如果我说:把一张零件图纸丢给 AI,它在 CATIA V5 里自己建出了参数化模型,全程我没碰鼠标——你信吗?
半个月前我也只是随口试了试。过程比结果精彩:AI 连 CATIA 都连不上、画不出草图、画出来还是错的……但最后,它真的画出来了。
这篇文章把整个过程和踩过的坑都记下来。如果你也在想"AI 到底能不能帮工程师干活",这可能是最真实的一份参考。
画图那些年,重复建模的活儿没少干:差不多的回转体、板件、带孔槽的机加工件,图纸一遍遍来,零件一遍遍建。
于是冒出个念头:能不能让 AI 直接看图纸,把模型建出来?
我给自己的目标很明确:
1. 丢一张零件工程图/照片进去
2. AI 在 CATIA V5 里建出参数化模型
3. 全程我不操作 CATIA——它自己画
听着像科幻,但技术上其实有路:CATIA V5 有自动化接口(COM),理论上可以用脚本驱动它建模。于是,开工。
第一个坑就很有代表性。
AI 一上来就找不到 CATIA 的自动化入口。AI 换了三种工具去验证,结论一致:这个接口没注册。
奇怪的是:我这台机器的 CATIA 装得好好的、天天在用,怎么会没有?
我这边是手动注册一次,瞬间打通。(手动注册方法问AI.......)
💡 第一个认知:AI 再聪明,也得先站在你的环境里。 环境不通,它连门都进不去。
COM 通了,AI 能创建零件文档、能拿到主体、能建草图——但画不出图。
问题卡在一个看似简单的接口上:草图里画圆、画线的那个"几何工厂",在脚本里死活拿不到。
AI 换着法儿试:类型库、强类型绑定、缓存清理、枚举值……来回折腾,就是不行。
💡 第二个认知:CATIA 的自动化接口,不是"文档里怎么写就一定能用"。 就像软件装好了,却不知道怎么用。
折腾到这儿,我做了一个关键动作:
在 CATIA 里手工建一次这根阶梯轴,顺手把操作"录"成宏,丢给 AI。
AI 拿到宏,一下子"看懂"了:我机器上正确的画草图接口,根本不是它一直猜的那个,而是另一套写法(先打开草图编辑、再用点/线构造轮廓)。
照着宏改,草图层当场通了。
💡 第三个认知:AI 缺的不是算力,是"你这台机器上的事实"。 一段录制宏,比十轮猜测都管用。
草图画通了,旋转体还是失败。又是两轮我亲自下场:
第一次,旋转轴选错了。 AI 拿轮廓的一条边线当旋转轴 → 报错。我告诉它:旋转体要选对称的轴线,不是随便一条边。改过来,旋转体通了。
第二次,轮廓形状错了。 画出来的东西不对。我一看就明白了:它画的是一条开放的线,不是封闭的半边剖面。 我点破这一句,它重画——一次成功。
那根阶梯轴(Ø24×20|Ø20×20|Ø17×30,总长 70)终于自动建出来、存成了模型文件。
💡 第四个认知:这两步都不是 AI 自己顿悟的,是人给的判断。 一个用 CATIA 十几年的人一眼就能看出的问题,AI 会老老实实撞好几次墙。
如果说前半程是"让 AI 学着用我的软件",后半程就是质变:把软件的能力,直接递给 AI。
后来我把一套 CAD 的 MCP 工具集接进了我的 AI 助手——55 个建模工具
(这个MCP--B站有教程!!!)
AI 不再需要猜 API,而是直接调用建模能力:
• 一句话建出 Ø60 × 高 100 × 壁厚 2 的薄壁圆筒
这不是"脚本自动化"的升级,而是 AI 从"猜着写代码的人",变成"会调工具的人"。
💡 第五个认知:接口标准化(MCP 这类协议),才是 AI 真正进入工程软件的钥匙。 谁先把自家工具"接出来",谁就先吃到 AI 红利。
试完这一轮,我的判断是:能,但要看活儿。
✅ AI 的甜区(仅代表个人看法!你反驳你对!!!)
• 规则清晰的简单零件:回转体、板类、带孔槽的机加工件
• 重复性建模、批量改参数、标准化出图
• 有明确图纸、尺寸完整的场景
⚠️ 暂时别指望(或需谨慎)
• 自由曲面、复杂装配
• 图纸模糊、缺尺寸、需要工程判断的场合
• 你没法验证结果的场合——AI 画错不可怕,画错了你发现不了才可怕
我的三个结论:
1. 瓶颈不在 AI,在"知识"。 本机的接口事实、你们的建模规范、师傅的经验——这些不显式化,AI 就只能瞎猜。
2. 人的角色变了: 从"画图的手",变成"给判断的人"。你的经验越值钱,越该把它整理出来、喂给 AI。
3. 这正是知识工程该干的活: 把"怎么建才对"变成可复用的规则、模板、校验。让 AI 少试错,也让人少返工。
AI 不会明天就取代工程师。
但未来会用 AI 的工程师,会比不会用的工程师更有效率。
你在 CAD / PLM 里试过 AI 吗?或者你觉得,工程师的哪些活儿最该交给 AI?评论区聊聊。
*(本文记录的是本人的真实尝试,涉及具体版本与环境,结果可能因机器而异)*