上次AI帮你改图,这次AI帮你画图

前几天写了一篇AI钻进CAD的文章，讲的是一个叫Adam的工具，能在CAD软件里用自然语言操作已有的模型。改个圆角、加个通孔，一句话搞定。

那篇文章发出去之后有不少人问，能不能更进一步，AI直接从零画一个零件出来？

还真有人做了。

GitHub上有个项目叫text-to-cad，上趋势榜的时候已经快一万五千个Star了。它干的事情用一句话概括，你用文字描述一个零件，它帮你生成CAD源代码，然后编译成三维模型，导出STEP或者STL文件。

注意，不是生成一张图片，是生成真正的CAD文件。你拿到的东西可以直接导进SolidWorks、Fusion这些软件里继续加工。

▲ 文字到代码，再到真正的CAD模型

它的工作原理挺有意思。

这个项目本身不是一个AI模型，它是一个”harness”，翻译过来就是执行框架。它的思路是，你已经有Claude Code或者Codex这样的AI编程助手了，但这些助手不懂CAD。text-to-cad做的事情是给这些AI助手装上一套CAD技能，让它们知道怎么用build123d这个库来建模。

build123d是一个Python的CAD库，你用代码描述几何体，它帮你渲染成三维模型。工程师可能觉得这个思路很熟悉，跟OpenSCAD是一个路子，参数化建模，只不过语言换成了Python。

所以整个流程是这样的。你对着Claude Code说”帮我画一个带法兰的圆柱体，高度80mm，外径40mm，法兰厚度5mm”。Claude Code收到之后，调用text-to-cad提供的技能，写出对应的build123d代码。代码跑完之后，生成三维模型，你在浏览器里就能预览，觉得没问题就导出STEP文件。

从一句话到一个可制造的三维模型，中间不需要你打开任何CAD软件。

这跟Adam做的事有什么区别？

Adam是在CAD软件里面工作的。你已经有一个模型了，Adam帮你改。text-to-cad是在CAD软件外面工作的。你什么都没有，它帮你从零开始画。

一个是编辑器，一个是生成器。

▲ Adam偏向编辑已有模型，text-to-cad偏向从零生成

说实话我还没跑过这个项目，但光看它的技术栈就觉得方向是对的。

为什么？因为它没有自己训练一个”CAD大模型”，而是把已有的通用AI接上了CAD能力。这个思路的好处是，AI模型升级了，CAD能力自动跟着升级。Claude Code从Sonnet换到Opus，生成的零件质量就跟着上一个台阶。你不用等一个专门的CAD AI模型慢慢迭代。

不过限制也很明显。

第一，它依赖build123d，生成的模型复杂度受限于这个库能表达什么。简单的回转体、拉伸体、布尔运算没问题，但复杂曲面、钣金展开这些，目前大概率做不了。

第二，生成质量完全取决于你的描述精度。你说”画一个支架”，它可能给你一个奇形怪状的东西。你说”画一个L形支架，竖边高50mm宽20mm厚3mm，横边长80mm宽20mm厚3mm，两边夹角90度，竖边顶部有一个直径6mm的通孔”，它就知道你要什么了。

这跟用AI写代码一个道理。你给的规格越清楚，它交付的东西越靠谱。

第三，对国内主流的SolidWorks用户来说，生成的STEP文件能导入，但特征树是空的。你拿到的是一个”死模型”，改起来不如原生建模灵活。这是所有外部生成工具的通病，不只是text-to-cad的问题。

那这个东西现在能用在什么场景？

我觉得最实际的场景是快速概念验证。你脑子里有一个零件的大概形状，不想打开CAD软件从头画，先用text-to-cad生成一个粗模看看比例对不对、结构合不合理。觉得靠谱了再打开正经CAD精修。这个过程可能从”打开软件、新建文件、画草图、拉伸、标尺寸”的二十分钟，变成”打一行字、等十秒、看模型”的半分钟。

另一个场景是批量生成标准件变体。螺栓、法兰、管接头这类有明确参数的东西，你写一句话加几个尺寸，它就能给你一个标准的三维模型。省得每次都去零件库里翻。尤其是非标件比较多的时候，你可能需要一个M12法兰、一个M16法兰、一个M20法兰，参数不同但结构一样。用text-to-cad一句话生成一个，改几个数字再生成一个，比手动画快得多。

还有一个场景是跨部门沟通。你跟供应商描述一个零件形状，打字打半天他也不一定理解。现在你可以先用text-to-cad快速出一个三维模型，发个STEP文件过去，比任何语言描述都直观。虽然精度不够出图纸，但够讨论方案了。

▲ 当前最适合的场景，是概念验证和标准件变体

回过头来看，从Adam到text-to-cad，其实是AI进入制造业工具链的两种路径。

一种是寄生在现有软件里，像Adam那样做插件。好处是不改变你的工作习惯，坏处是受宿主软件的生态限制。

另一种是绕开现有软件，直接从自然语言到制造文件。好处是不受任何软件绑定，坏处是生成质量还不够工业级。

两条路最终可能会合到一起。你用自然语言生成粗模，导入CAD软件精修，修的时候AI在旁边辅助操作。全链路都有AI，但每个环节用的方式不一样。

不过那是以后的事。现在这个阶段，AI画出来的零件大概相当于一个实习生的水平。你不能直接拿去出图纸，但可以拿来讨论方案、验证思路、加快沟通。

有意思的是text-to-cad的技术栈里包含了Claude Code和Codex。也就是说，你日常用来写代码的AI助手，加上这么一个CAD技能包，就变成了一个能画三维零件的助手。它没有发明新的AI，它只是教会了现有的AI一门新手艺。

这种”给通用AI装专业技能”的模式可能会越来越多。今天是CAD，明天可能是电路板设计，后天可能是液压原理图。每个专业领域都有自己的建模语言和规则，只要有人把这些规则整理成AI能理解的格式，通用AI就能干那个领域的活。

不需要每个领域都从头训练一个专用模型。只需要一个翻译层，把专业知识翻译成AI能执行的指令。

text-to-cad做的就是CAD领域的那个翻译层。

实习生也有实习生的价值。关键是你得知道他在哪，该怎么用他。