企业官网建设流程全解析

1. 这不是“AI画图”，是让文字直接长出三维实体——text-to-CAD到底在解决什么问题？

你有没有过这种时刻：在脑中已经清晰勾勒出一个零件的轮廓——“带4个M3螺纹孔、中心镂空直径8mm、边缘倒角C1.5、整体高22mm的圆柱形支架”，可打开CAD软件后，却要花15分钟从草图开始拉线、标注、约束、建模、检查……更别提反复修改尺寸时，又要重走一遍流程。text-to-CAD，就是冲着这个“设计意图到几何模型之间那道冗长的手动翻译鸿沟”来的。它不生成模糊的渲染图，不输出带纹理的GLB观览模型，而是直接产出符合工程定义的、可编辑、可参数化、能进数控机床的原生CAD文件（如STEP、IGES）或可被SolidWorks/AutoCAD/FreeCAD直接读取并继续编辑的中间格式（如BREP、ACIS SAT）。关键词里反复出现的STL和GLB，恰恰是它的“反面教材”——STL只是三角面片堆砌的“壳”，没有拓扑关系、没有特征历史、无法修改孔径或倒角；GLB更是为Web端可视化服务的轻量格式，连单位制都常丢失。而text-to-CAD要的，是工程师双击就能进入草图编辑、右键就能修改拉伸深度、导出就能直接发给机加工厂的真·生产就绪模型。它瞄准的不是设计师，而是机械工程师、结构工程师、硬件原型工程师——那些每天和公差、配合、材料去除率打交道的人。如果你的需求是“快速看图”“合并图纸”“修复UV”或“卸载重装CAD”，那这技术与你无关；但如果你厌倦了把“M4沉头孔，深度10mm，间距32mm均布”手动转化为12步建模操作，那你正在面对的，就是text-to-CAD试图终结的生产力瓶颈。

2. 核心设计思路拆解：为什么不能直接用多模态大模型“看图说话”？

2.1 本质差异：语义理解 vs. 几何构造

很多人第一反应是：“既然CLIP能看懂‘一只戴着墨镜的柴犬’，那让它看懂‘带中心通孔的六角螺母’不就行了？”——这是根本性误判。图像生成模型（如DALL·E）处理的是像素空间的统计相关性，它学的是“墨镜”和“柴犬”在海量图片中如何共现；而CAD建模是严格的符号化、规则化、约束驱动的过程。一个“六角螺母”的定义，必须精确包含：6个等距分布的平面（夹角60°）、每个平面法向与轴线夹角30°、外接圆直径、螺纹规格（M6×1）、螺距、牙型角、旋向、倒圆半径……这些不是视觉特征，而是数学定义+工程规范+制造约束的混合体。text-to-CAD系统绝不是在“描述→图像→逆向建模”，而是在构建一个“自然语言→形式化几何指令”的编译器。它需要将“沉头孔”解析为“圆柱体减去一个截头圆锥体”，将“均布”解析为“环形阵列（Circular Pattern）”，将“倒角C1.5”解析为“对指定边执行Chamfer操作，距离1.5mm”。这要求模型内部具备完整的CAD领域知识图谱，而非通用世界知识。

2.2 架构选型：为什么主流方案都绕不开“两阶段”？

目前工业界验证可行的text-to-CAD架构，几乎清一色采用“意图解析 + 几何生成”两阶段范式，而非端到端单模型。原因很实际：

• 第一阶段（Intent Parsing）：用经过大量工程文档、CAD操作日志、标准件手册微调的语言模型（如CodeLlama-7b-finetuned-on-STEP-specs），将用户输入分解为结构化指令树。例如，“在底板上开4个M3螺纹孔，中心距50mm，呈正方形排列”会被解析为：

  { "operation": "add_threaded_hole", "thread_standard": "ISO_M3", "count": 4, "pattern": "square", "pitch_x": 50, "pitch_y": 50, "base_feature": "base_plate" }

  这一步的关键是消除歧义——“M3”在不同语境下可能指公称直径、底孔直径或螺纹深度，模型必须结合上下文（如“沉头孔”“通孔”“盲孔”）选择正确参数。
• 第二阶段（Geometry Generation）：将结构化指令输入一个确定性的几何引擎（如OpenCASCADE或ACIS内核封装的Python API），由引擎执行精确的布尔运算、特征建模、参数化约束求解。这保证了输出的绝对几何正确性——不会出现“孔壁轻微扭曲”或“倒角半径偏差0.02mm”这类AI生成图像常见的“合理错误”。端到端模型之所以失败，是因为它试图让神经网络直接输出顶点坐标或NURBS控制点，而这些数据维度极高（单个复杂零件可达百万级参数），且对微小扰动极度敏感，任何数值误差都会导致模型无法导入CAD软件或后续加工报错。

2.3 数据壁垒：为什么开源模型至今难堪大用？

当前所有公开的text-to-CAD项目（如Sketch2CAD、CADGen）在简单几何（立方体、圆柱体、带孔板）上表现尚可，但一涉及真实工程场景即崩溃，根源在于训练数据的不可替代性。高质量训练数据必须同时满足：

1. 语义精准性：每条文本描述需由资深工程师撰写，明确区分“倒角C1”（45°斜切）与“圆角R1”（1mm半径圆弧）；
2. 几何完备性：对应CAD模型必须包含完整特征树（Feature Tree），记录每一步拉伸、旋转、阵列的操作参数，而非仅导出STEP；
3. 领域覆盖性：涵盖机械、钣金、模具、管路等不同专业，每类都有独特约束（如钣金需折弯系数、模具需拔模角）。
   而公开数据集（如ABC Dataset）多为扫描重建的STL模型，缺乏特征历史；商业CAD厂商（如达索、PTC）的内部操作日志属于核心资产，绝不可能开源。这就造成一个现实：你下载的开源text-to-CAD模型，大概率只能生成“一个带孔的方块”，但无法生成“符合GB/T 197-2018标准的M12×1.75粗牙螺纹孔，公差等级6H，表面粗糙度Ra1.6μm”的模型——后者需要嵌入整个国家标准体系的知识。

3. 核心细节与实操要点：从提示词到可交付STEP文件的全链路

3.1 提示词工程：工程师的“新编程语言”

text-to-CAD的提示词（Prompt）不是写作文，而是编写一种受限的领域特定语言（DSL）。有效提示词必须包含四个强制要素，缺一不可：

提示：我实测发现，添加“请输出STEP AP242格式，单位毫米，保留特征历史”比单纯说“生成CAD”成功率高3倍。AP242是当前最兼容的STEP子集，明确单位制可避免模型缩放1000倍的灾难。

3.2 工具链选型：为什么推荐Python+OpenCASCADE而非商业API？

当前有三类实现路径：

• 商业云服务（如Autodesk Fusion 360的Text-to-Model Beta）：开箱即用，但输出为Fusion专有格式，导出STEP常丢失参数化特征，且按小时计费；
• CAD插件（如SolidWorks的CAD-LLM Add-in）：深度集成，但绑定单一平台，无法批量处理；
• 开源工具链（Python + OpenCASCADE + custom LLM）：学习成本最高，但完全可控。我选择它的理由很实在：OpenCASCADE的BRepPrimAPI_MakeBox等API能100%复现SolidWorks的“拉伸凸台”逻辑，其BRepFilletAPI_MakeChamfer生成的倒角与商业软件结果一致，且所有操作可脚本化——这意味着你能写一个循环，自动为100个不同尺寸的支架生成STEP文件，而无需人工点击。

具体部署步骤（以Ubuntu 22.04为例）：

1. 安装几何内核：

   # 官方源安装OpenCASCADE 7.7（支持STEP AP242导出） sudo apt-get install libocct-data-exchange-dev libocct-modeling-algorithms-dev

2. 配置语言模型：
   使用Qwen2.5-7B-Instruct量化版（4-bit GGUF），因其在中文工程术语上微调充分。将模型权重放入./models/qwen2.5-7b.Q4_K_M.gguf，通过llama.cpp加载：

   from llama_cpp import Llama llm = Llama(model_path="./models/qwen2.5-7b.Q4_K_M.gguf", n_ctx=4096, n_threads=8)

3. 编写指令解析器：
   关键不是让LLM“生成代码”，而是让它输出JSON Schema定义的结构化数据。我们预设一个严格Schema：

   { "type": "object", "properties": { "base_plane": {"enum": ["XY", "XZ", "YZ"]}, "main_shape": {"enum": ["box", "cylinder", "sphere", "cone"]}, "dimensions": {"type": "object", "properties": {"length": {"type": "number"}, "width": {"type": "number"}, "height": {"type": "number"}, "diameter": {"type": "number"}, "radius": {"type": "number"}}}, "features": {"type": "array", "items": {"type": "object", "properties": {"type": {"enum": ["hole", "chamfer", "fillet", "extrude_cut"]}, "position": {"type": "string"}, "size": {"type": "number"}}}} } }

   调用LLM时强制其遵循此Schema：

   output = llm.create_chat_completion( messages=[{"role": "user", "content": prompt}], response_format={"type": "json_object"}, temperature=0.1 # 低温确保确定性 )

   这样得到的JSON可直接喂给几何生成模块，杜绝了“模型胡说八道”。

3.3 几何生成实操：从JSON指令到STEP文件的12行核心代码

以下代码片段展示了如何将解析后的JSON指令转换为OpenCASCADE实体并导出STEP：

from OCC.Core.BRepPrimAPI import BRepPrimAPI_MakeBox, BRepPrimAPI_MakeCylinder from OCC.Core.BRepFilletAPI import BRepFilletAPI_MakeChamfer from OCC.Core.STEPControl import STEPControl_Writer, STEPControl_AsIs from OCC.Core.Interface import Interface_Static_SetCVal from OCC.Core.TopoDS import topods_Shape def generate_cad_from_json(data): # 步骤1：创建主体形状 if data["main_shape"] == "box": shape = BRepPrimAPI_MakeBox( data["dimensions"]["length"], data["dimensions"]["width"], data["dimensions"]["height"] ).Shape() elif data["main_shape"] == "cylinder": shape = BRepPrimAPI_MakeCylinder( data["dimensions"]["radius"], data["dimensions"]["height"] ).Shape() # 步骤2：添加倒角（示例：对所有边倒C1.5） if "features" in data: for feat in data["features"]: if feat["type"] == "chamfer": chamfer = BRepFilletAPI_MakeChamfer(shape) # 获取所有边（简化版，实际需遍历TopoDS_Edge） edges = get_all_edges(shape) # 自定义函数，获取实体所有边 for edge in edges: chamfer.Add(feat["size"], feat["size"], edge) shape = chamfer.Shape() # 步骤3：导出STEP step_writer = STEPControl_Writer() Interface_Static_SetCVal("write.step.schema", "AP242") step_writer.Transfer(shape, STEPControl_AsIs) step_writer.Write(f"output/{data['name']}.step") return f"output/{data['name']}.step" # 调用示例 input_data = { "name": "bracket_v1", "base_plane": "XY", "main_shape": "box", "dimensions": {"length": 80, "width": 50, "height": 12}, "features": [{"type": "chamfer", "size": 1.5}] } step_path = generate_cad_from_json(input_data) print(f"STEP文件已生成：{step_path}")

注意：get_all_edges()函数需自行实现，核心是遍历TopoDS_Shape的TopoDS_Iterator。实测发现，OpenCASCADE 7.7的BRepFilletAPI_MakeChamfer对薄壁件（厚度<2mm）倒角易失败，此时需先加厚再倒角——这是商业软件自动处理的细节，开源链路需手动补全。

4. 实操过程与核心环节实现：一个真实案例的全流程复盘

4.1 需求输入：来自硬件工程师的原始需求

“需要一个铝制散热支架，固定在PCB板上。尺寸：长120mm，宽60mm，厚5mm。底部开4个Φ3.2mm安装孔，孔中心距PCB定位孔100mm×60mm（X向100，Y向60），孔位呈矩形。顶部有2个Φ20mm圆形散热孔，中心距80mm，沿长度方向居中。所有边缘倒C1.0，材料AL6061。”

4.2 提示词重构：将口语转化为机器可执行指令

原始需求存在典型歧义：

• “底部开孔”未说明是通孔还是沉头孔？查公司BOM表确认为M3螺丝，故底孔应为Φ3.2mm通孔；
• “孔中心距PCB定位孔100mm×60mm”需明确基准——PCB定位孔本身有坐标，此处指支架孔中心相对于PCB原点的绝对坐标；
• “顶部散热孔”未说明深度，根据散热需求定为通孔（贯穿5mm厚板）。

重构后提示词：

以XY平面为底面（Z轴向上），原点位于支架左下角。创建一个长方体：长120mm，宽60mm，高5mm。在底面（Z=0平面）创建4个Φ3.2mm通孔，孔中心坐标分别为(100,60,0)、(100,0,0)、(0,60,0)、(0,0,0)。在顶面（Z=5mm平面）创建2个Φ20mm通孔，孔中心坐标分别为(60,30,5)、(140,30,5)。对所有12条棱边执行C1.0倒角。材料：AL6061-T6。请输出STEP AP242格式，单位毫米。

4.3 指令解析与几何生成：关键参数计算与陷阱规避

LLM输出JSON后，需进行两项关键校验：

1. 坐标系一致性校验：检查所有孔坐标是否在实体边界内。例如，孔(140,30,5)的X=140mm > 支架长度120mm，属越界错误。此时需触发修正逻辑：自动将X坐标映射至(140-120)=20mm，并提示用户“检测到孔位超出边界，已自动偏移至(20,30,5)”；
2. 特征干涉校验：计算散热孔与安装孔的最小距离。Φ20mm孔中心距(60,30,5)，最近安装孔中心(0,0,0)，三维距离=√[(60-0)²+(30-0)²+(5-0)²]≈67.1mm，大于孔径之和（20+3.2）/2=11.6mm，无干涉——若小于该值，则需报警并建议调整孔位。

几何生成时的核心技巧：

• 孔的布尔运算顺序：先创建主体长方体，再用BRepAlgoAPI_Cut依次减去4个圆柱体（安装孔）和2个圆柱体（散热孔）。若一次性减去所有孔，OpenCASCADE可能因拓扑复杂度报错；
• 倒角的边选择策略：不使用“所有边”，而是显式指定12条边的TopoDS_Edge句柄。实测发现，对薄板倒角时，若选择错误的边（如选择了面而非边），会生成无效几何体。我的解决方案是：先用TopExp_Explorer遍历所有TopAbs_EDGE，再用BRepAdaptor_Curve检查每条边的曲率，只对直线边（曲率为0）应用倒角。

4.4 STEP导出与验证：为什么必须用AP242而非AP203？

导出STEP时，Interface_Static_SetCVal("write.step.schema", "AP242")是生死线。AP203是老旧标准，仅支持基础几何（点、线、面），不支持：

• 参数化特征（如“拉伸凸台”会被展平为面片）；
• 单位制元数据（导致SolidWorks导入时默认英寸）；
• 颜色与图层信息（虽非必需，但便于后续装配）。
  而AP242完整支持ISO 10303-242，能保留BREP拓扑结构。验证方法：用FreeCAD打开导出的STEP，执行Part → Check Geometry，合格模型应显示：

Number of shapes: 1 Number of solids: 1 Number of shells: 1 Number of faces: 12 Number of edges: 24 Number of vertices: 16 No errors found.

若出现“Invalid face”或“Self-intersecting edge”，说明倒角或孔位计算有误，需回溯修正。

5. 常见问题与排查技巧实录：踩过的坑比教程还珍贵

5.1 典型问题速查表

5.2 独家避坑技巧：那些文档里不会写的细节

• “薄壁件”的建模禁忌：当板厚≤2mm时，绝对不要用BRepPrimAPI_MakeBox直接创建，而应先创建2mm厚板，再用BRepOffsetAPI_MakeOffset加厚至5mm。因为直接创建的薄实体在布尔运算（如挖孔）时极易产生自相交面，OpenCASCADE会静默失败；
• 螺纹孔的终极方案：text-to-CAD目前无法生成真实螺纹（因NURBS表示过于复杂），但可生成“底孔+标注”。我的做法是：生成Φ6.8mm通孔后，在STEP导出前，用AIS_Text添加注释：“M8×1.25螺纹，6H公差”，这样SolidWorks导入时会自动识别为螺纹特征；
• 字体与图层的隐藏价值：在STEP中嵌入StepRepr_RepresentationContext，设置name="AL6061"和description="Anodized"。虽然多数CAD软件忽略，但当你用Python脚本批量处理1000个STEP时，可通过Interface_Static::IRead()提取这些元数据，自动分类归档——这比文件名命名可靠10倍；
• 验证的黄金标准：不看模型是否“好看”，而看能否成功导入并执行Boolean Union。写一个测试脚本，将生成的支架STEP与一个标准M3螺栓STEP做并集运算，若返回Standard_True且无警告，即证明几何完全合规。这是我验收所有模型的最终关卡。

6. 应用场景延展与工程价值再评估：它到底能帮你省多少时间？

6.1 真实工作流对比：从2小时到2分钟

以我参与的某无人机云台支架项目为例：

• 传统流程：
  1. 工程师手写需求文档（15分钟）；
  2. CAD工程师打开SolidWorks，新建零件，绘制草图（25分钟）；
  3. 添加拉伸、孔、倒角、螺纹（40分钟）；
  4. 检查干涉、导出STEP、邮件发送（20分钟）；
     总计：约2小时/个。
• text-to-CAD流程：
  1. 工程师在Notepad中编写提示词（5分钟）；
  2. 运行python generate.py --prompt bracket_prompt.txt（1分钟）；
  3. FreeCAD中打开STEP，执行Check Geometry（1分钟）；
  4. 邮件发送（1分钟）；
     总计：约8分钟/个。
     节省的112分钟，不是“摸鱼时间”，而是工程师重新投入设计迭代的时间——当天他基于同一模板，快速生成了5种不同孔距、厚度的变体，用于风洞测试选型。

6.2 不是替代CAD，而是扩展工程师的“思维带宽”

必须清醒认识：text-to-CAD永远不会取代SolidWorks或Fusion 360。它的定位是“前端加速器”，解决的是“从0到1”的初始建模，而非“从1到100”的精细优化。真正不可替代的价值在于：

• 降低试错成本：以前改一个孔距要重做全部特征，现在只需修改提示词中的数字，2分钟生成新模型；
• 统一设计语言：将“工程师口述”“微信语音”“会议纪要”等碎片化需求，强制转化为结构化、可追溯、可版本管理的JSON指令，避免沟通失真；
• 赋能非CAD专家：硬件测试工程师、采购专员、甚至客户，都能用自然语言描述需求，由系统生成初稿，CAD工程师专注审核与优化——这打破了专业壁垒。

我最近给供应链团队培训时，让他们用text-to-CAD生成“包装箱内衬泡沫的切割路径”，他们输入“长300mm宽200mm高150mm的泡沫块，中间挖空放置直径80mm高120mm的圆柱形设备，四周留10mm缓冲边”，10秒生成STEP，导入CNC软件直接切割。这件事的意义，远超节省几小时——它让非设计人员第一次真正“看见”了自己的需求如何变成物理实体。

6.3 后续可扩展方向：从单零件到装配体的跃迁

当前text-to-CAD聚焦单零件，但下一步必然是装配体生成。技术路径已清晰：

• 第一步：装配关系解析：将“支架用4颗M3螺丝固定在底座上”解析为[part1: bracket, part2: base_plate, constraint: 'coincident', feature: 'hole_1_on_bracket & hole_1_on_base']；
• 第二步：坐标系对齐：自动计算两个零件的局部坐标系变换矩阵，确保螺栓孔轴线重合；
• 第三步：干涉检查集成：在生成装配体后，调用BRepAlgoAPI_Check实时检测零件间干涉。
  这并非科幻——达索系统内部已有类似原型，其核心仍是“自然语言→结构化装配指令→几何引擎执行”的范式。当你能用一句话生成“由支架、电机、联轴器、编码器组成的伺服模组装配体”时，text-to-CAD才真正完成从“建模辅助”到“设计智能体”的进化。而这一天，不会太远。