企业官网建设流程全解析

text-to-cad 这个词，这两年在国内外的三维设计圈子里出现频率越来越高。我第一次认真关注它，是因为看到 ZOO 放出的 KittyCAD 演示：输入一段描述，几分钟后返回一个带完整 B-rep 拓扑的 STEP 文件，可以直接拖进 Fusion 360 做装配。说实话，那个演示确实把我震了一下——这不是“文字生成一个好看的 3D 素材”那种玩具级效果，而是往“能直接进制造流程”的工业级方向走。

这篇文章我结合自己试用多个 text-to-cad 工具和开源项目的实际经历，把这个方向从头到尾拆一遍。会讲清楚它到底是什么、和传统建模有什么区别、现阶段值得用的工具和项目、从提示词到 STEP 文件的完整实操流程，以及我踩过的坑和排查思路。适合产品设计师、机械工程师、创客、以及所有对 AI 辅助三维设计感兴趣的人阅读。

1. 从“写文字”到“拿图纸”：text-to-cad 到底在解决什么问题

1.1 一句话讲清 text-to-cad 是什么

text-to-cad，从名字就能猜到，是“文本描述到 CAD 模型”的生成过程。你输入一段自然语言，比如“一个 M6 螺栓，头部是六角形，对边尺寸 10mm，杆部直径 6mm，长度 30mm”，模型返回的不是一张图片，而是实实在在的三维几何数据。

关键点和常见误解在“实实在在”四个字上。很多朋友把 text-to-cad 和 AI 绘画、文生 3D 素材混为一谈，其实差别非常大。AI 绘画生成的是像素，普通文生 3D（比如 Stable Diffusion 的 3D 扩展、Point-E 这类）生成的是网格点云，也就是一堆三角形面片，看起来像模型，但没法拿去加工。text-to-cad 的目标是生成边界表示（B-rep）或者参数化特征历史，也就是 CAD 软件真正认识的那种拓扑结构——有实体、有面、有边、有尺寸约束，能倒角、能打孔、能继续编辑。

我打个比方：传统建模是你亲手把板材切割、焊接成零件；文生 3D 是吹出一个 3D 打印的气球，形状在但没法拆开加工；text-to-cad 则是你给老师傅一张图纸，他按图纸把零件车出来。图纸上的尺寸、公差、形状约束，就是 text-to-cad 想生成的东西。

这个方向的底层逻辑并不神秘。目前主流的实现路径有三种。第一种是大语言模型驱动，让 LLM 输出 CAD 软件能执行的命令序列，比如 ZOO 的 KittyCAD 方案，就是让模型生成 JSON 格式的几何构造指令，后端引擎执行后产出 B-rep 实体。第二种是扩散模型直接预测几何参数，比如 MIT 的 Text2CAD 项目，模型学会从文本中提取尺寸和约束，再生成对应的二维草图轮廓和三维特征。第三种是把自然语言翻译成参数化脚本，比如用 Python 脚本驱动 CAD 内核，或者生成 OpenSCAD 代码。

1.2 和传统建模、AI 生成素材相比，差别在哪里

要理解 text-to-cad 的价值，最好把三条路线放在一起对比。

传统 CAD 建模，从草图、拉伸、旋转、扫描到倒角、抽壳，每一步都由人手动操作。优点是精确可控，缺点同样是精确可控——一个熟练工程师画一个中等复杂度的零件，快则十几分钟，慢则一两个小时。如果是系列化的变体设计，比如一个法兰盘要出 10 种孔径版本，手动建模就非常枯燥。

AI 文生 3D 素材，强调“像”和“快”，比如生成一只靴子、一把椅子，视觉上能看，但模型拓扑往往很糟糕：非流形边缘、法线翻转、内部空洞，拿来 3D 打印都要修半天，更别提用于工程分析或 CNC 加工。

text-to-cad 试图站在二者中间：既保留 CAD 实体的精确性，又用自然语言降低建模门槛。它面向的场景不是“讲故事”，而是“做零件”——机械件、外壳、支架、接头、装配体的基础结构。这也是为什么很多人说它是“机械设计领域的 Copilot”。

从这个表能看出来，text-to-cad 的核心价值不是取代工程师，而是把“重复性建模”和“从概念到初稿”这两块时间压缩下来。真正要进模具、上机床的关键零件，还是需要工程师逐条检查尺寸、配合关系和公差，这一点后面细说。

2. 工具选型：别一上来就追新模型，先搞清楚自己要什么

2.1 现阶段值得关注的几个方向和项目

text-to-cad 的工具生态还比较早期，但已经有几个方向值得实际试用。

ZOO 的 KittyCAD 是我接触到的第一个商业级方案。它走的是 LLM 生成 JSON 指令、后端内核构建 B-rep 的路线，API 调用一次，能返回 STEP、STL、OBJ 等格式，几何精度和拓扑质量在商业方案里算靠前的。适合想直接接入产品做批量生成、二次开发能力要求高的团队。

MIT 发布的 Text2CAD 是开源项目里讨论度较高的一款，核心思路是用文本描述生成 CAD 草图约束和建模序列，既支持生成 STEP，也能输出参数化步骤。它适合想在自己 GPU 上跑、想研究模型原理的技术团队，不过生成复杂装配的能力还比较有限。

ParaCAD 走的是另一条路：训练模型直接输出参数化 CAD 脚本，用户可以拿脚本在传统 CAD 里重新生成模型。这种思路对“可编辑性”的追求很强，因为脚本本身就是特征历史，随时改参数。

CAD-GPT 和类似的大模型方案则是把自然语言转成 OpenSCAD 或 PythonOCC 代码，再在本地环境里执行建模。好处是无需专门的 CAD 内核端，坏处是复杂几何靠代码描述比较吃力，很多时候生成的脚本能跑通，但和预期形状有差距。

传统 CAD 巨头也在跟进。Autodesk 的 Project Bernini 属于通用 3D 生成方向，覆盖的不仅仅是 CAD 实体，也能生成一定的功能性结构，不过目前公开信息有限。SolidWorks、Fusion 360、FreeCAD 也都陆续在内部接入 AI 助手，能力多数停留在“自然语言命令操作现有特征”而不是“凭空生成新零件”。

2.2 选型的关键分叉：实体模型还是网格模型

选工具前必须问自己一个问题：我拿到模型之后要做什么？这决定了你应该选生成 B-rep 的还是生成网格的。

如果目标是 3D 打印一个外形件，网格模型其实够用。SLM、FDM 切片器吃的是 STL 格式，而 STL 本质上就是网格。很多文生 3D 工具生成的网格经过 Meshmixer 或 Blender 修复后也能打印，没必要非得用 text-to-cad。

但如果目标是 CNC 加工、钣金展开、有限元分析、装配干涉检查，或者要和其他工程师协作改图，那就必须拿到实体模型或参数化特征。网格模型在这些场景里基本寸步难行——CAE 软件做仿真需要体网格，CAM 软件做刀路需要识别封闭轮廓和加工特征，装配约束也要建立在实体边面和坐标系的语义上。

这一点在选型时最容易被忽略。很多人一看 Text2CAD 能生成 STEP 就觉得万事大吉，实际跑完才发现：STEP 是生成了，但模型是表面缝合体，不是 solid；或者有实体但特征树是空的，只有裸几何，没法改参数。这种情况下，生成“STEP”和生成“可用的 STEP”是两回事。

我自己的建议是：概念探索阶段随便用什么都行，关键是要快、要能出形状；到了要下厂加工或者进仿真阶段，必须走生成参数化脚本或 B-rep 实体的工具，并做好人工审查准备。

2.3 部署方式和成本怎么算

text-to-cad 的部署方式分三类：商业 API、本地开源模型、商业软件内置。

商业 API 比如 ZOO，省心、精度高、拓扑质量好，费用按调用次数或订阅制收取。它的问题是数据安全。你上传的产品描述、生成的几何模型，都会经过第三方服务。涉密项目或者还在设计早期不想外露的产品，用起来要非常谨慎。

本地开源模型适合动手能力强、有 GPU 的人。MIT Text2CAD 这类项目在消费级显卡上能跑，但生成速度不快，一个中等复杂度的零件可能要等几分钟到十几分钟不等，显存占用也不小。好处是数据不出本地，而且模型权重开放，可以继续微调适配自己的零件库。

最后一种“内置 AI 助手”模式，成本最低但能力范围受限。它更像是一个“自然语言操作界面”，帮你快速完成拉伸、旋转、倒角这些命令，而不是从零生成零件。

还有个容易被忽略的成本是“时间成本”。开源项目从拉代码、配环境、下权重到能稳定出图，往往要折腾半天。这不是说开源不好，而是要有心理预期。如果你想快速验证这个方向值不值得投入，先花几十块调几次商业 API 反而更高效。

3. 实操全流程：从提示词到能用的零件

3.1 提示词的基本功：单位、特征、约束，一样都不能少

很多人的第一反应是“我会说中文就会写提示词”，实际上 text-to-cad 的提示词和聊天提示词完全是两回事。聊天时你少说一句，模型能脑补；CAD 生成时少说一个尺寸，模型只能瞎猜。

我踩过最典型的坑是：输入“生成一个带四个孔的安装板”，结果出来的板子四个孔位置随机分布，孔的大小和板子厚度完全不成比例。原因是提示词里没有单位、没有具体尺寸、也没有约束关系。CAD 模型本质上是一个受约束的几何系统，你不给约束，模型就按训练数据里的统计概率给你猜一个。

写一条合格的 text-to-cad 提示词，至少包含四个要素：

• 基准和单位：明确“所有尺寸单位均为毫米”。不同工具对单位的默认值不一致，有的默认英寸，有的默认“无单位”，不写清楚后期缩放非常头疼。
• 几何类型和尺寸：不要只写“一个盒子”，要写“一个长方体，长 100mm，宽 60mm，高 30mm，壁厚 3mm”。如果是回转体，写清楚旋转轴、直径、高度。
• 特征操作：倒角、圆角、开孔、阵列、布尔差集，这些都要显式描述。例如“在顶面中心开一个直径 8mm 的通孔”“四个棱边倒 C2 角”。
• 约束和配合关系：写清两个孔之间的中心距、某个面要和另一个面重合、孔和轴的配合关系（过孔、间隙孔、螺纹孔）。比如“两个直径 6.5mm 的过孔，中心距 40mm，对称分布在长边中心线上”。

下面是一个正反例对比，感受一下差别。

反面示例：一个带四个孔的安装板。

正面示例：一块矩形安装板，材料为铝合金，长 80mm，宽 50mm，厚 5mm。板的四个角分别有一个直径 6.5mm 的过孔，孔中心距板的长边边缘 10mm，距短边边缘 10mm。所有尺寸单位均为毫米。

正面示例生成的结果明显更接近真实使用场景。M6 螺栓的标准过孔直径是 6.5mm 左右，孔距边缘 10mm 是经验值，这些工程常识模型不一定懂，但你在提示词里写清楚，它能感知的约束就越多，输出越靠谱。

3.2 导出格式的讲究：STL、OBJ、STEP 到底选哪个

text-to-cad 生成结果的导出格式选择，直接决定了后续工作流是否顺畅。

STL 格式最通用，几乎所有 3D 打印切片器都支持。但 STL 只有三角形网格，没有颜色、材质、单位信息，更没有任何实体语义。它适合快速验证外形、3D 打印展示件，不适合做精密装配和仿真。

OBJ 和 PLY 比 STL 多一点属性支持，但本质上还是网格。除非你要把生成结果导入渲染软件做产品效果图，否则在工程流程里用不上。

STEP 是工程界的“通用语言”。绝大多数 CAD 软件能导入导出 STEP，它携带实体几何和拓扑信息。发图纸给供应商、进 CAE 仿真、做 CAM 编程，STEP 是最稳妥的选择。注意，text-to-cad 工具声称“生成 STEP”不代表生成的 STEP 一定干净——打开后可能是缝合曲面、可能是破碎面、也可能是通过布尔运算生成的裸几何，要逐个排查。

如果你需要继续编辑，最理想的是拿到参数化脚本或原生格式，比如 OpenSCAD 的 .scad、FreeCAD 的 .FCStd，或者直接生成 PythonOCC 脚本。脚本能改参数重新生成，相当于带着“特征树”的模型。这是 text-to-cad 未来最有价值的方向之一。

提示：不要把 STL 直接改扩展名当 STEP 用。文件格式不是换个后缀就万事大吉，CAD 软件打开后会报错或者根本识别不了。

3.3 生成完不等于能用：清理、修复、再参数化

text-to-cad 生成的模型，哪怕是商业 API 出品的，也建议当作“需要质检的毛坯件”处理，别当作最终产品直接下厂。

我拿过多个开源模型生成的 STEP 文件做过测试。大部分文件用 FreeCAD 打开后，直接选中实体属性，显示的是“Solid”（实体）而不是“Shell”。但有一部分会出现：表面有微小的裂缝、某些面是反向法线、边折叠、非流形顶点等问题，肉眼看不到，一进仿真软件就报错。

如果你的目标是 3D 打印，网格修复相对简单：Blender 里有 3D 打印工具箱，一键检查非流形边、内壁、翻转法线；Meshmixer 的 Inspector 也能自动补洞。

如果目标是 CNC 或仿真，情况麻烦得多。网格修复根本解决不了问题，必须回到实体层面处理。常用的兜底方案有两个：

• 用 FreeCAD 的 Part 模块，把导入的 STEP 拆成面，再用 Shape Builder 把面重新缝合成实体。这个过程很费时间，但能在一定程度上救活破碎模型。
• 直接用 OpenSCAD 或 FreeCAD 重建模。逆向工程一个简单零件比重建更快，直接把 text-to-cad 当作“出草图灵感”的工具，最终模型以人工重建为准。

实践经验是：text-to-cad 生成的简单几何体（板类、块类、回转体）经过修复后能用；生成的复杂装配体或者自由曲面特征，修复成本可能超过手工建模。所以用工具前先评估零件复杂度，别拿着“生成复杂装配体”的想法去试一个只能做单零件的模型。

3.4 完整实例：桌面显示器支架从文字到 STEP

为了把上面这些流程串起来，我用一个简单的桌面显示器支架作为完整案例，走一遍从需求拆解到生成验证的过程。

需求拆解后写成提示词：

生成一个桌面显示器支架底座，形状为圆形，直径 220mm，厚度 10mm。中心位置有一个直径 50mm 的圆形沉孔，沉孔深度 5mm，用于插入支撑立柱。底座底面边缘做 R5 圆角，底面刻一圈防滑槽，槽宽 3mm，深 1mm，从半径 80mm 处开始，槽间距 5mm，共 3 圈。单位为毫米。

这条提示词写清楚了几件事：外轮廓几何（圆盘）、关键配合尺寸（立柱孔）、加工特征（圆角、防滑槽）、单位和阵列关系（3圈间距5mm）。用支持 STEP 输出的工具跑一遍，得到一个圆盘模型。

接下来验证环节：先把 STEP 导入 FreeCAD，选中实体看属性类型；再用测量工具确认直径、厚度、沉孔直径是否和提示词一致。实测中我遇到的情况是：外径和厚度正确，但沉孔变成了一个装饰性盲孔，开口直径 50mm，底部却收了一道倒角，导致立柱插不进去。原因大概率是模型把“沉孔”理解成了视觉上的凹槽，而不是一个严格的加工特征。

修复方案：在 FreeCAD 里新建草图，画一个直径 50mm 的圆，打孔切除到指定深度，删除原来的错误特征。整个过程十分钟搞定。最终的 STEP 文件进入 CAM 加工流程，没有出现问题。

这个过程告诉我一个核心道理：text-to-cad 的准度还没到“拿来即用”的程度，但你把它当作“自动出初稿的助手”，效率确实比从零建模快得多。

4. 常见问题与排查技巧实录

4.1 生成结果不是实体（surface body / 非流形）

这是最常遇到的问题。生成结果打开是“空壳”，选中零件只有面没有体积，或者进入切片软件后显示“模型不是封闭的”。

原因通常有两个：一是模型生成的几何本身存在拓扑缺陷，面和面之间没有完全缝合；二是导出的格式在转换过程中丢失了实体信息。排查思路很简单：先在源软件里查看模型属性，确认是实体还是壳；如果在源软件里是实体，导入目标软件后变壳，那就是导出/导入设置的问题，试着换格式或调导入公差；如果源软件里就是壳，就需要在 FreeCAD 这类工具里做缝补和填充。

一个小技巧：FreeCAD 的 Part 工作台里，“Part 菜单—创建实体—从外壳创建实体”这个功能，有时能直接把闭合壳转为实体。如果外壳本身没有封闭，就得先查哪条边是开口的，手动补面。

4.2 尺寸比例离谱，怎么校准

生成结果尺寸和预期差十倍、单位完全不对、孔距分布随心所欲，这类问题非常让人沮丧。原因还是提示词里的约束不足。

解决第一步，在提示词里把所有尺寸都带上“毫米”单位，并且写全整个过程涉及到的尺寸。第二步，生成后用测量工具（FreeCAD 的 Part Workbench、Blender 的 MeasureIt、或在线 STL 测量工具）做三点测距，记录关键尺寸是否匹配。第三步，如果不匹配，优先在 CAD 软件里用“缩放实体”功能，按目标尺寸/实际尺寸的比值统一缩放。

需要特别提醒：缩放必须是等比缩放，否则圆孔会变椭圆、倒角会变形。非等比的错误缩放会留下严重设计隐患。还有，有的工具生成的本身就是“无单位”的，你在提示词里说 100mm，它建模时当成 100 个单位，导出时却不带单位。这时候更稳妥的做法是直接用参数化脚本重建，别去猜它的导出单位。

4.3 从生成模型到 CAE/CAM，中间到底卡在哪

网格模型进 CAE 软件做有限元分析，通常直接失败，因为求解器要的是实体单元，不是表面三角形。即使能勉强导入，网格质量和拓扑错误也会让计算结果不可信。CAM 编程同理，识别刀路需要加工特征，而网格模型的边线特征往往无法正确提取。

经验法则是：要进 CAE/CAM，生成阶段就锁定 STEP 格式，并且在导入目标软件后立刻做实体检查。很多 text-to-cad 工具默认输出 OBJ 或 STL，你要在设置里改输出格式。如果工具只支持网格输出，可以用网格转实体的软件做重建——但这只适合简单几何体，复杂模型转换后特征会丢失、计算会出现误差。

我做夹具设计时用过一次网格转实体：一个带三个安装孔的 L 形支架，用 Meshmixer 转成实体后再导入 CAM，出来的刀路确实能用，但孔的同心度差了一些，不得不手工修正。所以结论是：能直接生成 STEP 最好，不能的话就接受“网格生成结果只能做展示件”的现实。

4.4 提示词怎么改都不生效，先查这几个地方

如果你连续改了五版提示词，生成结果都没什么变化，问题可能不在提示词，而在工具本身。

先确认模型上下文长度。很多开源模型对长提示词支持不友好，超过长度的部分会被截断，你要检查实际输入长度，把提示词精简到核心信息上。

再检查工具是否支持你要的特征类型。比如“阵列”是一个高级特征，很多 text-to-cad 模型训练数据里就没出现过阵列，你说“复制三个”比说“阵列”更容易被理解。不是所有专业术语都能被模型识别，用“说人话”的方式描述加工意图，往往更有效。

还有一个关键点：尽量避免否定和双重否定表达。模型对“不能”“不要”“除了”这类逻辑的把握远不如对肯定句把握得好。“不要有圆角”的生成结果大概率还是带圆角，不如改成“所有棱边保持直角，不添加圆角”。

如果以上都排查完还不行，可以换个思路：用多个工具生成同一个需求，对比择优，然后人工拼接。不同模型的训练数据差异决定了它们对不同几何类型的擅长程度，多工具并行的策略在现阶段性价比很高。

5. 用了一段时间之后，我总结的几点实在话

5.1 把 text-to-cad 当“初中级工程师助理”用，而不是“全自动制造机”

text-to-cad 现阶段最合适的定位，是“拿到需求后能在几分钟内给出初版几何”的助理角色。它能帮你把模糊需求快速变成可讨论的形状、快速产出变体、批量生成结构类似的非关键零件。

但它的结果必须经过人工审查，这就像实习生画的草图，方向对了，细节需要你逐一确认。关键承力件、配合面、公差要求高的位置，别指望一次生成就达到可用状态。我见过有人因为生成结果看着很像样，直接把 STEP 发给供应商加工，结果装配时发现孔位偏了 0.5mm，整批报废。这类教训足够深刻。

建议把 text-to-cad 嵌入一个明确的质检流程：生成、检查实体属性、测量关键尺寸、进入 CAD 修正、确认后再出图。设置这五步并不会花太多时间，但能避免大多数“AI 生成翻车”事故。

5.2 几个值得长期关注的方向

text-to-cad 后续的扩展空间很值得期待。一个是与拓扑优化结合，用算法基于边界条件自动探索形状候选，human 只负责筛选和细化；另一个是与制造工艺的打通，从文字直接生成可制造性分析报告、建议工艺路线；还有一个是批量变体生成，比如参数化法兰盘系列，写一个脚本循环调用 API，一次出 20 个版本供选型，这在以往需要重复劳动的场景里非常实用。

关于落地建议，我更倾向于从“辅助设计”切入而不是“全自动设计”。考虑到现有的生成精度、拓扑质量和审查成本，短期内它能给中小型团队带来最直接的价值，就是省掉大量“从零画草图”的时间，把精力转移到真正需要经验判断的地方——材质选择、加工工艺、装配配合这些 AI 还难以可靠替代的环节。这个方向还在快速迭代，只要持续关注，用起来不算晚。