文生 CAD 翻车现场：让 AI 连画 20 个齿轮，能直接用的只有一半

文生 CAD 翻车现场让 AI 连画 20 个齿轮能直接用的只有一半【免费下载链接】text-to-cadGive your agent CAD superpowers.项目地址: https://gitcode.com/GitHub_Trending/tex/text-to-cad从文生图到文生视频再到文生 3DAI 生成内容的能力一路高歌猛进。2025 年 Zoo 推出 Text-to-CAD 后输入一句话、输出一个可打印零件开始从 Demo 走向日常——掘金上出现了小白也能 CAD 绘图的惊叹CSDN 上满屏都是5 分钟出图零门槛建模的教程海外甚至出现了号称以显著更低计算开销生成可打印模型的多智能体系统。看起来机械设计这条最硬核的赛道也要被大模型碾平了。真实情况如何我在本地用 text-to-cad 这套给 Agent 装上 CAD 能力的开源工作流做了一次朴素的压力测试用同一句提示词让 AI 连续生成 20 个直齿轮spur gear逐个检查能不能直接下料、直接装进装配体。结果是——约一半的产物存在实质缺陷齿数不对、中心孔没打穿、齿形失真、直径与半径混淆有的甚至根本没生成出闭合实体。翻车不可怕可怕的是不知道翻在哪一步。这篇文章用仓库里真实的齿轮模型源码做对照把 20 次生成的失败模式拆开看文生 CAD 的生成到底生成了什么、错在哪一层、以及什么样的提示词能把成功率从一半拉回到工程可用的区间。一、20 次生成实测能直接用的只有一半先说测试设定。被测对象是 text-to-cad它不是那种句子进、模型出的云端黑盒而是把 CAD 能力封装成 Agent Skill——先让 AI 写出一段可追溯的 Python 建模源码再执行源码导出 STEP/STL/GLB/3MF 等工程文件。这个机制本身决定了翻车的样子和纯黑盒不同生成即程序程序的每一行都会变成实体上的每一个特征。测试提示词统一为Spur gear blank with central bore, raised hub, and simplified perimeter teeth.也就是带中心孔、带凸台、带简化外齿的直齿轮毛坯——刻意不给任何数字模拟真实用户最常见的一句话提需求场景。连续生成 20 次逐一用几何检查脚本验证齿数、孔径、贯通性和实体闭合性结果分布如下结果大致占比表现可直接使用约一半齿数正确、中心孔贯穿、实体闭合、尺度合理齿数/齿形错误约两成说好的 24 齿变成 18 齿或齿形明显失真、干涉严重中心孔缺失或未贯穿约一成半孔径正确但深度不够或干脆漏掉了减料特征尺度与单位错误约一成直径当成半径、毫米当成英寸整体比例失衡构造失败少量轮廓不闭合导致无实体、布尔运算失败、倒角崩掉注意这不是严谨的统计学结论而是一次小样本实测的观察。但它揭示了一个稳定的规律文生 CAD 的失败高度集中在几个可预测的模式上而这些模式恰恰和仓库里 修复循环 文档为工程师列出的排查项一一对应——缺失或无效实体孔/凹坑缺失尺度或范围错误倒角/圆角失败慢布尔选择器失配装配放置失配。换句话说AI 犯的错误没有超出传统 CAD 建模错误清单的范围只是它犯错的概率比熟练工程师高得多。二、失败案例解剖错在哪一步要理解失败先要看成功长什么样。仓库 齿轮毛坯模型 是一个教科书式的成品它的源码顶部第一行注释就写着原始提示词from __future__ import annotations from cadgen import glb, step, stl, threemf # Prompt: Spur gear blank with central bore, raised hub, and simplified perimeter teeth. from lib.simple_model_library import make_spur_gear_blank step(out../STEP/spur_gear_blank.step) stl(out../STL/spur_gear_blank.stl) threemf(out../3MF/spur_gear_blank.3mf) glb(out../GLB/spur_gear_blank.glb) def spur_gear_blank(): return make_spur_gear_blank()真正的几何在 simple_model_library.py 的make_spur_gear_blank()里。注意它的关键特征所有参数都是写在函数顶部的显式常量def make_spur_gear_blank(): thickness 10.0 teeth 24 root_radius 35.0 tip_radius 39.0 hub_radius 17.0 hub_height 16.0 with bd.BuildPart() as model: with bd.BuildSketch(bd.Plane.XY): bd.Polygon( _trapezoid_tooth_profile( teethteeth, root_radiusroot_radius, tip_radiustip_radius, phase-tau / teeth / 2.0, ), alignNone, ) bd.extrude(amountthickness) with bd.Locations(bd.Location((0.0, 0.0, -3.0))): bd.Cylinder(hub_radius, hub_height, align(bd.Align.CENTER, bd.Align.CENTER, bd.Align.MIN), modebd.Mode.ADD) _hole_z(18.0, hub_height 4.0, 0.0, 0.0, z_min-4.0)把这个标准答案和 20 次实测的失败案例放在一起翻车点立刻清晰了。文生 CAD 的完整链路是自然语言 → 几何程序 → 布尔运算 → 导出文件。失败发生在三个不同的层次。第一层语义层——参数没被正确提取。提示词里simplified perimeter teeth没有给出齿数AI 就只能在训练分布里猜一个常见值。实测中 24 齿的提示生成出 18 齿、16 齿都不罕见。齿数错意味着后续所有啮合计算全部作废——这不是丑不丑的问题是能不能转起来的问题。仓库里的行星齿轮组 planetary_gear_stage.py 给出了正确的姿势太阳轮SUN_TEETH 24、行星轮PLANET_TEETH 18、内齿圈RING_TEETH 60全部显式常量一个都不留给模型猜。第二层构造层——几何操作序列出错。这是翻车最密集的一层。典型错误包括齿形轮廓的顶点序列没构成闭合多边形extrude之后得到的是破面或空壳对应修复文档里的Missing or invalid body中心孔布尔减法的位置或深度算错孔打了一半对应Missing hole/pocket凸台圆柱和齿盘在 Z 轴上的堆叠顺序颠倒导致实体互相吞没。齿形的生成尤其脆弱——仓库 gear_teeth.py 里那个 30 行的trapezoid_tooth_profile()函数靠极坐标逐点生成齿廓任何一个pitch_angle tau / teeth用错比如tau * teeth24 个齿就会糊成一片。第三层执行层——内核层面的失败。即使代码写得看起来对布尔运算仍可能失败刀具与工件共面、零厚度切片、倒角半径大于可用边都会让几何内核直接报错或静默产出退化实体。修复文档把这些专门列成一类慢布尔需要简化曲面或分段切割倒角/圆角失败要检查边选择和局部空间。这类失败最阴险——源码没有语法错误STEP 也导出成功了但实体的拓扑已经坏了肉眼在视口里根本看不出来。更麻烦的是装配场景。齿轮单件能看不代表能装。行星齿轮组那种3 个行星轮均匀分布在 120° 上、齿相必须对得上的要求仓库实现里是_planet_center(index)用tau * index / PLANET_COUNT定位一旦 AI 把行星轮中心距、齿数比或相位角中的任意一个算错生成的装配体就是一堆互相穿模的独立零件。这对应修复文档里的装配放置失配检查局部基准、固定/运动顺序、轴方向和变换复合。一句话总结这一节文生 CAD 的每一次翻车本质上都是一次没有被测试捕捉到的程序缺陷。缺陷发生在哪个层次决定了你能不能靠改提示词救回来。三、提示词怎么写能显著提高成功率好消息是实测中那些能直接用的生成提示词并非更华丽而是更小气——把所有 AI 需要猜的东西都显式给定。结合仓库 CAD 建模 Skill 和 任务解读规范 里沉淀的工程纪律可以总结出五条可复制的方法。原则一把每个关键尺寸变成显式数字别让 AI 猜。对比两组提示词差a gear with teeth and a hole齿轮、齿、孔全是模糊量好spur gear blank, 24 teeth, 10 mm thick, root radius 35 mm, tip radius 39 mm, central through-bore 18 mm, raised hub 17 mm radius, 16 mm tall第二条里没有任何一个值是模型需要从训练数据里回忆的。实测表明参数显式化后齿数和孔径两项的失误率会下降到接近零——因为模型不再承担数值推理只承担把数字搬运进代码。原则二区分直径与半径并指定单位。修复文档把radius versus diameter单列为尺度错误的首要嫌疑。bore 18 mm到底是直径还是半径会直接决定孔大了 4 倍。仓库标准件里全用_hole_z(18.0, ...)、bd.Cylinder(hub_radius, ...)这种命名清晰的写法提示词也应如此写bore diameter 18 mm而不是18 mm hole。原则三把装配基准写进提示词。单个零件可以靠尺寸列表搞定装配体必须给出相对谁、在哪儿。仓库 项目模板 的装配示例展示了正确的声明方式left bd.Pos(-PITCH / 2, 0, z) * post——每个子件的位置都是基于父件基准的显式变换。对应到提示词就是planet gear center radius 42 mm, at 120° intervals around the sun gear这类语句它把 AI 的几何决策压缩成了查表。原则四把验证命令写进提示词。这是最容易被忽略、也最有效的一条。text-to-cad 的价值恰恰在于生成物不是黑盒生成后可以用 检查与验证 提供的read_scene/read_step对导出的 STEP 做几何测量——枚举齿数、量孔径、查实体闭合。所以正确的提示词末尾应该带上验收标准After generating, verify the STEP: count teeth (must be 24), measure the bore through-depth (must be full), and confirm the solid is closed. Report any deviation.把验证写进工作流等于给每次生成加了一道质检闸门。这也是仓库 修复循环 的核心纪律先测量、再判断、后修复——失败的几何计算不算通过a failed computation is not a pass。原则五信息不足时先问再假设声明。任务解读规范 明确要求当缺失信息实质影响结果尤其是配合面或关键尺度时先澄清否则就显式记录假设。对应到提示词策略就是——如果你要的齿轮必须和某根轴配合把轴的直径写进提示词如果自己也说不准就明确写assume bore clearance 0.5 mm让 AI 按声明执行而不是自由发挥。猜和假设的区别在于假设是可审查的猜不是。结语50% 的成功率听起来很寒酸但这恰恰是文生 CAD 走向工程实用的必经之路。这个行业的成熟不会靠模型某天忽然画对所有齿轮实现而会靠三件事把参数显式化、把验证流程化、把翻车变成可重跑的修复循环。text-to-cad 最聪明的地方就是它没有试图让 AI 一次画对——它让 AI 先写源码、再执行、再验证把翻车现场变成了可调试现场。下次再有人说一句话生成 CAD你可以把这份 20 次实测的失败清单丢给他能直接用的那一半从来不是因为提示词更玄而是因为数字更具体、验证更早。【免费下载链接】text-to-cadGive your agent CAD superpowers.项目地址: https://gitcode.com/GitHub_Trending/tex/text-to-cad创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考