机械设计又又又卡住了。
用 AI 生成了 CAD 模型,拿到手里却是STL网格,改不了孔的位置。
想要将数据导出为 STEP 格式给工厂使用，还需要重新构建几何体。
机器人描述文件需要手动添加大量的XML标签，很容易出现错误。
最近在 GitHub 上刷到了一个叫做 text-to-cad 的项目，它可以一键生成 CAD 源代码和工程文件，这些问题总算有了希望。
它是面向于Agent的CAD技能库，在GitHub上有7400多个star。
一句话概括就是：
用 AI 来写可出编辑的 CAD 源代码，并把它们导出为STEP、URDF等工程文件。
我给你演示一把,你就会知道这个东西有多么方便了
我要设计一个机器人底盘。
随手打开ClaudeCode，说了一句“生成一个矩形底座，有四个安装孔和两个电机支架”。
它就开始写 Build123d Python 源码。
每一个几何特征都是用代码来定义的：孔的位置、支架的大小、底座的厚度。
然后自动导出 STEP 文件。
STEP 可以直接导入到 SolidWorks 中进行编辑。
接着生成 URDF 机器人描述。
把links、joints和坐标系都写入XML中，这样 ROS MoveIt2就可以直接加载了。
在整个过程中我只说了那么一句话。
后面 CAD建模、URDF生成、文件导出的工作都是它自己完成的。
有人要好奇了,怎么做到的
01 参数化CAD源码生成。
AI 并不是直接输出一个神秘的二进制模型。
它写的是 Build123d Python 源码，并且每一个几何特征都用@cad[feature_name]来引用标记。
修改一个孔的位置，只需要修改源代码中的参数就可以了，并不需要重新绘制整个零件。
生成的STEP文件可以被直接导入到专业的CAD软件中进行进一步编辑。
02 机器人描述文件自动生成。
URDF中links、joints、limits等容易出错的地方，它会自动写入到XML里去。
关节限位、坐标系、惯性参数等都进行了合法性校验。
配合CAD Viewer可以实现在本地查看机器人结构，不需要手动输入复杂的XML标签。
03 标准件库内置。
在 step.parts catalog 里挑选螺丝、轴承、电机这些常见标准件。
不像一般的 AI 那样胡乱编造出一个不标准的螺钉。
在装配体中使用的是可以实际购买到的标准件，从而避免了“设计好了但是买不到螺丝”的问题。
04 本地浏览器预览器。
WebGL 渲染器，浏览器原生运行，不需要安装专业的 CAD 软件。
支持STEP、STL、URDF等格式，可以进行轨道旋转和组件树浏览等功能。
可以在手机上看到生成的零件，不需要打开SolidWorks就可以对模型进行检查。
可以复制 @cad[...] 引用,基于具体几何位置做后续编辑,而不是模糊的"左边那个孔"。
支持正交投影、透视投影两种方式，可以很方便从不同的角度进行观察。
GLSL光线步进渲染模式还处于试验阶段，不过浏览器原生预览已经足够方便。
05 DXF工程图和G-code切片。
用3D几何投影来产生2D DXF文件，用来做激光切割和钣金加工。
激光切割服务提供商可以接收生成的DXF文件，而不需要再打开AutoCAD来绘制二维图纸。
钣金展开、垫片、切割布局都可以自动生成功，可以节省手工绘图的麻烦。
模板、垫片、切割布局都可以自动生成功，不用手工画出2D轮廓。
支持真实的切片器CLI生成打印机配置的G-code，3D打印可以由G-code直接发起任务。
Bambu Labs打印机可以直接对接,从验证好的G-code发起打印任务。
SendCutSend钣金加工可以做下单前文件检查，防止出现格式错误、尺寸超标等问题。
整个制造流程从CAD建模到切割打印都能自动化完成,想看的话试试就知道了。
想试的话,装起来很简单
Skills CLI 安装：
npx skills install earthtojake/text-to-cad Claude Code 插件安装：
claude plugin marketplace add earthtojake/text-to-cad claude plugin install cad@text-to-cad Python CAD 环境：
python3.11 -m venv .venv ./.venv/bin/pip install -r requirements-cad.txt Viewer前端:
npm --prefix viewer install npm --prefix viewer run dev 打开http://localhost:4178就可以看到生成出来的模型了。 装好后想看效果的话,直接试试就知道了。
到这里边界也给大家提提
Implicit CAD 还是试验性的功能，并且不完善。
Viewer 开发需要 Node 环境，对于只用 Python 的人来说有一定的门槛。
Git LFS资产默认不拉取,需要手动 git lfs pull --include="benchmarks/**" 。
没有中文文档，README 和 SKILL.md 都是英文。
没有对复杂的装配体生成的效果进行验证，目前只做了单个零件的benchmark。
OpenCascade 和 step.parts 库的商业许可证要自己去查一查。
写在最后
我觉得 text-to-CAD 的思路是对的。
让 AI 直接生成 CAD 源码，再导出工程文件，而不是藏在黑盒模型里。
修改一个孔的时候，不需要重新画整个零件。
尺寸、基准、装配关系都在代码里，一目了然。
但是如果你只需要一张漂亮的3D图的话，就没必要用它。
它最大的价值，是把“自然语言 → CAD → 机器人描述 → 制造文件”这条链路打通了。
需要的朋友可以去试试看。
项目基于 MIT 协议开放,感兴趣的同学可以去 GitHub 仓库看看源码和文档。