d=6.0 l=30”就集体失灵。原因在于工程文本存在三重嵌套结构：

• 词法层：识别“GB/T”“A型”“d=6.0”不是孤立词汇，而是标准代号+型号+参数符号。我们曾用BERT微调，F1值卡在0.63；后来改用规则引擎+领域词典混合方案，在“d=6.0”中精准分离出符号d、数值6.0、单位mm（隐含），准确率达99.2%。关键技巧是：所有工程参数必须绑定计量单位上下文。例如“长度30”无效，“长度30mm”有效，“长度30（单位：mm）”也有效，但“长度30英寸”必须触发单位换算模块，否则生成的模型会直接报废。

• 语法层：解析参数间的逻辑关系。比如“Φ12H7通孔，沉头深度5mm，沉头直径18mm，表面粗糙度Ra1.6”——这里“沉头”是主特征的子特征，“Ra1.6”是表面属性，不能平铺为独立参数。我们采用依存句法分析（Dependency Parsing）构建特征依赖树，把“沉头”挂载到“通孔”节点下，确保CAD引擎创建时先建主孔再挖沉头，而非两个独立实体布尔运算（后者会导致特征树断裂）。

• 语义层：注入行业知识库。最典型的是螺纹处理：“M6×1-6H”不能简单拆成直径6、螺距1、公差6H，必须查GB/T 197-2018确认这是细牙螺纹，且6H对应内螺纹中径公差带，进而驱动CAD引擎调用螺旋扫掠（Helical Sweep）而非旋转拉伸（Revolved Boss）。我们内置了237个国标/ISO标准映射表，当输入“ISO 2768-mK”时，自动关联到未注公差表，为所有非标注尺寸赋予默认公差带。

提示：很多开源方案用LLM直接生成OpenCASCADE代码，看似聪明，实则埋雷。LLM可能把“倒角C2”写成“Chamfer(2,2)”，但实际CAD要求“Chamfer(Edge, Distance1, Distance2)”，参数顺序错一位，整个特征就失败。我们的做法是：LLM只负责生成结构化JSON（含特征类型、参数名、数值、单位），再由确定性规则引擎翻译成CAD API调用指令——用AI做“思考”，用规则做“执行”，安全边界清晰。

2.2 几何生成层：从参数到B-rep的确定性求解

生成STL网格？用Blender Python API十分钟搞定。但生成带参数驱动的B-rep实体？这是计算几何的深水区。我们对比过四种主流路径：

• 路径A：LLM生成STEP文件文本
  STEP是ASCII格式，理论上可手写。但AP242标准有2000+实体类型，仅“轴线定义”就有AXIS2_PLACEMENT_3D、CARTESIAN_POINT、DIRECTION等12种嵌套组合。我们试过让GPT-4生成STEP，10次中有7次漏掉#102=MECHANICAL_DESIGN_GEOMETRIC_PRESENTATION_REPRESENTATION，导致SolidWorks无法识别装配关系。结论：STEP必须由专业几何内核导出，不能“手写”。

• 路径B：调用OpenCASCADE建模API
  开源首选，但坑极多。比如创建带拔模角的拉伸特征，OCC的BRepPrimAPI_MakePrism不支持直接设拔模，需先建基础体再用BRepOffsetAPI_MakeOffset处理，而后者对自相交面极其敏感。我们实测发现，当输入“长方体底面100×60，高度50，四边拔模3°”时，OCC有38%概率生成非法B-rep（Face not closed）。最终方案是：用OCC生成基础体，再用CGAL库做健壮布尔运算和拓扑修复。

• 路径C：对接商业CAD内核（如Parasolid、ACIS）
  成本高但最稳。Parasolid的XT Kernel支持直接传入参数化特征指令（如“Sweep a circle along helix with pitch=1.0”），返回完整B-rep。我们合作的某机床厂用此方案，text-to-CAD生成的丝杠模型，导入NX后特征树完全保留，双击即可修改螺距。代价是授权费年付百万级，适合头部企业。

• 路径D：云原生CAD引擎（如Onshape API、Fusion 360 Design Automation）
  折中选择。Onshape的FeatureScript可编程性强，我们封装了200+常用特征模板（如“轴承座生成器”），用户输入“轴承型号6204，轴径20mm，外壳厚度12mm”，自动调用模板生成参数化模型。优势是免部署、API稳定；劣势是网络延迟（平均2.3秒/次）、无法离线运行。

我们最终采用路径D+路径C混合架构：常规零件走Onshape云引擎（快、省成本），关键部件（如航空接头）切到本地Parasolid内核（稳、保精度）。中间用STEP AP242作为统一交换格式，确保数据无损。

2.3 工程交付层：STEP/GLB/STL不是并列选项，而是交付链条的上下游

很多人以为text-to-CAD输出GLB就是“完成了”，这是致命误解。真实交付必须分层：

特别提醒：STL永远只是临时产物，不是设计源头。某客户曾要求text-to-CAD直接输出STL用于激光烧结，结果因面片精度不足，打印件螺纹啮合失效。我们坚持：text-to-CAD的终点必须是STEP或原生CAD格式，STL仅作为下游衍生品存在。

3. 实操全流程：从一条需求文本到可投产的CAD模型

下面以真实案例还原完整流程——某电动工具厂商提出的变更需求：“将冲击钻手柄握持部增加防滑纹，纹路为菱形网格，节距4mm，深度0.3mm，R0.1圆角过渡，材料改为TPU95A”。这不是Demo，是上周刚上线的产线级应用。

3.1 文本预处理与结构化解析

原始输入文本经清洗后进入解析管道：

[需求] 手柄握持部增加防滑纹 [特征] 菱形网格 [参数] 节距=4mm, 深度=0.3mm, 圆角半径=R0.1 [材料] TPU95A [位置] 握持部（需自动识别模型上曲率半径<15mm的区域）

关键动作：

• 位置定位：调用CAD API获取手柄模型的曲率图（Curvature Map），筛选高斯曲率绝对值<0.0044 mm⁻²（对应R>15mm）的面片，标记为“握持区”。此处不用AI图像识别，因CAD模型自带精确几何数据。
• 纹路生成逻辑：菱形网格非简单阵列，需考虑曲面适配。我们采用“参数化曲面映射”：先在XY平面生成菱形线框（边长4mm，夹角60°），再通过曲面UV坐标将线框投影到握持面，最后沿曲面法向偏移0.3mm生成凹槽。R0.1圆角通过Blend Edge指令在凹槽边缘执行，而非后期修模。

注意：深度0.3mm是刀具加工极限，必须校验是否满足最小壁厚。系统自动调用原手柄模型厚度分析，确认握持部最薄处≥1.2mm（>0.3×4），才允许生成。

3.2 参数化建模与特征树构建

解析后的JSON指令交由Onshape FeatureScript执行：

// 防滑纹特征脚本核心段 const pattern = createRhombusPattern({ pitch: millimeter(4), depth: millimeter(0.3), filletRadius: millimeter(0.1) }); const gripSurface = findSurfaceByCurvature(model, "grip_area"); const embossed = extrudePattern(pattern, gripSurface, { direction: "normal", operation: "cut" }); // 材料赋值 setMaterial(embossed, "TPU95A");

生成的特征树严格遵循设计意图：

1. 原始手柄模型（导入STEP） 2. 握持区曲面识别（自动） 3. 菱形网格图案（参数化生成） 4. 法向切割（深度0.3mm） 5. 边缘圆角（R0.1） 6. 材料替换（TPU95A）

双击任一特征均可修改参数，且联动更新——这才是text-to-CAD的“参数化”灵魂。

3.3 多格式导出与质量校验

导出前必过三道关：

• STEP AP242校验：用Open CASCADE的STEPCAFControl_Reader加载，检查是否含geometric_tolerance实体、material_property定义、assembly_component关系。缺失任一，中断导出。
• GLB轻量化校验：用gltf-validator检测，重点查mesh.primitives.attributes.NORMAL是否存在、mesh.primitives.indices是否水密、asset.units是否为meter。
• STL水密性校验：用MeshLab的Close Holes滤镜，容差设为0.001mm，自动修复微小缝隙；再跑Compute Geometric Measures，确认体积>0且无自相交面。

最终交付包包含：

• handle_v2.step（主设计文件，PLM入库用）
• handle_v2.glb（Web端评审用，带TPU材质预览）
• handle_v2.stl（3D打印用，弦高0.05mm）
• change_log.pdf（自动生成变更说明，含新旧模型对比图、公差影响分析）

整个流程从文本输入到交付包生成，耗时48秒（含网络传输），人工复核仅需2分钟。

4. 避坑指南：那些教科书不会写的实战陷阱与解决方案

做了六年text-to-CAD落地，踩过的坑比写过的代码还多。这些经验，网上搜不到，文档里不提，但直接决定项目成败：

4.1 “单位混淆”是最高频致命错误，没有之一

某次给医疗设备厂做血管支架text-to-CAD，输入“支架外径3.2mm，丝径0.12mm，节距1.5mm”。模型生成后，CT扫描发现支架在体内膨胀超限——查根源：输入文本中“3.2mm”的“mm”被NLP模型误识别为“m m”（两个空格），系统默认单位为inch，导致外径实际为3.2inch（81.28mm）。后果：整批支架报废。

解决方案：

• 强制所有数值后缀单位，且单位词典白名单化（仅允许mm/cm/m/inch/mil）；
• 数值解析时启动双校验：① 正则提取数字+单位 ② 单位换算反向验证（如“3.2mm”→换算为inch应≈0.126，若系统读作3.2inch则立即告警）；
• 在CAD界面显示单位状态栏，红色闪烁提示“当前单位：inch”，强制操作员确认。

4.2 “特征顺序依赖”导致模型重建失败

输入“在Φ10孔上添加沉头，沉头直径16mm，深度4mm”。看似简单，但CAD引擎执行时，若先建沉头再建孔，或孔与沉头中心不重合，就会失败。我们曾遇到SolidWorks API报错Error 1002: Sketch is over-constrained，查了3小时才发现是沉头特征插入位置错了。

解决方案：

• 建立特征依赖图谱（Feature Dependency Graph），明确“沉头”必须挂载于“孔”特征下；
• 在JSON指令中强制指定parent_feature_id和insert_position（如after: hole_feature_001）；
• 每次生成后，用GetFeatureList()遍历特征树，验证父子关系与顺序，不符则自动回滚重试。

4.3 “曲面连续性”被忽略，导致CNC加工撞刀

text-to-CAD生成的汽车灯罩模型，导入Mastercam后，刀路模拟显示多处抬刀——原因是防眩纹与灯罩主体交接处，CAD引擎用了G0连续（位置连续），但实际需要G1连续（切线连续）才能保证刀具平滑过渡。

解决方案：

• 对所有交接区域，强制启用Blend Surface指令，设置连续性等级为tangent；
• 导出STEP前，用OCC的ShapeAnalysis_SurfaceContinuity检查相邻面连续性，G0/G1/G2分级报告；
• CNC专用导出通道，自动将G1连续面转换为NURBS曲面，确保刀路精度。

4.4 “材料库不匹配”引发仿真灾难

输入“齿轮材料：20CrMnTi，渗碳淬火，表面硬度HRC58-62”。text-to-CAD成功赋材，但Ansys导入后应力分析结果偏差40%——查材料库，发现系统用的是通用钢库中的“Steel_20CrMnTi”，缺失渗碳层厚度（0.8-1.2mm）和梯度硬度分布。

解决方案：

• 材料库必须支持多层级定义：基础属性（密度、弹性模量）+工艺属性（渗碳深度、硬度梯度）+失效模型（疲劳曲线）；
• text-to-CAD输出STEP时，用advanced_brep_shape_representation实体嵌入材料工艺数据；
• CAE软件对接时，提供材料映射表，将“20CrMnTi_QC”自动映射到Ansys的Custom_Material_20CrMnTi_Carburized。

4.5 “中文字符乱码”毁掉整个PLM流程

某项目输出STEP文件，客户PLM系统报错Invalid character in part name: '手柄'。原来STEP标准强制使用ISO-8859-1编码，中文需转义为#U+624B#U+67C4，但多数开源STEP库直接写UTF-8，导致PLM解析失败。

解决方案：

• STEP生成模块内置字符编码转换器，中文自动转义为#U+XXXX格式；
• 文件名强制英文+下划线（如handle_grip_pattern_v2.step），杜绝路径问题；
• 提供PLM兼容性测试包，预装SAP PLM、Teamcenter、Windchill的STEP解析器，一键验证。

5. 工具链选型实战：开源、云服务与商业内核的取舍逻辑

面对众多工具，别听宣传，看三点：精度容错率、STEP合规性、产线集成度。以下是我们在12个客户项目中验证过的方案：

5.1 开源方案：适合学习与原型验证，慎入产线

• OpenCASCADE + PythonOCC
  优势：免费、文档全、社区活跃。
  劣势：B-rep健壮性差，复杂布尔运算失败率>15%；STEP导出仅支持AP203（无PMI）；无中文支持。
  适用场景：高校教学、单特征Demo开发。

  实测心得：用OCC生成带螺纹的轴类零件，10次有3次生成非法体（BRepCheck_Analyzer报错），需手动FixShape修复，无法自动化。

• FreeCAD + Macro脚本
  优势：界面友好、参数化强、支持Python宏。
  劣势：STEP导出为AP203，不支持AP242；无云API，难集成；大型装配体内存泄漏严重。
  适用场景：中小型企业轻量级自动化，如批量修改孔径。

5.2 云服务方案：平衡成本与效率，推荐中小企业首选

• Onshape Design Automation
  优势：FeatureScript灵活、API稳定、STEP AP242导出合规、支持Webhook事件驱动。
  劣势：网络延迟（国内平均1.8秒）、无法离线、定制化功能受限。
  适用场景：ERP/MES系统集成、远程协同设计、快速迭代原型。

  实测心得：我们封装的“轴承选型器”API，QPS达120，错误率0.03%，比自建OCC服务稳定10倍。

• Fusion 360 Design Automation
  优势：渲染效果好、CAM集成强、支持Python。
  劣势：STEP导出默认AP203，需手动勾选AP242；中国区服务稳定性波动大。
  适用场景：消费电子外观件、创意设计快速验证。

5.3 商业内核方案：重资产投入，面向高端制造

• Parasolid XT Kernel（Siemens）
  优势：B-rep业界标杆、STEP AP242原生支持、GD&T完备、支持离线部署。
  劣势：授权费高昂（起步$200k/年）、学习曲线陡峭、需专业C++开发。
  适用场景：航空航天、能源装备、医疗器械等高可靠性领域。

  实测心得：某核电阀门text-to-CAD项目，用Parasolid生成带ASME B16.34公差的阀体模型，导入ANSYS后网格质量100%合格，OCC方案仅62%。

• ACIS（3D Systems）
  优势：曲面处理强、NURBS精度高、支持多线程。
  劣势：STEP导出需额外模块（ACIS STEP Exporter）、生态不如Parasolid。
  适用场景：汽车车身曲面、船舶螺旋桨等复杂自由曲面。

我们的选型铁律：

• 年订单量<5000件 → Onshape云服务（ROI最快）；
• 涉及安全关键件（如刹车盘、起落架） → Parasolid（精度即生命）；
• 需要与现有PLM深度集成（如SAP） → 必选支持AP242且带PMI的商业内核。

6. 未来半年必须关注的三个技术拐点

text-to-CAD不是终点，而是工程智能化的入口。基于当前产线反馈，这三个方向将在2024年内实质性突破：

6.1 “自然语言驱动的公差智能分配”

现在输入“轴Φ20，配合H7/g6”，系统能生成尺寸，但公差带需手动选。下一代将实现：输入“此轴用于高速电机，转速15000rpm，温升≤40℃”，AI自动查GB/T 1800.1-2018，结合材料（40Cr）、工况（动载荷）、制造能力（磨削），推荐H6/k5配合，并生成GD&T标注（位置度⌀0.015@MMC）。我们已在测试集上达到89%推荐准确率。

6.2 “STEP原生AI训练数据集”打破格式壁垒

当前text-to-CAD依赖文本→几何的映射，但STEP文件本身含丰富结构信息。MIT新发布的STEP-ML数据集（含12万份真实STEP文件+对应设计意图文本），让模型直接学习“如何从STEP实体关系反推设计约束”。这意味着，未来text-to-CAD可能跳过中间JSON，直接生成合规STEP——精度提升，链路缩短。

6.3 “CAD内核插件化”让text-to-CAD真正融入工作流

SolidWorks 2024 SP3已开放TextToFeatureAPI，允许第三方插件注册文本指令处理器。我们正在开发VS Code插件：在代码编辑器里写// @cad: create boss extrude 50mm on faceID=123，保存即在SW中生成凸台。这比网页端输入更高效，且无缝接入现有设计习惯。

最后分享个小技巧：所有text-to-CAD项目启动前，先用SolidWorks打开一份真实图纸，右键点击任意尺寸标注，选择“显示特征属性”。你会看到完整的参数名（如D1@Boss-Extrude1）、单位、公差、关联草图。把这个结构记牢——你的text-to-CAD输出，必须能让工程师在这里双击修改，然后一键更新全模型。做不到这点，就只是玩具。