弯道超车现有CAD软件的机遇，Text-to-CAD不只是一句话生成CAD模型这么简单

AI时代，未来原生AI CAD是否可能取代主流CAD软件？

短时间内当然不现实，但是远期未必不可能，核心是需要有合理的技术路线。最近热门的“一句话建模”方案：earthtojake/text-to-cad和Zoo.dev的Zookeeper等，正在初步指向这个方向。

3条主流路线

当前“一句话建模”有3条主流技术路线：基于CAD软件的AI助手、Agent+MCP，以及自定义脚本。

CAD助手：主流CAD软件内嵌AI助手，AI助手可以将自然语言翻译为软件命令的调用，调用软件的API进行建模操作。如PTC的Creo AI Assistant，Autodesk AI Assistant，达索系统的Leo等。

Agent+MCP：主流Agent通过MCP连接CAD的MCP，通过MCP的方式调用CAD软件的API进行建模操作。如Cluade Code官方连接了Autodesk Fusion，近期也出现了很多Codex连接CAD软件的例子。

以上2个方案都是基于现有CAD软件，本质差不多，都是让AI模拟人操作CAD软件进行建模，主要区别只是在CAD软件内部还是外部操作。

自定义脚本：用Agent将自然语言转为自定义的建模语言脚本，建模语言可以通过编译器解释后直接驱动几何内核创建几何模型。

自定义脚本方向也分为2个方向，一个是使用的几何内核仍然是B-Rep，与主流CAD软件相同，所以输出的模型可以导出为STEP文件继续在主流CAD软件中继续编辑，与现有工作流有较好的兼容性，因此更为主流，如earthtojake/text-to-cad、Zoo.dev的Zookeeper等

另一个方向则是底层几何内核改用隐式建模的技术路线，如nTop、漫格科技等，模型文件完全不兼容现有CAD工作流，但也在3D打印、航空器设计等领域有相关探索，应用相对局限。

两种模式的核心差异

不论哪种建模，三维模型最终都是由几何内核（如 OCCT / Parasolid）根据几何定义和拓扑结构构造出来。人很难直接写内核级调用，所以通常都是由更高一层的表达方式来告诉几何内核具体怎么建模型，这一层表达方式的不同，就是两种建模方式的核心差异。

在CAD软件中，人使用鼠标+命令建立特征树（如草图→拉伸→切除），CAD软件内把这个过程翻译给几何内核，由内核计算出具体的模型。

而自定义脚本项目中，则是用脚本代码来描述同样的参数化特征与几何关系，并经由库/运行时翻译给几何内核，由内核计算出具体的模型。

CAD软件之所以使用鼠标操作的命令树，主要是因为建模的是人，所以需要使用便于人理解和可视化编辑的方式进行表达。而自定义脚本方式建模，不追求让人看懂，而是追求逻辑清晰，让AI好编写。这个代码懂的人也可以看懂，但本质上是为了让AI进行读写的（类似于CNC加工的G代码，人也可读，但主要还是机器来编写）。

如下图分别是arthtojake/text-to-cad项目中通过Build123库创建的Python代码和ZooZoo.dev的Zookeeper使用的自定义的KCL代码示例。

传统CAD软件对于人使用软件进行建模十分方便，但对AI并不友好，让AI理解人一步步操作的意图及其与几何体的对应关系并不容易。而自定义脚本模式虽然对人不算友好，但却是天然对AI更为友好，因为AI更擅长处理这种逻辑性强的代码。

于是，这种AI将建模意图表达为脚本代码，再交给几何内核创建具体模型的路线，就成了典型的为AI而生的CAD建模方案。

典型案例

目前自定义脚本方向的典型案例，正是前文提到的，开源项目earthtojake/text-to-cad和国外创企Zoo.dev。

text-to-cad在Agent部分使用的Codex或Cluade Code等通用Agent框架，内核是开源的OpenCASCADE，核心的脚本部分则是基于build123d框架，生成Python脚本用来表达模型。text-to-cad项目为了更友好的交互，提供了模型的在线可视化功能。

text-to-cad目前能够完成一些相对复杂的结构和运动机构的建模。

Zoo.dev能够完成的模型类似，但在脚本层、交互层、Agent层都专为CAD做了优化。

脚本层使用的是自己专为CAD设计的KittyCAD Language，简称KCL，设计时尽量保证了人的可读性。脚本示例及对应建模结果见上文。

交互层，Zoo提供了一个包含可视化界面的Zoo Design Studio，同时支持人操作、写代码和AI生成3种方式进行建模。

离生成式设计仍有距离

理论上用脚本表达几何模型的方式，可以持续完善功能，最终发展成与当前CAD功能接近，但是主要由自然语言驱动的原生AI CAD软件，实现弯道超车。

但在当前CAD软件占据大量用户的条件下，真正实现弯道超车并不容易。

由于所有建模功能都需要从头开始定义，所以这条路径上的方案目前能实现的都只是一些简单的基础建模功能，距离主流CAD软件极度丰富的功能还有很长的发展过程。

在功能丰富度接近主流CAD软件之前，AI 原生CAD的建模应用时，可能后续还是要衔接现有CAD进行后续工作（如局部修改，创建一些复杂特征等），并不能为用户真正节约时间，因此很难打动现有CAD用户额外增购或替换现有CAD，商业上难以形成正循环。

要实现真正的替代现有CAD软件，需要原生的CAD自身能够实现生成式设计的闭环，从而对比传统CAD软件在建模效率方面形成压倒性优势，就像新能源车在动力、噪音、成本等方面对油车的压倒性优势。

但Zoo和Text-to-CAD等目前最多部分解决了几何建模这一过程，还有很多环节有缺失，如前面的理解设计目标和概念设计部分（即为什么要画成这样），以及后面的验证和迭代修改等

一个活塞连杆，为什么这么长，这么宽？要包含哪些零件，哪些有标准件可用？哪些需要重新设计，行业企业对一些设计参数是不是有要求？过往是不是有设计方案可以参考和修改？如何看懂各种草图和合同要求？

设计出的零部件强度如何，是否满足相关强制要求？几何模型如何通过自动化前处理导入CAD进行迭代？不满足要求的情况下如何根据仿真结果进行针对性修改？

种种问题当前的原生CAD都还没解决，只是有了一些探索，如：

text-to-cad通过封装text-to-cad封装URDF（Unified Robot Description Format）Skills，可以创建多体机械臂，而且机械臂的设计不仅包含每个连杆的几何代码，还包含了URDF XML文件用于表达关节定义、运动限制、网格引用等，为后续仿真验证奠定基础。

Zoo.dev的后续更新计划里也包含了支持多模态的输入，让AI视觉方式进一步理解草图和设计。

总结

自定义脚本的原生CAD，在AI驱动当前CAD软件的基础上，开辟了一条原生更适合AI的新的CAD的形态，具备了弯道超车的理论可能，但是当前功能与主流CAD相差甚远，前路漫漫

实现完整的生成式设计，才能使原生CAD实现弯道超车更具可能，但当前自定义脚本只是实现了生成式设计中的一环，还有很多环节有待突破