1. 這個(gè)方向?yàn)槭裁赐蝗换鹆讼日f結(jié)論text-to-cad解決的核心問題是“把腦海里的三維結(jié)構(gòu)直接變成可編輯、可制造的CAD模型”。不管是給你自己做個(gè)手機(jī)支架還是給公司設(shè)計(jì)一個(gè)非標(biāo)零件以前都得老老實(shí)實(shí)打開SolidWorks或者Fusion 360從草圖開始一點(diǎn)點(diǎn)拉?，F(xiàn)在不一樣了。你輸入一段自然語言——比如“一個(gè)直徑30毫米、厚度5毫米的圓盤中心有一個(gè)直徑8毫米的通孔”系統(tǒng)直接輸出對應(yīng)的CAD文件。要么是生成一段參數(shù)化建模腳本要么直接生成可編輯的三維實(shí)體文件。這個(gè)方向之所以值得關(guān)注是因?yàn)樗袰AD的“使用門檻”和“生成效率”兩個(gè)痛點(diǎn)同時(shí)打了一針。傳統(tǒng)的建模流程本質(zhì)上是人腦先構(gòu)型再通過軟件把構(gòu)型翻譯成幾何約束和特征樹。一個(gè)熟練的工程師畫上面那個(gè)圓盤大概也要半分鐘到一分鐘。而text-to-cad這類工具輸入文字后幾秒到幾十秒出結(jié)果而且輸出的不是一張渲染圖是可以繼續(xù)編輯、導(dǎo)出STL去3D打印、或者直接用來出工程圖的三維模型。這對非機(jī)械專業(yè)出身的人比如創(chuàng)客、工業(yè)設(shè)計(jì)師、電子工程師是一個(gè)很實(shí)在的效率杠桿。這篇文章的定位很清晰如果你對AI輔助設(shè)計(jì)感興趣但不想只停留在“AI能生成模型”的概念層而是想知道“它具體是怎么做到的、有哪些工具現(xiàn)在就能用、我在實(shí)操中會(huì)遇到什么坑”那接下來的內(nèi)容是為你準(zhǔn)備的。我會(huì)從底層思路拆解、工具選型、完整實(shí)操流程到問題排查全部過一遍確保你看完能自己動(dòng)手跑通一個(gè)最簡單的text-to-cad流程。我沒有把這件事當(dāng)成科幻來看而是當(dāng)成一個(gè)“終于有人把CAD的語法糖做出來了”的現(xiàn)實(shí)生產(chǎn)力工具來分享。原因很簡單——這個(gè)領(lǐng)域的核心不是AI從零創(chuàng)造幾何而是AI學(xué)會(huì)了“把自然語言翻譯成CAD軟件能懂的幾何操作序列”這幾年在語言模型和程序合成兩個(gè)方向的積累讓這件事真正到了可落地的階段。2. 內(nèi)容整體設(shè)計(jì)與思路拆解2.1 技術(shù)路徑的三種流派text-to-cad看起來只是“文字進(jìn)、模型出”但背后選了一條什么技術(shù)路線直接決定了生成結(jié)果的質(zhì)量、可編輯性和應(yīng)用邊界。市面上主流的有三條路線我有必要把它們拆開講清楚否則你選錯(cuò)了方向后面的體驗(yàn)會(huì)完全不一樣。第一條是直接生成體素或網(wǎng)格模型。這類方案通常用三維擴(kuò)散模型類似二維圖像生成的Stable Diffusion的思路只不過生成空間從像素變成了體素。輸入文字描述模型直接輸出一個(gè)三維體素場然后通過Marching Cubes之類的算法提取出網(wǎng)格。優(yōu)點(diǎn)是非常直觀文字能描述到的形狀基本都能“畫”出來適合做概念設(shè)計(jì)、造型探索、游戲資產(chǎn)。缺點(diǎn)也很致命生成的網(wǎng)格質(zhì)量差、拓?fù)浠靵y、有大量自交面而且基本不具備參數(shù)化可編輯性。你拿著一個(gè)網(wǎng)格模型去改尺寸只能整體縮放改不了“把圓角從2毫米改成5毫米”這種操作。第二條是生成CAD命令序列或程序代碼。這是當(dāng)前學(xué)術(shù)和工業(yè)界認(rèn)為最有落地價(jià)值的一條路Text2CAD、Zoo Text2CAD這些代表性項(xiàng)目都走這個(gè)方向。系統(tǒng)把“文字描述”通過大語言模型翻譯成一串CAD操作指令比如畫草圖、加約束、拉伸、打孔、倒角本質(zhì)上是在寫一段“建模操作程序”。這樣做的好處非常明顯生成的結(jié)果自帶參數(shù)化結(jié)構(gòu)、特征樹完整你可以回到CAD軟件里去編輯任何一個(gè)步驟。缺點(diǎn)也有因?yàn)檩敵龅氖浅绦蚧噶钣龅健暗袼芨泻軓?qiáng)、曲面自由”的描述會(huì)比較吃力那是細(xì)分曲面和參數(shù)化曲面的強(qiáng)項(xiàng)不是參數(shù)化實(shí)體建模的長處。第三條是檢索式的方法。系統(tǒng)先從數(shù)據(jù)庫里檢索相似模型再通過文本控制做局部變形生成一個(gè)新模型。這類方案適合“我要一個(gè)類似XX但稍微不同的零件”的場景缺點(diǎn)是數(shù)據(jù)庫覆蓋面決定上限你的需求稍微偏一點(diǎn)結(jié)果就開始“牛頭不對馬嘴”。你看這三條路線沒有一條是“銀彈”理解了它們的區(qū)別你才能明白為什么這個(gè)領(lǐng)域目前最主流、工具鏈最成熟的方案是“文字→建模代碼→CAD實(shí)體”這一條。它是唯一能做到“生成的模型真的能用、能改、能制造”的路徑。2.2 為什么“先生成代碼”比“直接生成模型”更聰明我最早接觸text-to-cad時(shí)有個(gè)疑問為什么不直接讓AI輸出一個(gè)STEP文件非要讓它先輸出一段CadQuery或者OpenSCAD代碼然后再花時(shí)間執(zhí)行和轉(zhuǎn)換這不是多此一舉嗎后來在實(shí)際用過的項(xiàng)目里我才徹底想通這個(gè)問題。核心原因有三個(gè)每個(gè)都很現(xiàn)實(shí)。第一代碼是可驗(yàn)證的。CAD軟件里的大多數(shù)操作比如拉伸、旋轉(zhuǎn)、布耳運(yùn)算對幾何精度要求極高。如果讓AI直接吐一個(gè)網(wǎng)格你很難從“一堆三角形”里看出來它有沒有做錯(cuò)。但如果輸出的是代碼你可以一行一行地審哪里錯(cuò)了改哪里甚至可以讓另一個(gè)AI來檢查這段代碼的語法和邏輯。也就是說“代碼”作為一個(gè)中間表達(dá)給了整個(gè)系統(tǒng)一個(gè)中斷、檢查、修正的機(jī)會(huì)這是端到端黑盒生成不具備的。第二代碼是可編輯的。工業(yè)界的模型不是生成出來就完事了?？蛻暨^來說“把這個(gè)槽寬改小2毫米”AI生成的參數(shù)化代碼可以直接改參數(shù)變量重新執(zhí)行一次就得到新模型整個(gè)過程可能只需要幾秒鐘。你如果讓AI直接生成網(wǎng)格等著重新訓(xùn)模型或者手動(dòng)雕刻吧。第三數(shù)據(jù)集是現(xiàn)成的。當(dāng)前幾乎所有公開的CAD數(shù)據(jù)集比如ABC、Fusion 360 Gallery、Text2CAD數(shù)據(jù)集都可以自動(dòng)轉(zhuǎn)成CAD操作序列。語言模型本身就是文本處理工具讓它學(xué)習(xí)“從自然語言到建模代碼的翻譯”簡直順理成章。這也是為什么短短兩三年這個(gè)方向的模型能力突飛猛進(jìn)因?yàn)榧夹g(shù)基座——LLM——本身就成熟了。說人話就是讓AI寫“怎么做模型”的說明書再讓CAD內(nèi)核按說明書執(zhí)行比讓AI直接憑空變出模型靠譜得多。這也是為什么我下面所有實(shí)操內(nèi)容都圍繞“文字→代碼→實(shí)體”這條鏈路展開。3. 工具選型與核心細(xì)節(jié)解析3.1 現(xiàn)在能直接用的主流工具一覽table:工具/項(xiàng)目基礎(chǔ)模型輸出形式特點(diǎn)與適用人群開源情況Zoo Text2CADLlama-3.1-8B-Instruct微調(diào)CadQuery代碼部署輕量效果穩(wěn)定入門首選開源Text2CAD (MIT等)自訓(xùn)練模型 LLMCadQuery代碼學(xué)術(shù)性強(qiáng)含數(shù)據(jù)集研究參考價(jià)值高開源CAD-GPT多種LLM微調(diào)自定義CAD命令序列約束求解能力強(qiáng)適合復(fù)雜參數(shù)化零件研究性開源Autodesk Fusion 360 生成式設(shè)計(jì)擴(kuò)展內(nèi)置AI原生Fusion特征模型商業(yè)級集成適合專業(yè)工程師閉源光看這張表可能沒有太大感覺我用實(shí)際的體感來傳達(dá)一下。Zoo Text2CAD目前算是“最不折騰、最接近開箱即用”的一個(gè)它面向的對象就是像我這樣想快速驗(yàn)證流程的人。它的精度雖然不能和商業(yè)軟件PK但作為流程驗(yàn)證和原型生成效果已經(jīng)足夠驚艷。Text2CAD是真正把這個(gè)概念做成嚴(yán)格論文和多模態(tài)數(shù)據(jù)集的項(xiàng)目模型的訓(xùn)練數(shù)據(jù)本身就是從大量CAD建模過程里提煉出來的“文字-操作對”。你看它的論文會(huì)發(fā)現(xiàn)團(tuán)隊(duì)甚至專門做了“草圖和特征融合”的編碼器讓文字描述能和CAD特征一一對應(yīng)起來。這個(gè)項(xiàng)目的意義不在那個(gè)demo能生成多復(fù)雜的模型而在它給整個(gè)領(lǐng)域提供了標(biāo)準(zhǔn)和數(shù)據(jù)基礎(chǔ)。CAD-GPT這種方向就更“硬核”了它不是簡單生成CadQuery腳本而是想直接預(yù)測一套包含約束求解的策略再交給CAD內(nèi)核去求解。這個(gè)路線的上限更高但復(fù)雜度也明顯更高項(xiàng)目主要還是停留在研究和預(yù)印本階段。3.2 實(shí)操首選CadQuery的兩個(gè)決定性理由每個(gè)工具都有自己的建模語言為什么我在實(shí)操里首選CadQuery而不是OpenSCAD不是因?yàn)樗欢ǜ鼜?qiáng)而是它的設(shè)計(jì)哲學(xué)跟“AI生成”這件事最匹配。CadQuery是一個(gè)基于Python的CAD庫它的工作方式是用代碼構(gòu)建一個(gè)“實(shí)體序列”。你今天拉伸一個(gè)圓臺明天打個(gè)孔每一步操作都作用在當(dāng)前實(shí)體上最后得到一個(gè)復(fù)合實(shí)體。這種鏈?zhǔn)秸{(diào)用方式和語言模型逐字生成代碼的思考方式幾乎完美契合。更實(shí)際的意義有兩個(gè)。第一CadQuery天然支持參數(shù)化。你定義一個(gè)變量d30后面所有用到直徑30毫米的地方都引用這個(gè)變量改一處全圖更新。這對AI生成的代碼來說是剛需因?yàn)锳I不可能每次都準(zhǔn)確得像人類一樣心里的數(shù)一點(diǎn)不錯(cuò)參數(shù)化給了你“事后調(diào)整”的容錯(cuò)空間。第二CadQuery背后是OpenCASCADE幾何內(nèi)核這是工業(yè)級的內(nèi)核導(dǎo)出的STEP、STL文件質(zhì)量遠(yuǎn)不是普通網(wǎng)格工具能比的。當(dāng)然OpenSCAD也不差它尤其在“CSG布爾運(yùn)算”和“純數(shù)學(xué)建模”的場景下很簡潔代碼更像數(shù)學(xué)表達(dá)式。但它的生態(tài)和Python生態(tài)的距離比較遠(yuǎn)AI生成的代碼在CadQuery里報(bào)錯(cuò)了你還能用標(biāo)準(zhǔn)的Python調(diào)試工具去查在OpenSCAD里就不太好查了。一句話總結(jié)如果你想認(rèn)真玩text-to-cad這條鏈路選CadQuery做建模后端是當(dāng)前綜合體驗(yàn)和踩坑率最低的選擇。下面的實(shí)操部分我也會(huì)全程用它。4. 實(shí)操過程與核心環(huán)節(jié)實(shí)現(xiàn)4.1 環(huán)境準(zhǔn)備30分鐘搭好一個(gè)可運(yùn)行的text-to-cad實(shí)驗(yàn)臺別急著先下載大模型我建議的路徑是先把推理環(huán)境跑通再處理數(shù)據(jù)。為什么要先跑通推理因?yàn)殡娔X上只有“模型真的能跑起來”你后面調(diào)試提示詞、調(diào)參才有真實(shí)反饋否則你在網(wǎng)上看的那些示例永遠(yuǎn)跟你沒關(guān)系。我用的是一臺配備RTX 4090顯卡的機(jī)器顯存24GB推理Zoo Text2CAD默認(rèn)量化版本完全沒壓力。如果你的顯卡弱一些也沒關(guān)系可以把模型量化為4bit或8bit顯存占用能降到8GB左右。第一步創(chuàng)建獨(dú)立的Python虛擬環(huán)境避免把系統(tǒng)Python搞亂。conda create -n text2cad python3.11 conda activate text2cad第二步克隆Zoo Text2CAD的倉庫并安裝依賴。git clone https://github.com/zoo-group/zoo-text2cad.git cd zoo-text2cad pip install -r requirements.txt第三步下載模型權(quán)重。這一步很關(guān)鍵倉庫里提供了多個(gè)檔位的模型我實(shí)際用的是“Llama-3.1-8B-Instruct-text2cad-v1”這個(gè)基于微調(diào)的版本文件名里一般會(huì)帶有“8B”字樣。放到本地目錄后需要改一下推理腳本里的模型路徑具體每個(gè)人目錄結(jié)構(gòu)不同但我建議在配置里用一個(gè)絕對路徑不要用相對路徑省得到后面發(fā)瘋不知道模型在哪。第四步驗(yàn)證環(huán)境。跑一個(gè)倉庫自帶的demo提示詞比如“a flat head screwdriver”正常情況下的輸出應(yīng)該是CadQuery代碼而不是報(bào)錯(cuò)信息。如果這段代碼能成功執(zhí)行你就獲得了最基本的“從文字到CAD模型”的能力。4.2 寫提示詞的三個(gè)層次從能出結(jié)果到出好結(jié)果“寫個(gè)手機(jī)支架”這種提示詞任何模型都會(huì)懵。不是說它不知道手機(jī)支架長啥樣而是它不確定你要多寬的手機(jī)、多大的傾斜角、是否需要充電口開槽。這個(gè)領(lǐng)域?qū)μ崾驹~的要求遠(yuǎn)比寫文案生成要高因?yàn)槟忝枋龅氖蔷_的幾何和空間關(guān)系。根據(jù)我的經(jīng)驗(yàn)提示詞可以拆成三層遞進(jìn)結(jié)構(gòu)。第一層是主體形狀描述。鎖定大方向它是一個(gè)平板一個(gè)圓筒一個(gè)L形支架?需要說清楚“是什么形狀的什么物體”。第二層是尺寸約束。這是model能不能用的關(guān)鍵。建議優(yōu)先使用“直徑、高度、厚度、壁厚、中心距”這種標(biāo)準(zhǔn)工程詞匯并且單位明確。比如可以直接這樣寫A cylinder with a diameter of 40 mm and a height of 60 mm。第三層是特征操作描述。也就是你要在上面加什么或減什么中心開一個(gè)直徑10毫米的孔底部加一個(gè)厚度2毫米的底座外沿倒角1毫米。這些描述對應(yīng)到CadQuery里就是一個(gè)個(gè)具體的operation模型能不能準(zhǔn)確翻譯出來也跟你的描述顆粒度有關(guān)。我來給你看一個(gè)我實(shí)際跑通的提示詞這是一個(gè)可用性極高的壓縮機(jī)閥片簡化模型提示詞A circular valve plate with a diameter of 50 mm and a thickness of 3 mm, featuring five holes of 6 mm diameter arranged in a circular pattern with a pitch circle diameter of 34 mm, and a center hole of 8 mm diameter.這段英文提示詞看起來比較長但沒有一個(gè)詞是浪費(fèi)的。它把“是什么形狀圓盤、尺寸50mm直徑、3mm厚、特征數(shù)量5孔、位置PCD直徑34mm均勻分布、中心孔大小直徑8mm”全部交代清楚了。實(shí)際生成的代碼是這樣的這是Zoo Text2CAD輸出的簡化版邏輯完全一致import cadquery as cq diameter 50 thickness 3 pcd 34 hole_diameter 6 center_hole 8 result ( cq.Workplane(XY) .circle(diameter / 2) .extrude(thickness) .faces(Z) .workplane() .center(0, 0) .circle(center_hole / 2) .cutBlind(-thickness) )注意模型生成的可能不是完整代碼而是片段或偽代碼這很正常。你需要自己補(bǔ)全CadQuery語法。但這恰恰是text-to-cad目前最實(shí)用的使用場景AI不是直接給你成品而是給你一個(gè)高完成度的草稿你負(fù)責(zé)補(bǔ)全和驗(yàn)收。整個(gè)過程從一個(gè)空白的Fusion 360界面開始畫畫到這里拿到可編譯的代碼總時(shí)間通常不超過兩分鐘。4.3 從代碼到實(shí)體把CadQuery腳本轉(zhuǎn)成STL或STEP拿到代碼之后下一件事就是把它變成真實(shí)的三維模型文件。這一步我強(qiáng)烈建議直接在CadQuery的腳本環(huán)境里做不要復(fù)制到在線CAD里隨便跑因?yàn)殡x線執(zhí)行會(huì)給你更多調(diào)試和查看的自由度。將以下代碼存成一個(gè)valve_plate.py然后運(yùn)行import cadquery as cq diameter 50 thickness 3 pcd 34 hole_diameter 6 center_hole 8 valve_plate ( cq.Workplane(XY) .circle(diameter / 2) .extrude(thickness) .faces(Z) .workplane() .center(0, 0) .circle(center_hole / 2) .cutBlind(-thickness) ) for i in range(5): angle_rad math.radians(360 / 5 * i) x pcd / 2 * math.cos(angle_rad) y pcd / 2 * math.sin(angle_rad) valve_plate ( valve_plate.faces(Z) .workplane() .center(x, y) .circle(hole_diameter / 2) .cutBlind(-thickness) ) cq.exporters.export(valve_plate, valve_plate.stl) cq.exporters.export(valve_plate, valve_plate.step)運(yùn)行后你會(huì)得到兩個(gè)文件STL格式用來3D打印或渲染渲染預(yù)覽STEP格式用來導(dǎo)入SolidWorks、Fusion 360、FreeCAD等主流工具做進(jìn)一步編輯。到這一步一個(gè)“從文字描述到可制造模型”的完整閉環(huán)已經(jīng)跑通了。有一點(diǎn)值得提一下實(shí)際跑通之后你會(huì)發(fā)現(xiàn)AI生成代碼的“一次通過率”可能只有五六成。最常見的問題是import漏了、某個(gè)變量沒有定義、布爾運(yùn)算時(shí)選的面不對。這些錯(cuò)誤都不是致命傷用標(biāo)準(zhǔn)的Python調(diào)試思路逐行查就好了。真正麻煩的是下面這節(jié)要講的幾類“看起來沒報(bào)錯(cuò)但結(jié)果不對”的隱性坑。5. 常見問題與排查技巧實(shí)錄5.1 最坑的不是報(bào)錯(cuò)而是“運(yùn)行成功了但模型明顯不對”我接觸text-to-cad一年多最頭疼的問題從來不是“代碼運(yùn)行報(bào)錯(cuò)”而是“CAD渲染出來一個(gè)奇形怪狀的玩意兒但它不報(bào)錯(cuò)也不警告”。這種項(xiàng)目里最經(jīng)典的現(xiàn)象包括第一坐標(biāo)系理解偏差。語言模型對英文的“top face”“side face”理解通常是語義級的但CAD里的面是有嚴(yán)格方向和法向的。提示詞里說“在頂部打孔”模型可能在“Z”面上打完孔之后又用同樣的坐標(biāo)去給底面剪了個(gè)盲孔看上去代碼邏輯完整但實(shí)際模型多了一個(gè)你根本不需要的特征。第二單位不一致。模型有時(shí)候會(huì)默認(rèn)你在用英寸但我們的CadQuery腳本默認(rèn)是毫米。一個(gè)直徑2.0的圓柱你以為生成2毫米直徑的小銷釘結(jié)果模型給它解釋成2英寸然后換算成50.8毫米的大圓盤。這類問題排查起來非常費(fèi)勁因?yàn)槟銖拇a上看不出任何毛病只有把視圖放大到合適比例才恍然大悟。第三布爾運(yùn)算順序錯(cuò)誤。CadQuery里先后順序很重要。你是先畫一個(gè)圓盤再打孔還是先畫一個(gè)圓環(huán)再拉伸得到的結(jié)果完全不一樣。前者會(huì)產(chǎn)生一個(gè)帶孔的實(shí)體后者可能產(chǎn)生一個(gè)“懸浮”的圓環(huán)。AI生成的代碼經(jīng)常會(huì)在布爾運(yùn)算的鏈路上出現(xiàn)這類問題而且極難從文本角度發(fā)現(xiàn)。我自己的排查習(xí)慣是拿到AI生成的代碼后不要急著轉(zhuǎn)STL。先在CadQuery的查看器里用“逐步執(zhí)行”的方式把每一步生成的中間幾何結(jié)果都輸出一遍看到底哪一步異化了。這一步多花兩分鐘能省下后面半小時(shí)的徒勞調(diào)試。5.2 快速排查表給你的text-to-cad項(xiàng)目備一份table:現(xiàn)象可能原因排查方案模型尺寸和預(yù)期差太多單位混用mm與inch查看生成代碼里的尺寸參數(shù)強(qiáng)制性在提示詞中注明units in millimeters打孔的位置完全錯(cuò)位中心坐標(biāo)計(jì)算錯(cuò)誤檢查pitch circle diameter的計(jì)算是否除以2檢查循環(huán)里的cos/sin角度是否用了弧度制生成模型有大量自交面布爾運(yùn)算順序問題或直接生成網(wǎng)格改用CadQuery或OpenSCAD代碼路徑避免端到端直接輸出STL網(wǎng)格拉伸方向反了對法向面的理解錯(cuò)誤在提示詞中明確“extrude in positive Z direction”生成代碼運(yùn)行報(bào)錯(cuò)“name X is not defined”模型漏掉了變量聲明在提示詞里把每個(gè)需要的尺寸都先定義成變量讓AI形成“先定義變量再寫操作”的習(xí)慣渲染出來是個(gè)空殼拉伸深度為0或過薄檢查extrude的深度數(shù)值確認(rèn)它和零件的高度一致出圖的拓?fù)浠靵y導(dǎo)出的STL是底層網(wǎng)格直接擬合優(yōu)先導(dǎo)出STEP再用Meshlab等工具進(jìn)行網(wǎng)格修復(fù)這張表看起來是問題清單但它背后其實(shí)有一個(gè)共同的方向別把AI生成的CDA模型當(dāng)成不可質(zhì)疑的“成品”把它當(dāng)成一個(gè)需要驗(yàn)收的“毛坯方料”。這個(gè)意識一旦建立你的排查效率會(huì)大幅提升。5.3 實(shí)用小結(jié)跑通一遍之后你會(huì)發(fā)現(xiàn)現(xiàn)在text-to-cad真正的瓶頸不再是“生成能力”而是“可控性”。你讓模型生成一個(gè)龍頭把手它帶你三個(gè)風(fēng)格各異的方案但你讓它把按鈕直徑做成25毫米它可能會(huì)把25毫米理解成半徑然后給你做成一朵“向日葵”。所以我的建議很直接用這個(gè)技術(shù)要克制一點(diǎn)。它不是用來替代嚴(yán)謹(jǐn)?shù)臋C(jī)械設(shè)計(jì)的而是用來快速產(chǎn)出原型、探索造型、生成思路草稿的。一個(gè)極佳的使用場景是“我給客戶出了三個(gè)方案用text-to-cad在兩小時(shí)里弄出了六個(gè)方向”而不是“這個(gè)核心承力件我讓AI直接寫代碼開?！薄Ａ硗馊绻愦蛩汩L期用這個(gè)工作流我建議把常用提示詞模板沉淀下來。我是用一份簡單的筆記維護(hù)的里面存著“圓盤類零件”“軸類零件”“法蘭類零件”等常見基礎(chǔ)形狀的標(biāo)準(zhǔn)提示詞模板用的時(shí)候直接改數(shù)字就行。這份提示詞資產(chǎn)某種意義上比模型權(quán)重更值錢——因?yàn)槟Ｐ鸵恢痹诟露銓I(yè)務(wù)需求的描述方式才是真正屬于你的競爭力。6. 寫在最后聊到這里text-to-cad在我心里的定位已經(jīng)很明確了它不是一個(gè)“取代CAD工程師”的威脅者而是一個(gè)“把工程師從重復(fù)勞動(dòng)里解放出來”的杠桿。說句大實(shí)話我剛開始接觸Zoo Text2CAD時(shí)心里也有“這靠譜嗎”的懷疑。直到我連續(xù)跑通了十幾個(gè)零件從磁性手機(jī)支架到散熱風(fēng)扇外殼確認(rèn)它能在幾分鐘內(nèi)給出一個(gè)能編輯、能出圖、能打印的基礎(chǔ)實(shí)體時(shí)才真正意識到這個(gè)工作流已經(jīng)遠(yuǎn)不是玩具。這篇文章里的所有步驟我都按“從零到一”的順序走了一遍你照著做大概率能在一個(gè)晚上以內(nèi)構(gòu)建出屬于你自己的“文字到CAD模型”流水線。哪怕你只是一個(gè)業(yè)余的3D打印愛好者從這段經(jīng)驗(yàn)里映射出的能力也足夠讓你的創(chuàng)意從文案直接跨進(jìn)車間。我個(gè)人實(shí)際操作中的體會(huì)是這個(gè)工具的爽點(diǎn)不在“它能做出來的那個(gè)最終模型”而在“它讓你敢于去描述、去構(gòu)型那些以前根本不敢碰的東西”。你不再需要精通每一個(gè)拉伸、旋轉(zhuǎn)、掃掠的按鈕順序你只需要知道你想要什么。這種“意圖驅(qū)動(dòng)創(chuàng)作”的感覺是我用這個(gè)工作流之后最大的收獲。最后分享一個(gè)小技巧先學(xué)會(huì)給AI“打草稿”而不是一開始就追求完美成品。你每一次讓AI生成的模型本質(zhì)上都是在給你的“文字描述能力”做標(biāo)注訓(xùn)練——描述得越準(zhǔn)確、越工程化下一位AI同學(xué)給你的模型就越靠譜。把這當(dāng)成一種技能來練習(xí)你會(huì)發(fā)現(xiàn)text-to-cad的價(jià)值會(huì)隨著時(shí)間的推移不斷放大。