企业官网建设流程全解析

1. text-to-cad到底解决了什么问题

1.1 工程师的痛点：建模的门槛与时间成本

做产品设计、机械结构、3D打印的兄弟们应该都有同感：建模型这件事本身并不难，难的是把脑子里那个还比较模糊的想法，快速变成一个能编辑、能出图、能加工的实体模型。以前用SolidWorks，画一个简单的法兰盘都要先选基准面、再拉伸、再打孔、再倒角，一套操作下来，光点鼠标的时间就得几分钟。如果是非标件，改尺寸、改位置，改一次就要重新梳理一遍特征树，很容易被冗长的操作步骤耗尽耐心。很多时候，设计初期的想法是跳跃的、粗颗粒的，等你一步步在软件里把几何搭出来，最初的灵感已经凉了一半。

text-to-cad这一类工具要解决的，正是这个"从想法到模型"的中间环节。它的目标很直接：你输入一句话，描述清楚你想要的零件长什么样，它给你一个参数化的三维实体模型——不是一张图片，也不是一个只能看不能改的网格摆设，而是一个带着建模特征、能够修改参数、能够导出STEP或STL送去加工的真实CAD模型。我第一次接触text-to-cad时其实是持怀疑态度的，因为市面上喊着"文本生成3D"的产品并不少，但许多生成的都是OBJ、GLB这类网格文件，好看归好看，根本没法进工程软件里改参数，更没法用于CNC编程或者有限元分析。而text-to-cad背后走的是另一条路：它尝试直接生成带有建模历史的参数化模型，输出之后还能用主流CAD软件继续编辑。这个差异，就是它真正能落地、而不是停留在演示层面的关键。

1.2 从"手把手建模"到"一句话建模"的本质变化

传统建模是局部操作加逐步堆叠，你每做一个特征，都是在跟软件做一次交互，本质上是人在替计算机"跑流程"。text-to-cad把建模变成了一次"语义到几何"的映射：你说"需要一个底座为100x80毫米、四角带直径6毫米通孔的安装板"，它通过大模型解析这句话，拆解出基体尺寸、孔位、孔径、孔数，再把这些约束转换成程序化建模代码，最后生成实体。这个转变看起来只是"输入方式变了"，但对工作流的影响非常大。实际测试下来，一位有一定经验的设计师用text-to-cad生成一个中等复杂度的零件，也就是几十秒到一两分钟的事；传统方式哪怕熟练工，连建模带检查也要五到十分钟，如果中途改几次尺寸，时间还会进一步拉长。

更重要的是，建模者的角色从"手动操作者"变成了"需求提出者和结果审核者"。你不需要再去记特征树的层级关系，不需要反复切换草图平面，不需要担心拉伸方向选反了，你需要做的是把需求表达清楚，然后检查生成结果是否符合预期。这个过程中，人的精力被释放到了更重要的结构设计和功能验证上。

另外，text-to-cad天然适合做参数化族库的批量扩展。比如要建一批不同规格的安装支架，只需要把提示词里的关键尺寸抽成变量，用脚本循环调用生成接口，几分钟就能生成几十个规格的STEP文件。这在手动建模时代几乎是不可能完成的任务。我记得初版测试的时候还有一些明显的识别错误，比如把"四个孔"理解成"六个孔"，或者圆柱面被生成成多边形逼近；但从整体验证情况来看，mesh类生成工具做不到的"可编辑参数化实体"，text-to-cad是真正做到了。下面我会把原理、实操、踩坑、以及我自己的工具链选择都拆开讲一讲。

2. 技术路径拆解：从文本到参数化模型的几条主流路线

2.1 大模型加程序化建模代码生成，而不是直接生成几何

说到文本生成3D，很多人会想到点云生成、NeRF拟合、扩散模型，这些技术主要输出网格模型。text-to-cad中最有工程价值的一条路线，是让大模型"写代码"，再用程序化建模库去执行这些代码生成几何。具体来说，工具内部大致是这样的流程：用户输入自然语言，内置的模型将文本解析为一个结构化的建模指令序列，然后调用CadQuery或类似的程序化建模库去执行这个序列，最终完成拉伸、打孔、倒角、布尔运算等操作，产出BREP实体。整个过程对用户来说只是一句话的事，但后台发生的是"语义理解→代码生成→几何内核求值"三个环节。

为什么选这条路，而不是直接端到端输出网格？答案其实很朴素：网格模型很难再做参数化修改。一个正方形底座如果生成了10万个三角形，你想把宽度改成原来的1.2倍，网格上没法直接改，只能重新生成；而程序化生成保留了建模逻辑，相当于你拿到的不是一张"照片"，而是"Photoshop源文件"。只有保留了源文件，模型才是真正可控、可迭代的。对于工程师来说，这种"可控感"比生成速度重要得多。所以，text-to-cad与其它AI生成3D工具最核心的分水岭，不在于生成效果多惊艳，而在于生成结果是否具备工程属性。

2.2 从CSG、B-Rep到参数化实体的工程基础

这里稍微展开一下背后的几何基础知识。CAD里有两套主流的实体表达方式：CSG（构造实体几何）和B-Rep（边界表示）。CSG有点像搭乐高积木，一个物体被拆成几个基本体，用并集、差集、交集组合起来。CadQuery、OpenSCAD这样的脚本建模工具本质上都是CSG思路。它的优点是逻辑清晰、代码可读，也非常适合AI生成，因为每一个特征都能对应到明确的代码操作；缺点是对于复杂曲面表达能力有限，像手机外壳那种连续曲面很难用几个基本体拼出来。B-Rep则是用边界信息描述实体，比如一个圆柱的侧面、上下两个面、两条边，Fusion 360、SolidWorks底层都是B-Rep/NURBS。B-Rep能描述更复杂的曲面，但数据结构复杂，对AI来说输出空间巨大，直接生成的难度高很多。

目前text-to-cad路线大多落在CSG和程序化建模这一侧，用CadQuery生成带参数历史的模型，再通过OCCT几何内核转换为BREP，导出STEP。这一步是工程可用的关键：生成的模型可以拿去CAM、切片、有限元分析，也可以导入主流的CAD软件里继续编辑。我见过一些朋友问"为什么不直接用AI生成原生SolidWorks文件"，这里面既有格式私有化的原因，也有几何表达复杂度的原因。文本生成模型优先选择通用性最强、最容易被下游工具接受的STEP中间格式，显然是更理智的工程决策。

2.3 多模态输入与生成质量的分辨率权衡

后来很多进阶版本的工具已经不只接受纯文本了，有的支持"文本加参考图"作为输入。比如你给一张手绘草图，旁边加一句"把厚度改成3毫米"，它能将两者对齐后生成模型。老实说，多模态输入是text-to-cad落地的必经之路，因为纯文本描述空间几何结构，在复杂场景下还是容易产生歧义。语言能描述"一个带安装耳的壳体"，但安装耳的具体曲率、倒角半径，文字很难说清楚；这时候一张参考图就能大幅消解歧义。我在实际项目中用参考图加文本的组合，生成结果的可用率明显高于纯文本，尤其是在涉及异形曲面和空间角度的时候。

还有一个需要权衡的维度是生成速度与精度。实际观察下来，工具在生成早期阶段会输出较粗的中间结果，然后经过内部优化逐步收敛到更精确的几何。如果只追求快，得到的可能是相对规则、相对简单的建模步骤，遇到复杂形状时细节会缺失；如果愿意多等一些时间，得到的模型在几何精度上会更接近预期。对大多数机械零件来说，规则几何占主导，"生成时间几十秒"完全在可接受的范围内。我的判断是，现阶段text-to-cad更适合用在"几何确定性高、结构清晰"的零件上，而不是一开始就去挑战自由曲面。

3. 实操过程：跑通一个真实零件

3.1 工具选择与环境准备

先讲我目前常用的工具链。我最早是在Zoo的text-to-cad在线工作台上体验的，网页上直接写提示词就能生成模型，输出可以下载STEP、STL等格式，对新手非常友好。后面为了做批量生成，我切换到了Python SDK的方式，因为它能跟脚本、参数配置结合起来，效率高很多。如果你只是想体验一下，我建议先用免费在线工作台跑通一个简单例子，理解它的能力和边界之后，再决定要不要上SDK做深度集成；如果你已经有明确的自动化需求，直接走API会更顺手。

用Python调用时，环境配置其实就三件事：注册账号获取API key、安装Python SDK或命令行工具、确认本地网络能够正常访问接口。安装命令行工具非常简单：

pip install zoo-text-to-cad-cli

安装完成后，一条命令就能生成CAD文件：

zoo text-to-cad "2mm radius fillet on the top edge of a 100x80x10mm plate" -o output.step

用Python写自动化的话，核心代码大致是这样：

from zoo.workflows import run result = run( "Create a rounded rectangular plate with 4 through holes", output_formats=["step"], ) result.save_to("plate.step")

如果本地没有Python环境，直接打开在线工作台就可以了，界面里能看到生成预览和建模步骤的时间线列表，操作零门槛。我第一次使用的时候，整个流程走下来不到五分钟就拿到了一个能够导入Fusion 360的STEP文件，这个"从零到一"的体验速度，确实是传统软件给不了的。

3.2 提示词怎么组织才不容易翻车

这是整篇文章里我最想分享的实操心得。text-to-cad对提示词的组织方式，和画图类AI完全不同。画图AI吃的是氛围感和风格词，而text-to-cad吃的是约束、尺寸、特征顺序。很多人第一次用，习惯性地输入"做一个好看的带孔的板子"，结果生成出来的东西完全没法用，原因就是缺少可计算的几何约束。我踩过很多次坑之后，整理出一套相对稳定的提示词组织方法：

• 先说主体形状和整体尺寸，再说局部特征。
• 尺寸统一使用毫米，避免混用单位。
• 特征尽量用一条短句说完，不要堆砌形容词。
• 涉及阵列、对称时，明确写清楚数量和分布方式。
• 涉及圆角、倒角时，直接给出半径或距离数值。

用一个真实例子说明。这是我在测试中反复调整后比较满意的一条提示词：

创建一个安装板：长100mm，宽80mm，厚10mm，四个角各有一个直径6mm的沉头孔，中心有一个直径20mm的圆孔，四周边缘倒角1mm。

在工具上输入这条提示词，它会生成一个带有拉伸基体、阵列孔位和边缘倒角的模型。整个过程中我完全没有碰建模界面，只在文本框里输入了一段需求文档。如果改成"一个好看的带孔的板子"，结果往往会缺失尺寸、缺失孔位，甚至出现孔洞与基体不匹配的情况。所以，对text-to-cad来说，写提示词更像是在写需求文档，而不是在写诗。

3.3 生成结果的检查与后处理

拿到生成结果后，第一步是检查几何是否封闭。在线工作台通常会给出预览和模型树，如果某些特征步骤被标记为失败，就需要回到提示词去修正表达。我个人实操时固定做三个检查动作：

1. 检查主尺寸，用测量工具对比长、宽、高以及孔径是否与预期一致。
2. 检查特征数量，确认孔的数量、阵列的数量、倒角的位置符合需求。
3. 检查布尔运算结果，特别是孔洞相交区域和倒角边缘是否有自相交或干涉。

如果只是小问题，比如某个倒角半径不对，不需要重新整体生成，直接在模型编辑器里改参数即可。因为生成的是参数化模型，你也可以导入FreeCAD或者Fusion 360后继续调整。这里分享一个真实发生的例子：在一次批量生成法兰盘的任务中，我在提示词里写了"6个均匀分布的直径8mm孔"，结果只生成了5个孔。排查后发现，问题出在"均匀分布"这个描述上，工具默认从某个角度开始均布，但数量解析时出现了偏差。后来我把描述改成"沿圆周均匀分布6个直径8mm的通孔"，问题就消失了。提示词里的歧义，比模型本身的问题更常见，这一条值得反复强调。

4. 常见问题与排查技巧实录

4.1 提示词被"误解"的三种典型情况

第一种是数量歧义。"4个螺栓孔"有时候会被解析成"一组阵列螺栓孔"，数量会多出来。解决方法是给出绝对位置或绝对数量，比如"在矩形四角各生成1个直径10mm的孔"，这里"四角各1个"比"4个孔"要明确得多。

第二种是单位歧义。工具默认单位是毫米，但如果你写了"5cm"，它可能当成5mm处理，也可能直接报尺寸冲突。我的建议是一律使用mm，不要混用单位。涉及英制尺寸时，提前换算好再写入提示词。

第三种是特征顺序歧义。描述"先拉伸再倒角"和"先倒角再拉伸"，得到的几何结果可能一样，但在模型树里不一样。如果最终模型你希望保持某个特征顺序，比如让孔洞在倒角之后穿透，提示词里要有序描述，或者用工具提供的步骤参数手动指定。实际操作中，我遇到的最多问题就是布尔特征顺序导致孔洞边缘被倒角破坏，把特征顺序调整一下就解决了。

4.2 问题排查速查表

整理一个排查速查表，碰到问题可以对照着看：

这张表看起来简单，但真正跑项目时能省很多时间。我的建议是遇到问题先不要急着骂模型，先把提示词拆开检查一遍，百分之七八十的问题都出在语义表达不够精准上。模型本身当然也有识别错误的时候，但给人的总体印象是：它比你想象的更依赖清晰输入。

4.3 工程集成的三个注意点

想把text-to-cad接进现有设计流程，有几个点特别容易踩。

第一，文件格式统一。现代CAD工作流里，STEP是最稳妥的中间格式，能保留实体几何且被几乎所有CAD软件读取。STL适合3D打印，但精度和可编辑性都差。所以在自动化流程里，我输出的文件一律是STEP，后面再按具体使用场景转格式。

第二，生成结果需要人工审核。目前工具仍有语义理解偏差，千万别直接从API输出就送到产线。我经历过最深刻的一次教训，是在生成一个带加强筋的壳体内腔时，模型把筋的厚度做成了5mm，但提示词里写的是0.5mm。如果当时没检查直接拿去开模，就是废模事故。现在我的流程里固定加了一道人工检查关卡：所有AI生成模型必须过尺寸标注加特征树确认，确认无误后才能进入CAM或开模阶段。

第三，版本管理。AI生成的模型本质上也是一种代码产物，建议把提示词、版本号、参数变量一并记录在工作流里。你可以把提示词直接写入模型的自定义属性或元数据，后面调试和追溯时会轻松很多。我自己维护了一个提示词版本库，每次迭代都把有效提示词和无效提示词记录下来，这样再遇到类似需求时可以直接复用，不用从零开始试。

5. 我的一线心得与后续扩展思路

5.1 什么时候适合用text-to-cad，什么时候不适合

用了一段时间之后，我对适用范围有了比较清楚的判断。适合的场景主要是四类：机械标准件的快速建模，比如法兰、垫片、螺栓；安装支架、底座这类规则件的概念设计；结构设计中的多方案快速对比；以及标准件族库的批量生成。这些场景有一个共同特点：几何以规则体为主，设计变量清晰，自然语言能描述出关键约束。

不适合的场景也很明确：复杂曲面外观件、需要精细曲面造型的产品，比如消费电子外壳、汽车内饰件；复杂装配体；以及涉及大量曲面连续性约束的建模。这类设计依赖曲面控制点、连续性条件、分模线等专业操作，纯文本描述的信息量严重不足。强行用text-to-cad只会得到形似神不似的结果，后续修复成本比从头画还高。我见过有人拿text-to-cad生成笔记本电脑外壳，折腾了一个下午，最后还是回到传统曲面建模重画了一遍。工具选型这件事，想清楚边界比盲目追求"AI替代"更重要。

5.2 结合参数化和AI提示词的工作流扩展

我目前最常用的工作流是"Python脚本加API调用加本地CAD审核"，整个流程分成五步：

1. 把常用零件族的尺寸参数抽成YAML配置文件。
2. 用Python循环读取配置，拼成标准提示词。
3. 调用SDK批量生成模型文件。
4. 脚本自动加载模型并与名义尺寸比对，标注超差项。
5. 人工审核超差项和特殊特征后，输出复用。

这套流程跑下来，本来需要两天的标准件族库整理工作，压缩到了半天。准确率不是百分之百，但主尺寸准确率已经足够支撑前期选型和验证，剩下的人工微调只是一小部分。这里最关键的一点是：参数化模型给了你"修改"的机会，这是网格生成模型给不了的底线保障。换句话说，即使AI第一次生成的结果不完美，你仍然可以在参数化基础上快速迭代，而不是推倒重来。

5.3 给新手的实操建议

第一，不要一上来就拿text-to-cad挑战复杂曲面。直接生成车灯罩、鼠标外壳、异形手柄，大概率会很快丧失信心。从简单零件练起，比如法兰、垫片、支架，这类规则零件是它的舒适区，成功率高，也容易建立对工具能力的准确认知。

第二，提示词里把每一个数值都写清楚。宁可啰嗦一点："一个长120mm、宽60mm、厚8mm的铝合金安装板，中心开一个直径30mm孔，四个角各开一个直径5mm孔"，也不要写"一个中等大小的板子，上面有几个孔"。从语义到几何的翻译过程，数据是唯一可靠的锚点，没有数据的描述等于没有约束。

第三，生成完一定要检查模型树。工具给你的不只是实体，还有一个可追溯的建模步骤序列。检查模型树相当于看它在哪一步出了问题，这远比盯着渲染图猜测要高效。如果某个特征生成失败，模型树会直接告诉你失败的位置和原因，你只需要针对那一步调整提示词即可。

结尾

说实话，我很长一段时间是排斥AI生成CAD模型的，总觉得机器不懂设计的意图。但实际用了text-to-cad之后，我自己的结论是：它确实不懂设计意图，但它能帮你把"已经想清楚的意图"变成模型的速度，比人手快得多。而"把意图想清楚"这件事，恰恰是设计师的核心价值，AI并没有替代这个环节，它只是帮你把后面重复枯燥的执行过程大大缩短了。

我个人现在把text-to-cad当作一个"初级工程师加建模加速器"来看待。它解决的是从想法到实体的最后一公里，而不是替代你做方案决策。对于所有想尝试的朋友，我的建议很简单：今天打开工作台，用一个最简单的零件跑通一次。试完你自然会知道，哪些环节它可以帮你省时间，哪些环节你仍然必须自己动手。工具值不值得长期用，不是听别人说，而是看你自己跑通一次之后的体感。