我们习惯了让AI写代码、画图、生成视频，但在精密制造和硬件设计领域，CAD建模依然是一道高门槛。2026年8月，开发者earthtojake推出的text-to-cad（CAD Skills）正在打破这一壁垒——它不是又一个"生成好看网格"的玩具，而是一套面向AI智能体的工程技能库，能把自然语言或图片指令直接转化为工业级STEP格式模型，并打通零件检索、机器人描述文件、切片G-code乃至远程操作Bambu Lab打印机的完整闭环。生成式AI正在从"比特世界"的绘画与编程，正式跨入"原子世界"的实体制造。
一、不是模型，是工具链：text-to-cad的核心设计哲学
市面上大多数"text-to-CAD"项目试图直接训练几何生成模型，输出的是网格（mesh）。但网格是工程领域的"错误产物"——你无法给网格标注尺寸，机加工车间无法据此报价，修改一个网格意味着编辑成千上万个三角形。
text-to-cad采取了截然相反的路径：它不训练自己的模型，而是假设你已经在使用Claude Code、Codex等具备编程能力的AI智能体，然后给这些智能体提供一套标准化工作流程和验证机制，让它们驱动真实的参数化CAD内核（底层基于build123d和OpenCASCADE）。输出以STEP为主格式，可选STL、3MF、GLB。
这一步选择决定了所有后续能力。因为几何体由代码生成，模型是参数化的、可diff的、可审查的；又因为CAD内核负责几何计算，智能体不需要去"发明"自己无法推理的曲面。一句话总结：它把输出文件，而不是渲染图，当作真正的交付物。
二、十一项技能，一条从Prompt到实物的流水线
text-to-cad以"技能"（skill）而非单一功能的方式组织，共11项技能，它们组合成一条从自然语言到物理零件的完整链路：
| 技能 | 作用 | 输出/连接环节 |
|---|---|---|
| CAD | 根据自然语言或图片创建/编辑模型 | STEP（主）、STL、3MF、GLB |
| CAD Viewer | 本地浏览器预览3D模型、G-code、机器人文件 | 可视化与人工审查 |
| step.parts | 检索标准件STEP模型 | 螺丝、轴承、电机、连接器等 |
| DXF | 生成2D工程图纸 | 轮廓、模板、垫片、切割布局 |
| URDF | 编写机器人结构描述 | links、joints、limits、inertials |
| SRDF | MoveIt2规划配置 | planning groups、end effectors |
| SDF | 仿真世界与模型 | frames、physics、sensors、lights |
| SendCutSend | 上传制造前的DXF/STEP文件验证 | 激光切割/CNC外协预审 |
| G-code | 调用真实切片器CLI生成G-code | 打印机可执行文件 |
| Bambu Labs | 远程控制本地Bambu Lab打印机 | dry-run、上传、启动打印 |
| Implicit CAD | 基于GLSL有符号距离场的浏览器原生隐式建模 | 实验性功能 |
这条链路的价值在于：你可以对智能体说"设计一个带四个安装孔的L型支架，厚度3mm，用PLA打印"，它就能生成STEP模型、找到合适的螺丝、生成2D切割图、切片成G-code，并 cautious 地启动你的Bambu Lab打印机。中间每一步都有验证节点，避免"AI生成漂亮但无法制造的零件"。
三、十个基准测试：从校准块到行星齿轮
text-to-cad发布了10个基准测试任务，每个都包含精确提示词和输出动画，难度逐层递增。这些测试不是为了炫技，而是为了划定能力边界：
基础结构：带四个通孔和倒角的矩形校准块；六孔螺栓分布圆的圆形法兰盘。
复杂特征：带加强筋的L型支架；带键槽的阶梯轴；带内部支撑柱的开口电子外壳。
高阶零件：带轻量化切口和加强筋的航空风格叉形支架；12片散热鳍片、35度火花塞座的径向发动机气缸；12片后弯叶片的离心叶轮；带螺旋扶手的螺旋楼梯；太阳轮、行星轮、齿圈、行星架分离的简化行星齿轮系。
这些基准的共同点是：它们都是可以用尺寸描述的机械零件，而这正是程序化CAD的强项。叶轮和行星齿轮证明，text-to-cad已经能处理超出简单 primitive 的真实工程几何。
四、为什么STEP格式是关键？
text-to-cad坚持把STEP作为主输出格式，这个选择看似枯燥，实则关键。STEP（Standard for the Exchange of Product model data）是一种边界表示（B-rep）格式，包含真实的特征、尺寸和公差信息，是机加工、注塑、3D打印等制造环节实际接收的文件格式。
相比之下，常见AI生成3D模型输出的网格（mesh）虽然可视化效果好，但只能"看"不能"改"，更不能直接用于工程制造。text-to-cad解决了工程领域最枯燥的重复劳动：把高度结构化的CAD语言与大模型的推理能力对接，让AI产出的是"有效图纸"而非"视觉模型"。
"对于普通人，这意味着低门槛的硬件定制时代提前到来；对于行业，它预示着未来工厂的入口可能不再是复杂的绘图软件界面，而是一个对话框。"
五、对工业设计与制造的深层影响
text-to-cad对苏州特可特沃三维扫描逆向设计这类提供产品外观设计、结构设计、三维逆向扫描、逆向建模、3D打印手板服务的公司，意味着三重机会：
第一，设计效率的指数级提升。重复性建模、标准件装配、2D工程图出图等耗时工作，可以交给AI智能体完成。设计师把更多精力放在创意、材料选择、人机工程、CMF等真正需要人类判断的环节。
第二，逆向工程与AI设计的协同。三维逆向扫描获取的点云数据重建为参数化模型后，可以直接输入AI智能体进行结构优化、特征编辑或适配性改造。"扫描→建模→AI优化→制造"的闭环将大幅缩短产品迭代周期。
第三，小批量定制与手板验证的门槛降低。客户可以用自然语言描述需求，AI快速生成可制造的模型，再用3D打印手板验证。这对机器人外观设计、工业设备外壳、医疗器械结构件等需要快速试错的场景，价值尤为明显。
输出文件即交付物：不追求渲染图好看，而是生成STEP、DXF、G-code等制造可直接使用的工程文件。
真实CLI而非玩具模拟：调用真实切片器、真实CAD内核、真实打印机API，确保结果可制造。
验证节点贯穿全流程：从几何生成到文件检查再到 cautious 打印启动，每一步都有人工可审查的验证机制。
text-to-cad让"一句话生成可制造模型"成为可能。对特可特沃而言，这意味着：产品外观设计阶段可以更快地把概念草图转化为可评估的3D模型；结构设计阶段可以用AI快速生成支架、外壳、连接件等标准结构；三维逆向扫描获取的旧件数据可以输入AI进行结构改进；3D打印手板则成为验证AI生成方案的最快路径。未来的工业设计流程，可能是"需求描述→AI生成→人工审核→手板验证→小批量制造"的全新协作模式。
📝 总结：AI智能体正在重新定义工业设计的入口
text-to-cad不是又一个生成漂亮3D模型的玩具，而是一套让AI智能体真正参与工程制造的技能库。它把自然语言与STEP、DXF、G-code、URDF等工程世界的"通用语言"连接起来，标志着生成式AI从"比特世界"正式跨入"原子世界"。对工业设计行业而言，这预示着未来设计师的工作方式将发生根本变化：创意描述、参数约束、制造可行性审查将成为核心能力，而重复性的建模、出图、切片工作将越来越多地由AI智能体承担。苏州特可特沃三维扫描逆向设计将持续关注AI设计工具链的演进，把三维逆向扫描、逆向建模与AI生成能力结合，为客户提供更高效、更灵活的产品创新服务。