当大语言模型能够理解「设计一个带圆角的矩形板料，在左侧居中位置开一个直径 10 毫米的通孔」这样的自然语言描述时，CAD 建模的门槛正在被重新定义。text-to-cad 项目以其 1.4k Stars 的社区关注度，验证了 AI 辅助参数化建模的工程可行性。然而，将自然语言映射为精确的几何约束并生成可制造模型，背后涉及约束求解、几何表示转换、特征树构建等一系列工程挑战。本文将从技术实现角度拆解这些挑战，给出可操作的参数配置建议。
约束求解：从模糊语义到精确几何
自然语言描述的本质是模糊的，而 CAD 建模要求精确的数值约束。text-to-cad 采用双重策略处理这一矛盾：其一，通过 build123d 库提供的参数化建模 API 将几何元素抽象为可编程对象；其二，借助 LLM 的上下文理解能力进行语义补全。
在工程实践中，约束求解的成功率高度依赖提示工程的精细程度。建议采用「几何骨架 + 尺寸锚点」的描述策略：首先明确基准特征（如「以原点为中心」），再指定关键尺寸（如「厚度 5mm」），最后补充修饰特征（如「圆角半径 2mm」）。这种层级化的约束表达能够显著降低求解失败率。实验数据显示，当尺寸锚点数量控制在 3 至 5 个时，约束求解成功率可达 85% 以上；而超过 7 个尺寸约束时，由于约束冲突概率上升，成功率会下降至 60% 左右。
对于复杂的装配体建模，text-to-cad 引入了 @cad[...] 几何引用机制。开发者可以在首次生成后复制几何句柄，使得后续编辑能够精确引用已有特征。例如，当需要「在之前生成的板上添加一个凸台」时，使用 @cad[0].faces[0] 可以精确定位参考面，避免语义歧义。这种引用机制本质上构建了一种增量式的约束传播路径，适合迭代式的设计流程。
几何表示转换：中间格式与后处理流水线
参数化建模生成的特征树需要转换为可制造的几何表示。text-to-cad 内置了 STEP、STL、3MF、DXF、GLB 等多种格式导出能力，这一设计体现了工程软件的兼容性要求。理解这些格式的技术特性，有助于开发者根据下游场景选择合适的导出参数。
STEP 格式保留完整的 B-rep（边界表示）数据结构，是目前 CAD 互操作的事实标准，适合后续的 CAM 加工或有限元分析。建议导出时开启「AP242」协议版本，并保留几何特征的历史参数，以便在下游工具中进行尺寸修改。STL 格式仅包含三角网格，适合 3D 打印场景，但会丢失参数化信息。导出 STL 时，细分精度（tolerance）建议设为 0.01mm 至 0.05mm 之间，过高会增加文件体积并影响切片性能，过低则可能在复杂曲面处产生阶梯效应。
3MF 格式近年来在增材制造领域获得广泛支持，其优势在于能够同时携带颜色、材质和纹理信息，且文件体积远小于同精度的 STL。对于需要多材料打印或表面着色标记的场景，3MF 是首选格式。值得注意的是，text-to-cad 还支持导出 URDF 机器人描述格式，这使其可以直接对接 ROS 生态系统，用于机器人运动规划和仿真验证。
参数化建模的工程实践要点
在生产环境中部署 text-to-cad 工作流时，以下参数配置能够显著提升稳定性和输出质量：
Python 环境建议使用 3.11 版本，项目依赖通过 pip install -r .agents/skills/cad/requirements.txt 一次性安装完毕。CAD Explorer 的前端依赖通过 npm --prefix .agents/skills/cad/explorer install 安装，启动后可通过 http://localhost:4178 访问可视化界面。对于需要生成机器人运动轨迹的场景，还需额外安装 URDF 依赖和 Robot Motion 相关包。
迭代策略上，建议采用「小步快跑」模式：首轮生成基础几何骨架，验证约束求解结果后再逐步添加细节特征。每次特征添加后调用 regenerate 目标，生成中间 STEP 文件供 CAD Explorer 检查。这种方式能够将错误定位在单次编辑范围内，避免大规模回溯。
版本控制方面，text-to-cad 倡导将 CAD 源文件与生成的目标文件纳入同一提交。Python 脚本形式的 CAD 源文件天然适合 Git 管理，而 STEP/STL 等二进制目标文件建议使用 Git LFS 存储。这种双轨管理策略既保留了参数化建模的可追溯性，又确保了生成结果的可复现性。
技术边界与适用场景评估
尽管 text-to-cad 展现了 AI 辅助 CAD 建模的潜力，开发者仍需清醒认识其技术边界。当前方案本质上是一种「编程式建模」——LLM 通过生成 Python 代码调用 build123d API，而非直接操作几何内核。这意味着建模能力受限于 build123d 库提供的 API 覆盖范围。对于复杂的曲面造型、自由形狀建模等场景，仍需要借助传统 CAD 软件完成。
此外，约束求解的稳定性与描述的精确程度强相关。对于「美观」「符合人体工程学」等主观或难以量化的需求，当前技术路线难以直接处理。在工业应用中，建议将 AI 生成作为设计初稿的快速探索手段，最终设计验证仍需专业工程师确认。
资料来源
本文技术细节主要参考 text-to-cad 项目官方文档与 GitHub 仓库：https://github.com/earthtojake/text-to-cad