Text-to-CAD为用户供应了一种简洁而高效的办法，将抽象的设计理念直接转化为详细的机器设计，包括但不限于繁芜的组件如平叶叶轮、斜齿轮以及五角星形状等。

该平台的亮点之一在于其高度灵巧的微调能力。
用户不仅可以利用预演习模型进行快速设计，还能够根据自身的需求和数据集对模型进行微调，从而打造专属的CAD天生器。

这种定制化的功能意味着用户无需投入大量资源来培植和掩护繁芜的根本举动步伐，就能够享受高等CAD设计自动化的上风。

Text-to-CAD的涌现，极大地简化了从构思到设计的流程，为工程师、设计师和开拓职员供应了一个强大的工具，使他们能够专注于创新和创意，而无需过多关注繁琐的技能细节。

从TexttoCAD到PythontoCAD生成3D模型

通过将机器学习与设计自动化相结合，Text-to-CAD不仅提高了设计效率，还显著降落了天生高质量CAD文件的门槛。

操作很大略：

1、输入提示词，我这里输入的是"A 20 flat bladed impeller，即0片平叶叶轮"。

2、输出3D模型，实时预览。

3、下载模型，有FBX、GLB、GLTF、OBJ、PLY、STL、STEP等几种格式。

Python-to-CAD

Build123d这个不是AI文本到CAD，但在战胜了最初的学习曲线后，利用起来还是很愉快的。

Build123d是一个基于Python的参数化边界表示(BREP)建模框架，适用于2D和3DCAD。

它建立在Open Cascade几何内核之上，许可利用大略直不雅观的Python语法创建繁芜的模型。

我们可以用Build123d制作3D打印、CNC加工、激光切割等多种制造工艺所需的模型，并将模型导出到FreeCAD、SolidWorks等盛行的CAD工具中。

可以把Build123d看作是CadQuery的进化版，它用状态管理器（比如 with blocks）替代了原有的Fluent API（方法链式调用），从而实现了完全的Python工具箱功能：如for循环、工具引用、工具排序和过滤等。

紧张把稳：确保所有干系库都是最新版本。

pip install --upgrade build123d ocp_vscode入门代码

# 导入 build123d 和 ocp_vscode 库from build123d import from ocp_vscode import show# 定义常量wall_thickness = 3 MM # 茶杯壁厚fillet_radius = wall_thickness 0.49 # 倒角半径# 创建一个新的 CAD 部件with BuildPart() as tea_cup: # 创建茶杯的碗部分作为旋转截面 with BuildSketch(Plane.XZ) as bowl_section: with BuildLine(): # 定义样条曲线的出发点、终点和切线 s = Spline( (30 MM, 10 MM), (69 MM, 105 MM), tangents=((1, 0.5), (0.7, 1)), tangent_scalars=(1.75, 1), ) # 利用 Polyline 完成半个碗的轮廓 Polyline(s @ 0, s @ 0 + (10 MM, -10 MM), (0, 0), (0, (s @ 1).Y), s @ 1) make_face() # 将草图转换为添补的 2D 面 revolve(axis=Axis.Z) # 绕 Z 轴旋转草图，天生茶杯的碗部分 # 利用 offset 操作将碗的内部挖空，并保留顶部和底部开口 offset(amount=-wall_thickness, openings=tea_cup.faces().filter_by(GeomType.PLANE)) # 在碗的底部添加一个底部 with Locations((0, 0, (s @ 0).Y)): Cylinder(radius=(s @ 0).X, height=wall_thickness) # 对所有边缘进行倒角处理 fillet(tea_cup.edges(), radius=fillet_radius) # 确定手柄与碗打仗的位置 handle_intersections = [ tea_cup.part.find_intersection( Axis(origin=(0, 0, vertical_offset), direction=(1, 0, 0)) )[-1][0] for vertical_offset in [35 MM, 80 MM] ] # 创建手柄的路径 with BuildLine(Plane.XZ) as handle_path: path_spline = Spline( handle_intersections[0] - (wall_thickness / 2, 0), handle_intersections[0] + (35 MM, 30 MM), handle_intersections[0] + (40 MM, 60 MM), handle_intersections[1] - (wall_thickness / 2, 0), tangents=((1, 1.25), (-0.2, -1)), ) # 将手柄截面对齐到路径的开始位置 with BuildSketch( Plane(origin=path_spline @ 0, z_dir=path_spline % 0) ) as handle_cross_section: RectangleRounded(wall_thickness, 8 MM, fillet_radius) # 沿路径扫掠手柄截面 sweep()# 验证茶杯的体积是否靠近预期值assert abs(tea_cup.part.volume - 130326) < 1# 显示茶杯模型show(tea_cup, names=["tea cup"])

小结

只管Text-to-CAD供应了高效的设计自动化工具，但基于措辞模型（LLM）的技能仍处于初期阶段，面临成熟度和可靠性的问题。

要实现更加稳定和高效的CAD自动天生，仍需依赖自行编码和定制化办理方案。

虽然AI驱动的CAD天生工具展现了广阔的前景，但在实际运用中，确保高质量的设计自动化仍需依赖成熟的编码实现。