企业官网建设流程全解析

2024年12月初，我第一次在Zoo Text-to-CAD的公测页面里敲下这样一句话：“一个带法兰的圆管底座，外径80毫米，内径60毫米，法兰厚度8毫米，法兰上有四个均匀分布的5毫米安装孔。”十几秒后，预览区转起来一个实体，旁边附着一份CadQuery代码——不是普通的文生3D工具给出的网格“泡泡”，而是一段可以导进Fusion 360、继续改尺寸、改孔位、改法兰厚度的参数化脚本。

做机械设计和工程自动化的朋友应该明白这意味着什么：text-to-cad 这个词过去两年频繁出现在论文标题里，但真正能进入工作流的形态，其实不是“文本生成一个好看的形状”，而是“把自然语言编译成一段可编辑的建模过程”。这篇文章我准备把这股新进展彻底拆开讲：当前有几条技术路线在互相竞争、普通人怎么从零跑通第一个生成项目、实测中哪些地方最容易翻车，以及它在真实设计制造流程里到底适合干什么、不适合干什么。

1. 从“概念图”到“可编辑图纸”：text-to-cad 解决的真正问题

先说一个最常见的误解。很多人第一次听到 text-to-cad，会把它和 text-to-3D 混在一起。文生3D模型，例如那些用扩散模型从文字生成网格的工具，解决的是“视觉表现”问题——输出STL或OBJ，给游戏、动画、可视化展示用，模型本身没有特征树，没有参数，甚至没有严格的实体几何。而 CAD 模型完全不是一回事：一个合格的参数化CAD模型，背后是“先拉伸底板，再在顶面建凸台，然后切四个孔”这样的操作历史，每个尺寸都是一个可改写的参数，改完孔距，后面的孔位、圆角、倒角会自动重新计算。

我习惯用一个类比：文生图给你一张照片，text-to-cad 给你一份菜谱。照片可以看，但不告诉你食材比例和火候；菜谱可以照着复刻，可以调整分量，也能批量做出一模一样的菜。这个“过程语义”才是 CAD 的核心资产，也是 text-to-cad 和普通文生3D 的分水岭。

为什么这条路现在才真正走得通？我认为有两点撞在了一起：

一是大模型写代码的能力已经足够可靠，能够生成 OpenSCAD、CadQuery 这类“程序化CAD脚本”。程序化建模的本质，就是把建模动作变成可执行的文本。既然模型擅长写代码，那它等于天然会描述建模过程。

二是工具链补齐了“代码→实体”的最后一环。用户拿到一段 CadQuery 脚本，可以直接在本地跑出 B-Rep 实体，导出 STEP，然后进入 Fusion 360、FreeCAD、SolidWorks 继续编辑。生成不是终点，而是参数化编辑的起点。

所以 text-to-cad 的核心不是“从文字生成模型”，而是“从文字生成可编辑、可复用、可制造的模型”。这才是它对工程师和设计师真正的价值。后面所有技术路线、所有踩坑技巧，都是围绕这个核心展开的。

2. 主流实现路线的分野：代码生成、模板检索、语义场与反向建模

这个领域目前不是一条路线通吃，而是几条思路在互相补充。我把业界和学术界最主流的四类拆出来讲清楚，因为理解路线差异能直接帮助你选工具、判结果。

2.1 大模型直接生成程序化CAD代码

这是目前产品化最成熟的一类，代表就是 Zoo Text-to-CAD。它的底层是一套经过微调的大模型，通过工具调用（tool use）方式输出结构化结果，允许你选择 OpenSCAD 或 CadQuery 两种“方言”。

为什么选代码而不是直接生成网格？因为代码自带了完整的建模过程和尺寸约束。模型的回答不是一堆三角面，而是一段可以执行、可以修改、可以版本管理的脚本。这个性质非常关键：你把代码存进 Git，每次改动都有记录；你改了某个参数，整个模型会按你的意图重新生成。

以 OpenSCAD 为例，生成逻辑非常直观。比如一个“带凸台的底板”，生成的代码大致长这样：

// 底板 100x60x10 module baseplate() { difference() { union() { cube([100, 60, 10], center=false); // 底板实体 translate([50, 30, 10]) cylinder(h=15, r=15); // 顶面凸台 } // 四个安装孔，孔心距边8mm for (x = [8, 92], y = [8, 52]) { translate([x, y, -1]) cylinder(h=14, r=3); } // 凸台中心孔 translate([50, 30, 10]) cylinder(h=17, r=8); } } baseplate();

这种声明式建模语言的好处是“看得懂”：union是合并实体，difference是挖掉孔洞，每个尺寸都写在代码里。大模型对这种 DSL 的掌握度非常高，因为它训练时见过大量类似代码。

再看 CadQuery。它更接近传统CAD的思维——先选面，再画草图，再拉伸或切孔。同一个底板，CadQuery 版本大概是：

import cadquery as cq # 底板 result = cq.Workplane("XY").box(100, 60, 10) # 在顶面中心建凸台 result = ( result.faces(">Z") .workplane() .circle(15) .extrude(15) ) # 四角打通孔 result = ( result.faces(">Z") .workplane() .rect(100 - 16, 60 - 16, forConstruction=True) .vertices() .circle(3) .cutThroughAll() ) # 导出 STEP，可以直接进入主流 CAD cq.exporters.export(result, "base_with_boss.step")

这两类脚本各有应用场景。我做过一个实际对比，结论很清晰：

我的建议是：如果你只是快速验证形状、输出3D打印文件，选 OpenSCAD；如果你要进入专业CAD流程，选 CadQuery。目前公开服务对前者的生成稳定性更好，对后者则需要多检查几步。

2.2 程序化模板检索与再组合

第二条路线不是“从零生成”，而是“从库里找最接近的模板，再做参数填充”。

这背后依赖大规模数据集工程。Meta 的 ML-CAD 项目组发布过 Text2CAD 数据集，把自然语言描述与对应的程序化CAD脚本成对组织，让模型学会“这句话大概对应哪类零件结构”。推理时，模型不是凭空想象几何，而是理解语义后从已有的参数化模板里选型，再调整尺寸、孔位、特征组合。

这条路线最大的好处是几何合法性天然有保证。因为所有输出都来源于已经验证过的模板，不太会出现自相交、负体积、布尔失败这类问题。缺点是覆盖范围受限于模板库大小——如果库里没有“非标扭曲叶片”这种结构，它就只能投降或者硬拼出一个错误的组合。

对企业的启示是：如果你有一套成熟的产品族模型库，完全可以自建这条路。把公司所有历史零件改写成可参数化的程序化脚本，再挂上自然语言索引，内部工程师就能用“找一款类似XX支架，孔距改到60mm”这种方式快速派生新零件。这比让模型瞎猜要靠谱太多。

2.3 语义场与“绘图步骤”预测：两条非直接代码生成路线

还有一类纯研究向的路子，没有直接生成可执行代码，但非常有启发性。其中一支是把文本和CAD形状映射到同一个语义空间（semantic field），用神经网络预测空间中每个点是否属于实体内部，最后提取等值面得到网格。这种方法的优势是能表达非常自由复杂的曲面，但致命伤是产出的仍是网格或隐式场，想回到参数化CAD，还得做一轮曲面反求，工程链路太长。

另一支很有意思，NVIDIA 的 TextCraft 走的是“绘图步骤预测”路线。它不直接幻想几何，而是让多模态大模型像老师傅一样工作：先读一张带尺寸标注的草图，预测草图的依赖图（也就是明确“先画哪条线、再标哪个尺寸”的顺序），然后循环预测每一步绘图指令和长度约束，最终输出可以直接运行的 OpenSCAD 或 FreeCAD 宏。

TextCraft 的聪明之处在于，它把“生成形状”变成了“生成过程”。CAD 建模的本质就是一系列有依赖关系的操作，只要操作序列对了，模型一定合法。这个思路和代码生成殊途同归，而且对三维空间推理的依赖更低。目前这类方法更适合零件级草图，对复杂装配体还力不从心，但它让我看到了未来“建模过程自动生成”的可能。

2.4 从已有B-Rep模型反向生成建模流程

还有一条被低估但实际价值极高的路线：反向建模。你没看错，如今不少工具已经支持“上传一个现有的几何文件，让模型告诉你它大概是怎么建模出来的，并输出可编辑代码”。

传统逆向工程是扫描实物获得点云，再拟合成曲面，得到的大多是不可编辑的“死模型”。而 text-to-cad 的反向建模是另一个方向：拿到一个 B-Rep 实体（比如客户发来的 STEP 老图纸），分析它的面、边、孔、凸台结构，反推出一个可能的特征历史，然后输出一段程序化代码。这段代码可以改尺寸、改孔位，等于把一张“死图”变成了“活模型”。

我在实际项目里用过这个功能来改造老零件——客户发来一个十几年前的法兰，没有原始三维，只有一个STEP。过去我只能在原模型上补特征，每一步都心惊胆战；现在我可以先让模型生成一段可编辑代码，把孔距、法兰厚度变成参数，再批量派生几个变体。这个过程节省的时间不是一点点。

3. 端到端实操：从一句中文到能改尺寸的CAD模型

理论说再多，不如跑通一次。下面是我反复验证过的实操路径。

3.1 环境准备：在线公测还是本地API

最快速的方式是直接用 Zoo Text-to-CAD 的公开测试页面。注册后，左侧文本框输入自然语言描述，右侧选择输出 OpenSCAD 或 CadQuery，点击生成，通常几十秒内出结果。生成后可以直接复制脚本。

如果想把这套能力接进自己的应用或自动化流水线，用 API 方式更合适。它提供 OpenAI 兼容的调用接口，你可以把自然语言描述发过去，拿回结构化代码，再在本地自动执行生成模型。这在企业内部特别有用——把 text-to-cad 嵌入PLM或工装设计系统，就能做成“工程师说一句话，系统自动出一版可编辑3D草图”的自动化链路。

本地验证环境按需安装即可：

pip install cadquery

OpenSCAD 则去官网下载安装包，Windows、macOS、Linux 都有。强烈建议装一个，因为很多生成结果可以直接在 OpenSCAD 里预览、切片、导出STL，比 Python 环境更省事。

3.2 真实案例：一个“带凸台的底板”是怎么生成的

我在实测中最常用的案例是“带凸台的底板”，因为它覆盖了拉伸、凸台、阵列孔、布尔减切这四类最基础也最典型的特征。完整提示词如下：

“一块底板，长100mm、宽60mm、厚10mm，在顶面中心有一个直径30mm、高15mm的圆柱凸台，底板四角各有一个半径3mm的通孔，孔中心距边8mm。”

这份描述其实暗藏了很多模型需要“翻译”的信息：底板是长方体、凸台在顶面中心、孔是通孔、孔距离边缘等距。CadQuery 输出基本可以对照上面的代码理解：

• Workplane("XY").box(...)创建底板，坐标系XY面作为底面；
• faces(">Z")是选中顶面，然后画直径30的圆，向上拉伸15，凸台和底板自动合并；
• 四角打孔用了一个技巧：在工作平面上画一个矩形辅助线（forConstruction=True），然后取矩形四个顶点，在每个顶点处画半径3的圆，最后cutThroughAll()贯穿切割。

这里最关键也是实际模型经常会翻车的地方，就是最后那步cutThroughAll()。如果模型生成的是cutBlind(-10)，也就是只从顶面往下切10mm，那孔根本不会穿透整个模型，后续导入装配体时螺栓没法穿过，整个设计就是废的。所以我在拿到生成代码后，第一件事永远是检查所有切割操作是否“贯穿”。

OpenSCAD 版本同样能跑通，结构就是先合并底板和凸台，再用difference挖掉孔洞。相对而言，OpenSCAD 对“打孔必须穿透”这个逻辑更直观，因为cylinder的高度只要比底板厚度大，再配合difference就天然是通孔。

生成 STEP 后，直接导入 FreeCAD 或 Fusion 360。你会看到它保留了操作历史——底板的拉伸、凸台的拉伸、四个孔的切割都在。这就真正实现了“模型可编辑”。

3.3 让模型“说工程话”的提示词方法

跑通一次不难，难的是稳定复现。我的实测体感是：text-to-cad 对提示词的要求比文生图苛刻得多。文生图写“一个酷炫的机器人”就能出图，但CAD生成写“L型支架带孔”往往会得到结构完全不对的东西。

对比一下：

• 差的提示词：“L型支架带孔”
• 好的提示词：“L型支架，总尺寸80x50x40mm，板厚5mm；水平面上有两个直径4mm的沉头螺钉孔，孔中心距右边缘10mm，前后居中；垂直面上开一个25mm x 15mm的腰形槽，槽口倒R3圆角”

差别在哪？好提示词不仅写清了“长宽高”，更写清了“特征类型”。尺寸决定了模型的比例，而“沉头孔”“腰形槽”“倒圆角”这些词——注意不是“圆孔”“长孔”“导角”——决定了模型会去调用哪些CAD特征。大模型训练时见过大量带工程语义的文本，你用词越接近工程图纸语言，它生成的特征越准确。

我总结了一套相对好用的提示词模板，你可以直接套用：

[零件名称]，[整体外形尺寸]，[材料类型]。 先[第一步特征]，再[第二步特征]，最后[第三步特征]。 [孔类特征]必须写清类型（通孔/沉头孔/螺纹孔）、直径、位置； [边缘特征]写清倒角/圆角半径； 所有尺寸单位默认mm。

还有个非常实用的经验：分两轮生成。第一轮先描述“粗特征”，比如“一个矩形底座，长100宽60厚10，顶面有圆柱凸台”；拿到模型后再追加第二轮精修，“在刚才的模型上，四角加半径3mm的通孔，凸台顶面倒R5圆角”。分步对话比一次给全要稳得多，因为模型不容易在上下文里丢失约束。

4. 参数化才是分水岭：从“能看”到“能改、能加工”

一个形状可以被显示出来，只是起点；能被修改、被加工、被复用，才是 CAD 的价值。

4.1 为什么参数化历史比形状本身值钱

想象一个简单的轴承座。如果只有一个网格文件，你想把安装孔距从50改成60mm，唯一的办法是重新建模。但如果有一份特征树——先拉伸底座、再挖轴承孔、再打四个安装孔——你只需要改一个参数，所有后续特征自动跟随更新。这就是参数化的力量。

text-to-cad 生成代码，等于你在拿到几何模型的同时，也拿到了它背后的“设计逻辑”。它可以驱动产品系列化：一个支架族只要改“宽度、板厚、孔距”三个参数，就能派生几十个不同规格。这在非标自动化行业极其常见，也是我认为 text-to-cad 最先产生直接经济价值的场景。过去这条参数化路径要求工程师手动整理可变量，现在至少在“初步生成可参数化草稿”这一步，AI 可以帮上大忙。

4.2 从代码到工程图、CAM与装配的潜台词

程序化代码的另一个隐藏价值是它不是“孤立模型”。输出 STEP 实体后，下游可以做：

• 工程图标注：自动生成三视图，标注关键尺寸；
• CAE 分析：直接划分网格做强度校核；
• CAM 编程：基于实体生成刀路和加工策略；
• 装配验证：把生成零件放进总装，做干涉检查。

这件事的想象空间很大。流程高度自动化之后，自然语言描述可以成为产品数据管理的入口：工程师写需求，系统生成参数化模型，自动跑仿真和干涉检查，再发布到物料系统。这个链路里 text-to-cad 充当的是“需求翻译器”，把人类语言翻译成机器可执行的建模指令。它不替代任何专业技能，但把大量重复劳动压缩掉了。

4.3 当前在复杂曲面面前的短板

当然，别指望它能解决所有问题。我实测下来，当前模型对以下类型的生成质量还很有限：

• freeform 曲面，比如鼠标外壳、手柄曲面、涡轮叶片；
• 复杂圆角顺序，比如先倒角后开孔还是先开孔后倒角，导致结果完全不同；
• 多实体装配层级，比如同时生成两个相互配合的零件并保留装配约束；
• 高级扫掠、放样、边界混合这类需要多截面控制的操作。

在这些场景里，text-to-cad 更适合做“方案速写师”——先把一个70%正确的结构草稿搭出来，再由人类工程师接手处理高级曲面和工艺细节。认清这个边界，能避免你对它产生不切实际的期待，也能让它在合适的场景里发挥最大价值。

5. 实测中最容易翻车的三件事

工具很好用，但坑也真实存在。我把自己踩过的坑整理成了一份问题排查表，建议你遇到问题时对照着查。

5.1 B-Rep合法性与布尔运算失败

这类问题最常见。具体症状很气人：代码看起来完全合理，但执行到某一步就报错，或者生成的STL上有大片裂缝。

根因通常是特征顺序出错。一个真实翻车案例：我在生成一个带凸台的罩壳时，模型自动生成的步骤是“先创建壳体，再切安装孔，最后创建凸台”。结果凸台的extrude把一部分孔给填死了——因为凸台创建在孔之后，系统把孔当成了凹陷特征，然后被后续实体覆盖。修复方法很简单，把顺序改成“先凸台后切孔”，或者把孔的切割方式从cutBlind(-10)改成cutThroughAll()。

还有一种翻车是“零厚度”问题。比如壁厚2mm的壳体，模型给开了一个直径等于外径的孔，内外边界共面，布尔运算直接失败。这种事在传统建模里也会发生，但 AI 生成时不会像人一样有“空间直觉”，更容易踩雷。所以拿到代码后先检查是否出现“孔直径接近实体宽度”这种明显违背制造常识的数值。

5.2 尺寸单位与尺度失控

第二个高频坑是单位。大模型的训练数据里有大量英文社区代码，其中不少以厘米或英寸为单位。如果你在提示词里只写“30x20x5”而不写单位，模型很可能按训练分布给出一个它认为“常见”的解释，而不一定是你默认的毫米。

解决办法是双保险。第一，提示词第一句强制声明单位：“所有尺寸单位默认mm”。第二，生成后跑一次包围盒校验，用代码自动检查关键尺寸。

bb = result.val().BoundingBox() x_len = bb.xmax - bb.xmin y_len = bb.ymax - bb.ymin z_len = bb.zmax - bb.zmin # 如果用户目标尺寸接近100mm，检查偏差是否在0.1mm以内 if abs(x_len - 100) > 0.1: raise ValueError(f"X方向尺寸异常: {x_len:.2f}mm")

这段逻辑里BoundingBox()返回模型的包围盒，取最大最小坐标之差就是实际尺寸。在自动化流水线里，这种校验脚本非常值得写，能挡住大部分因单位问题产生的“十倍炸弹”。

5.3 材料、公差与工艺信息的“最后一公里”

第三个问题不是几何层面的，而是信息层面的。text-to-cad 生成的只是几何数据，它不知道这个零件是铝合金还是钢、表面要不要阳极氧化、孔的公差是H7还是H8、螺纹是M6还是1/4-20。如果直接把生成结果送去加工，大概率会得到一堆“形状完全正确但无法装配”的废品。

我的应对方式是把工艺知识前置。公司内部所有的生成提示词都加一段固定前缀：

材料：6061铝合金，表面本色阳极氧化； 公差：安装孔按H8加工，外形尺寸按ISO 2768-m； 螺纹：所有螺纹孔为M6，深度10mm。

生成后的代码再挂一个本地属性字典，自动把材料、公差、热处理、表面处理写入模型属性。这一步不是技术问题，而是流程设计问题。没有它，text-to-cad 只能在“概念设计”里打转；加上它，才能进入真正的制造流程。

6. 落地场景：我在实际项目中怎么用这类工具

聊完踩坑，说说我在真实项目里已经用上 text-to-cad 的几个场景。

概念设计发散。接需求时客户经常只说“大概是个L型的底座，下面要装两根导轨”。以前我要么从头画，要么翻历史库。现在我会先让 text-to-cad 快速生成三、四个外形方案，虽然结构细节不能直接用，但能帮我和客户快速对齐方向，比空谈高效太多。

非标工装快速设计。非标行业的特点是一个项目一个样，重复劳动多。我把常用工装写成提示词模板：“底板尺寸X，中心立柱直径Y，四个腰形安装槽，槽宽Z”。每次来新项目只改参数，AI生成的代码作为初稿，我再做约束校验和工艺审查。过去半天的工作量现在一小时能完成。

旧图改造。前文说的反向建模场景，是我最看重的应用。拿到老的 STEP 文件，先让模型恢复建模流程，再调整参数派生变体。这比传统手工重新建模省了至少一半时间，而且因为保留了参数化历史，后续维护也轻松很多。

新人培训。让新工程师用 text-to-cad 生成零件的程序化代码，再对照代码讲解“为什么这里要cutThroughAll”“为什么凸台要在打孔之前”。代码本身就是最好的教材，比干讲拉伸、切除、阵列直观得多。

我最终形成的工作流是：需求自然语言 → 模型生成程序化代码草稿 → 自动校验包围盒和布尔合法性 → 人工接手做约束、公差、工艺细化 → 发布到企业零件库。在这个流程里，text-to-cad 不是“生成器”，而是一个“需求编译器”——它把一句人话编译成参数化草稿，剩下的事情仍由工程师掌控。

最后再分享一个我非常坚持的习惯：把自己的建模顺序写进提示词。AI生成的代码偶尔会和你平时习惯的特征顺序不一样，但只要你把“先凸台，再打孔，最后倒角”这类顺序约束明确写进去，生成的模型不仅合法，还和你后续的修改习惯完全兼容。花十秒钟写清顺序，能省下后面几小时的返工。如果你正准备开始尝试，我的建议是别贪多求大，先找一个你最熟悉的、特征不超过五步的小零件，把单位、材料、加工方式写进提示词，然后认真观察它生成的操作顺序——你会在那几十秒里重新理解自己平时建模时那些“理所当然”的步骤。