企业官网建设流程全解析

入行这么多年，我几乎每年都会看到一种新玩法把CAD圈搅动一下。今年绕不开的词，就是 text-to-cad——直接拿一段文字描述，让程序帮你把三维模型建好。听起来像玩笑，但我上个月真的用这条链路完成了一批法兰盘的参数化建模和出图，今天把整个思路、原理和踩坑过程系统捋一遍。

text-to-cad 要解决的核心问题其实很简单：把“设计意图”变成“几何表达”。传统CAD里，你得一步步画草图、拉特征、加约束；text-to-cad 直接把这一步省了，你写“外径100、内径50、厚度10、均布4个直径10的安装孔”，几秒钟后就能拿到一个可编辑的STEP文件。它特别适合三拨人：一是刚接触CAD制图的新手，描述能力比命令记忆强得多；二是做方案选型和多方案对比的工程师，批量生成变体模型非常快；三是需要在出图前快速验证结构的人，省掉大量重复建模时间。下面我把从原理到实操的完整过程展开讲。

1. 先聊聊 text-to-cad 到底解决什么问题

1.1 从标题看需求：不是“画图”，是“说图”

CAD领域这么多年的核心痛点，从来不是“画不画得出来”，而是“画得够不够快、改得够不够容易”。传统流程里，一个非标法兰盘从零建模，熟练工也要十分钟起步；如果客户中途改了三版孔径，你就得回到草图上改尺寸约束，再更新关联特征。text-to-cad 把这条链路的起点从“鼠标操作”挪到了“语言描述”，本质上是把建模前置环节变成了参数化脚本。

我在实际测试中最直观的感受是：描述粒度越接近“工程语言”，生成结果越稳。比如你直接说“一个带四个孔的法兰”，模型就只知道一个大概；但你说“外径100毫米、内径50毫米、厚度10毫米、四个直径10毫米的孔均布在直径80毫米的圆上”，程序就能精确落位。这一点和普通聊天问答完全不同——text-to-cad 需要的是结构化信息，不是文学创作。

它解决的第二个问题是“多方案快速迭代”。以前做对比方案要建三套模型，现在只需要准备三个不同的描述文本，或者同一份参数模板配上三组数值，批量跑一遍就行。我工作中经常遇到客户上午说用4孔法兰、下午改成6孔，传统流程要改特征树、重新全约束定位；换成 text-to-cad 之后，我只需要在JSON里把 bolt_count 从4改成6，重新生成模型，时间复杂度基本为零。

1.2 谁最需要这个能力

顺着CAD相关的搜索热词看，会发现需求人群非常分散。搜“cad制图初学入门”的人，大多是刚入行的学生和转行者，他们的痛点不是命令不全，而是“不知道从哪一步开始”；text-to-cad 可以把描述直接变成实体，让新手先看到结果，再反推建模过程，学习效率反而更高。搜“python批量对cad修改”的是工装、钣金、非标自动化领域的工程师，他们手上一堆重复零件，最需要的不是交互画图，而是数据驱动的模型生成。搜“cad图纸合并”“cad导入layout步骤详解”“cad转pdf”的，是已经在实际出图交付中跑流程的人，模型生成之后还有一连串的布局、标注、打印问题要处理。

还有一个容易被忽略的人群是用行业CAD软件的人，比如瑞丽服装CAD、金林钣金CAD、中望CAD这类细分工具。text-to-cad 不一定直接替换这些软件，而是可以作为前置生成器：用脚本批量生成基础几何，再导入行业软件做工艺细化。钣金件就是典型例子——展开图、折弯系数、板材厚度这些属性，通用三维模型里根本没有，但你可以先生成折弯前的实体外形，再进钣金CAD补工艺参数。所以我的判断是：text-to-cad 不是要取代CAD，而是把“建模”和“设计后续工作”之间那段重复劳动压缩掉。

2. 原理拆解：自然语言是怎么变成特征树的

2.1 一句话模型：意图解析、参数映射、程序化三维

text-to-cad 的完整链路可以拆成三段：意图解析、参数映射、程序化建模。意图解析由大语言模型完成，它把自然语言中关于形状、尺寸、数量、排布的描述提取出来，翻译成结构化数据；参数映射把结构化的键值对换算成几何参数，比如把“均布”换算成360度除以孔数得到的角度间隔；程序化建模则由CAD内核执行，按顺序构建草图、拉伸、打孔、阵列等特征。

用生活化的类比说：自然语言是“你想盖什么样的房子”，结构化参数是“施工蓝图”，而程序化建模是“施工队按图施工”。很多人误以为 text-to-cad 是让AI直接“画”一堆点线面，实际不是——AI只负责把话变成数字，真正画图的还是CAD内核。这样做的好处是结果可控，所有尺寸都能后改，而不是生成一张死图片。

我建议你在工作流里给这三段分别设检查点。意图解析结果可以打印出来看一眼，参数映射可以加单位校验，程序化建模可以中途导出线框预览。哪一段出错，就在哪一段修，不要等问题都堆到最后导出模型才返工。

2.2 为什么是特征树而不是网格

最初的文本生成3D方案走了“生成网格（Mesh）”的路线，用扩散模型直接输出三角面片，类似AI生成图片。但网格在CAD场景里几乎不可用：没有草图平面、没有特征历史、没有约束关系，一个法兰盘就算生成了完美的曲面网格，你也无法修改其中一个孔径然后重新生成。而CAD软件的核心数据结构是特征树——拉伸、旋转、阵列、圆角，每一步都记录了参数和依赖关系，修改某个特征，后续特征自动更新。

text-to-cad 采用程序化建模路线，恰好是为了和特征树对齐。CadQuery、SolidPython、OpenCASCADE这些库之所以适合做后端，就是因为它们能按顺序调用CAD内核，建立真正的参数化历史。这也解释了为什么 text-to-cad 生成的不是“一个文件”，而是“一个可编程的模型生成逻辑”——拿到模型之后，你还可以继续写代码调整倒角、改厚度、换材料。

我在实际使用中会把“特征顺序”当作和“尺寸精度”同样重要的检查项。同一个法兰盘，先拉伸外圆再打中心孔，和先建整块板再挖两个台阶孔，输出结果看起来差不多，但后续修改性完全不同。好的text-to-cad实现，生成的代码里特征顺序应当清晰可读，而不是堆一大段不可维护的几何操作。

2.3 工具选型的取舍

做 text-to-cad 落地，工具链上无非三个选择：直接用商业CAD的AI助手、调用开源模型API、自己用Python库搭全套。商业CAD里的AI功能最省事，但受限于软件闭源特征，通常只能在特定模块里用；开源模型API适合快速验证概念，但输出几何精度参差不齐；自己搭Python库全套是最灵活的方式，代价是需要懂一点代码和CAD内核的基本概念。

我自己的选择是“CadQuery + 大语言模型接口”的组合。CadQuery使用Python语法建模，底层走OpenCASCADE内核，生成的STEP/DXF文件能被主流CAD软件识别，而且它天然支持参数化函数——同一个函数传不同参数就能得到不同规格的零件。这个特点简直是 text-to-cad 的绝配：大语言模型负责把文本转成参数，CadQuery负责把参数转成实体，两者之间用一个JSON字典交接，逻辑非常干净。

顺带提醒一下，不要一上来就追求“完全端到端自动化”。生产环境里真正稳定的做法，是人写一个参数化零件库，AI只负责从自然语言中提取参数。比如法兰库、支架库、轴套库，每个库都是经过验证的CadQuery函数，AI的职责是把“内径50”识别成 inner_diameter=50，而不是让它从头写建模代码。这个思路能大幅降低出错率。

3. 实操走通：用一段话生成法兰盘

3.1 环境准备与基础代码框架

先准备最基本的Python环境，Windows、macOS、Linux都行，我用的是Windows10 + Python 3.10。安装CadQuery只需一条命令：

pip install cadquery

CadQuery安装时会自动带上OpenCASCADE内核，所以不用额外装复杂的依赖。为了解析自然语言并转成结构化参数，我倾向用一个支持函数调用的对话模型，把“从描述中提取参数”做成一个独立的JSON Schema请求。如果你不想接外部模型，也可以先用正则表达式和字典做硬解析，把常见的尺寸关键词匹配出来，效果至少能覆盖大半标准件。

我建议把项目目录分成三块：prompts（存放解析指令和模板）、models（存放参数化建模函数）、output（存放生成的STEP和DXF文件）。这个结构一开始看着多余，等零件种类多了以后就能体会到好处——改一个法兰建模函数，不会影响到轴套函数，也不会污染导出的历史文件。

3.2 构建“意图模板”和结构化参数

text-to-cad 里最核心的设计决策，是定义“自然语言描述”和“JSON参数”之间的映射关系。拿法兰盘举例，我定义的JSON Schema大致是这样：

{ "outer_diameter": 100, "inner_diameter": 50, "thickness": 10, "bolt_circle_pcd": 80, "bolt_count": 4, "bolt_hole_diameter": 10 }

这里有几个单位约定必须提前定死：默认毫米，角度默认度，数量默认个。否则模型一会儿把10理解成厘米、一会儿把4理解成半径，最后生成出来的法兰完全没法用。我的做法是在解析指令前面加一段系统提示，明确告诉模型“所有线性尺寸均为毫米，忽略描述中的非工程修饰词”，能显著减少常识性错误。

“意图模板”这个词是我自己起的，意思是针对某一类零件的固定解析规则。比如对法兰盘，固定询问外径、内径、厚度、安装孔PCD、孔数、孔径；对钣金支架，固定询问长宽高、折弯角度、板材厚度、孔位。模板越细，解析越稳。不要指望AI理解“差不多”“大一点的孔”这类模糊词，工程里要的是确定值，模糊表达尽快转成缺省值并提示用户确认。

3.3 从文本到模型的核心实现

先把自然语言描述丢给大语言模型的接口，让它按Schema输出JSON，这一步在所有支持函数调用的模型上都能完成。拿到JSON后，进入CadQuery建模函数。法兰盘的完整代码可以写成这样：

import cadquery as cq def build_flange(outer_diameter=100, inner_diameter=50, thickness=10, bolt_circle_pcd=80, bolt_count=4, bolt_hole_diameter=10): # 1. 拉伸外圆形成法兰主体 part = ( cq.Workplane("XY") .circle(outer_diameter / 2) .extrude(thickness) ) # 2. 从顶面打中心孔 part = ( part.faces(">Z") .workplane() .hole(inner_diameter) ) # 3. 在PCD分布圆上打安装孔 part = ( part.faces(">Z") .workplane() .polarArray(bolt_circle_pcd / 2, 0, 360, count=bolt_count) .hole(bolt_hole_diameter) ) return part # 示例：生成一个外径100、内径50、厚度10、4孔PCD80的法兰 flange = build_flange(outer_diameter=100, inner_diameter=50, thickness=10, bolt_circle_pcd=80, bolt_count=4, bolt_hole_diameter=10) cq.exporters.export(flange, "output/flange_100_4holes.step")

这段代码的核心逻辑是三步：画外圆拉伸成主体、从顶面打中心孔、按极坐标阵列打安装孔。其中polarArray参数分别是分布圆半径、起始角度、终止角度、孔数量，我习惯把起始角设为0，四个孔正好落在0、90、180、270度方向，和工程图里的标注习惯完全一致。

参数计算过程也值得说说：PCD是80，那么分布圆半径就是40，polarArray会自动把4个孔均匀分在360度上，每个孔间隔90度。孔的数量和孔径来自JSON，不需要手动算角度。如果你需要孔位避开某个特征，可以把起始角度从0改成45度，比如要孔位在法兰横竖中心线上时就设0，要落在45度斜线上时就设45。

3.4 导出并验证模型

生成STEP文件只是第一步，真正考验人的是“验证模型符不符合预期”。我会用三步检查：先看体积和主尺寸，再导入三维软件检查特征树，最后切工程图看视图关系。

体积校验可以用CadQuery的val().Volume()方法输出数值，比如法兰主体体积约等于 π × (50² - 25²) × 10 ≈ 58,904 立方毫米，如果差了太多说明建模逻辑有误。把STEP导入CAD软体后，检查特征树里是否保留了可编辑的拉伸和孔特征，而不是被炸成“输入实体”。最后导出工程图时，确认主视图轴线、剖切位置和孔位标注都能识别——这一步的常见坑是模型坐标系没摆正，导致工程图的俯视图方向怪异。

我特别建议，在批量生成之前先挑一个代表件走完整验证流程，确认无误后再跑批。因为 text-to-cad 的错往往是有规律的，比如单位毫米和厘米混淆会导致整体缩放10倍，提前发现一个，等于发现了整批的问题。

4. 生成之后：接入常规CAD工作流的几个关键环节

4.1 批量修改：用Python脚本驱动

text-to-cad 生成模型最大的优势是“可编程”，这正是和热搜词“python批量对cad修改”直接对应的地方。我做一个批次任务时，会先准备一组参数列表，然后循环调用建模函数：

variants = [ {"outer_diameter": 100, "bolt_count": 4, "thickness": 10}, {"outer_diameter": 120, "bolt_count": 6, "thickness": 12}, {"outer_diameter": 140, "bolt_count": 8, "thickness": 14}, ] for i, params in enumerate(variants): part = build_flange(**params) filename = f"output/flange_{i}_{params['outer_diameter']}_{params['bolt_count']}holes.step" cq.exporters.export(part, filename)

这段代码看起来简单，背后解决的问题很实在：人工在CAD里改一个特征、导出一个文件，10个规格就是10次重复劳动；脚本循环做这件事，唯一耗时是每个模型的内核计算时间，基本可以做到几十秒内生成几十个文件。我再配合一个CSV表格记录参数和文件名，交付时连BOM表都一起出来了。

批量修改真正的坑在于“参数越界”。孔径大于法兰内径、孔数过多导致孔与孔重叠、厚度小于孔径，这些逻辑层面问题脚本不会自动发现。我的做法是在建模函数里加断言检查：assert bolt_hole_diameter < (bolt_circle_pcd / 2) * 2 * sin(pi / bolt_count)，这样参数不合理时直接抛异常，而不是生成一个错误模型。

4.2 图纸合并与布局导入

模型生成之后，出图是绕不开的一步。CAD圈里常见的三大需求是图纸合并、CAD导入Layout、快速看图。传统操作是在CAD软件里一个个插入外部参照，再手动对齐原点，费时费力。我更喜欢在Python里先把图纸合并工作做了，CAD软件只做最后微调。

对于DXF格式的二维图纸合并，可以用 ezdxf 库，它相当于DXF文件的读写工具箱。两个零件的二维轮廓分别生成DXF，然后用一个主文档把它们分别插入到不同的坐标系位置：

import ezdxf doc = ezdxf.new("R2010") msp = doc.modelspace() for i, dxf_path in enumerate(["part_a.dxf", "part_b.dxf"]): block = doc.blocks.new(name=f"block_{i}") tmp_doc = ezdxf.readfile(dxf_path) for entity in tmp_doc.modelspace(): block.add_entity(entity) msp.add_blockref(f"block_{i}", insert=(i * 150, 0)) doc.saveas("combined_layout.dxf")

这个方式比我手工复制粘贴要快得多，而且块引用保留了每个零件的独立性，后续要给某个零件挪位置、旋转角度，直接改 blockref 的 insert 参数就行。我习惯把零件间距固定下来，比如横向间隔150毫米，这样合并出来的图纸天然适合A3图框排版。注意图框、标题栏、技术说明这些固定元素也可用块做成模板，每次出图自动带上，减少漏标注的问题。

4.3 转PDF与出图

图纸合并完，下一步通常是“CAD转PDF”。三种常用路线：一是直接在CAD软件里用打印管理器批量出图，设置PDF打印机和图纸尺寸；二是用Python调用ezdxf结合第三方渲染库直接把布局渲染成PDF；三是先导出SVG再转PDF。实测下来，图纸数量少、标注复杂的图用CAD自带打印最可控，批量流程中用脚本先把准备好的DXF转成PDF能省大量时间。

这里有个经验：出图前一定要统一线宽和图层设置。text-to-cad 生成的模型导入CAD后，经常出现图层名混乱、线宽全是默认值的情况，直接打出来的PDF要么线条粗细不分，要么虚线变成了实线。我每次批量出图前都先跑一遍“图层标准化脚本”，把轮廓线、中心线、尺寸线、隐藏线分别归入固定图层，再设好全局线宽和颜色。这一步做完，PDF质量才谈得上交付标准。

4.4 多行业落地延伸

text-to-cad 的影响范围绝不只在机械非标件。搜索热词里能看出很多细分行业信号：cad切地形对应的是规划与土木场景，生成起伏曲面再导入地形分析软件；中望cad、瑞丽服装cad、金林钣金cad这类行业软件，各有各的建模语义。比如服装CAD里的“裁片”本质上是二维曲线加缝纫标记，text-to-cad 可以先按尺寸表生成基础裁片轮廓，再进服装软件加缝边；钣金CAD里最关键的是展开图计算，text-to-cad 生成三维折弯件后，展开计算可以在钣金软件里一键完成。

我的个人建议是，别把 text-to-cad 局限在“生成三维模型”这一个点上，要往前后端延伸：向前对接规格参数表，向后对接出图、展开、工艺卡。它的真正价值是让整条数据链路的起点变成文本/数据，而不是鼠标点击。

5. 常见问题排查实录

5.1 生成结果与描述不一致

这是 text-to-cad 被吐槽最多的问题。我遇到过的典型现象包括：要求4个孔生成了6个、说了毫米单位却按英寸处理、把“内径”理解成“半径”。根因通常不在CAD端，而在自然语言解析端。

排查步骤我建议这样：先打印大语言模型返回的JSON，确认参数解析是否准确；再单独调用建模函数，用固定参数验证几何输出；最后检查单位转换环节。每一步都用最小案例复现，别在完整流程里蒙头猜。如果解析频繁出错，优先优化Schema定义和系统提示词，把常见表述明确列出来，比如“内径指直径、两个孔之间的距离指孔心距而非边距”。

5.2 单位、坐标系与特征顺序

单位问题是老生常谈但永远值得单列。text-to-cad 模型的意图解析，默认单位一定要在系统提示里反复强调。我踩过一次最惨的坑：生成的轴套模型在CadQuery里看是直径60毫米，导入中望CAD后变成了60英寸，整根轴放大了25.4倍。原因只是模型输出时单位字段写成了inch，教训是“每个导出函数都要显式指定单位，不要依赖默认值”。

坐标系问题通常表现为：模型导入CAD后主视图方向不对。这源于生成时建模平面选择不当。法兰盘生成我习惯先建在XY平面，拉伸方向沿Z轴，这样工程图主视图直接对应XZ平面，不会有额外的坐标变换。如果你需要多个零件在装配里配合，一开始就要统一基准，比如所有零件都以底面中心作为原点，别把零件原点设在角落。

特征顺序则影响“可修改性”。先拉伸主体再打孔是基本法，但如果你先生成了安装孔位，之后又把外径改大，孔位不会自动跟随外径变化。CadQuery代码按顺序执行，修改外径只会影响外圆草图和拉伸特征，孔位参数还是原来那组，这时候你就要保证孔位PCD是相对原点的绝对参数，而不是依赖某个临时几何引用。建议把关键尺寸全部定义成函数参数，不在建模过程中写“魔法数字”。

5.3 软件环境问题速查表

这部分集中回答CAD安装、卸载、激活、字体和命令失灵的常见搜索词。先说明一个原则：绝大多数软件环境问题，根源不是软件坏了，而是安装残留、脚本权限、文件路径这三类冲突。以下是整理成速查表的排查思路：

CAD快速看图的需求其实也隐含在这类问题里。模型生成后想快速确认轮廓，推荐用轻量看图工具直接打开STEP或DXF，不需要每次都启动重型CAD软件。轻量看图虽然不能编辑特征，但对尺寸测量、视图切换、批注完全够用，日常验证效率高很多。

6. 一些实在的避坑心得

6.1 起步阶段的几条建议

第一，从简单零件练手，别一上来就生成整机装配。法兰盘、轴套、垫片这类回转体零件特征少、约束清晰，是最理想的起步对象。等你能稳定生成“一个带均布孔的法兰”之后，再去尝试有多个凹槽、加强筋、倒圆角关系的复杂钣金件。我见过太多人第一次就想生成一个完整的减速器箱体，结果提示词写了两百字，模型出来一堆破面，立刻失去信心返回手工建模。

第二，提前建好你自己的“描述模板库”。整理20个你经常画的零件类型，每个都定义好JSON Schema、系统提示词、CadQuery建模函数。这个过程有点枯燥，但模板库越厚，后续新项目启动越快。我现在的模板库里已经积累了法兰、轴套、支架、底座、盖板、导轨安装板等几十类常见件，很多新需求只需要复制模板改参数，text-to-cad 的解析压力小很多。

第三，把生成结果当“半成品”，不要当终极交付物。text-to-cad 最大的价值是省掉从零开始的重复劳动，但工程细节——公差、表面粗糙度、热处理要求、标准件库调用——仍然需要人在CAD里补完。你要做的不是研究怎么让AI一次生成完美零件，而是研究怎么让AI快速生成“足够好”的毛坯，再靠你的专业能力完成最后10%的工程化。

6.2 我的实际体会

走通 text-to-cad 这条路之后，我最大的感受是：CAD制图的准入门槛正在被重新定义。以前，“会说”和“会画”之间隔着一大堆命令学习和空间想象训练；“cad制图初学入门”对新人意味着至少两三个月的密集实操。现在，新人只要能准确描述尺寸和结构，先看到模型、再回头学命令，反而更容易理解“特征树到底是什么”。这不是说CAD就不重要了，恰恰相反——模型生成之后，你需要更强的工程判断力去检查、修改和出图，传统技能从未被淘汰，只是被挪到了更靠后的位置。

批量生成、自动出图、合并布局、转PDF，这些能力叠加起来，真正改变的是工作习惯。以前接到一个非标询价，我会犹豫要不要先建模；现在我会直接写几个参数的变体跑一遍，客户有反馈再微调。我个人的体会是，text-to-cad 给设计师带来的不是“不画图”，而是“更快地开始画、更早地看到结果、更从容地应对修改”。如果你手里正好有一批重复性高的零件，我强烈建议从最小的那个开始尝试，先把一条通道跑通，再逐步扩大范围。