[Python] text-to-cad 开源项目：AI 生成可编辑 CAD 文件与参数化建模代码

让 AI 直接生成一个还能继续编辑的 CAD 文件，并不是件容易事。  

仅凭图片很难判断孔间距是否正确。如果设计稿要拿去打印或加工，往往要到尺寸校验、文件导出和制造检验等环节，才能确认孔距到底准不准。  

text-to-cad 想把上述过程接入你已经使用的 AI Agent 中。  

它采用 MIT 许可证，是一个 开源项目，提供插件和 Skills，给 Claude Code、Codex 等工具增加本地 CAD 工作流。  

不是画出来了才算数，而是能够改动的才重要

这个项目的价值，主要在于它的建模方法。  

实际建模时，需要新建或修改一个 Python 脚本：使用 build123d 构造几何体，再由 cadgen 生成文件。底层 CAD 内核是 Open CASCADE，可以导出 STEP、STL、3MF、GLB 等格式。  

官方给出的最简单例子是：定义一个宽度变量，用 bd.Box 创建实体，再用 @step 声明输出。除了模型文件之外，还可以保存生成该模型的程序代码。之后想调整厚度、孔径或零件位置，只要回到源代码处修改并重新生成即可。  

这给 AI 建模提供了一个重要支点：设计是可以质疑和复审的。尺寸放在哪里、某一部分如何摆放，不必再对着图纸猜。  

不过 STEP 文件本身并不包含完整的参数化建模历史信息。可持续变更的基础是 Python 源码；“导出 STEP”并不意味着保留了原生 CAD 软件的完整特征树。  

把“看一眼”变成一种工作方式

模型创建完成后，项目会提供本地 CAD Viewer。带应用视图的程序可以看到交互式模型卡片；没有应用视图时，也可以通过浏览器查看。  

官方对 CAD 技能的要求是：在创建或明显更改几何形状后，必须生成并检查一次快照，按需核对尺寸、间隙和拓扑；不成功的计算不能作为验证依据。  

我更看重的也是这一点：AI 能写出建模代码并不是终点。生成、查看、检测和修改是否形成闭环，才会决定它到底能不能用。  

项目还包含工程图纸、DXF 文件、标准件查找、3D 打印工作流，以及面向钣金、CNC 和注塑的 DFM 评估。  

但 DFM Skill 也明确说明：这是一套有指引的审核程序，不是自动制造认证。哪些部分被测试了？依据什么标准？还有哪些没被检验？都需要交代清楚。一个看起来漂亮的齿轮模型，并不能证明这些齿轮真的能正常运转。  

以一个小零件为例

官方建议直接把下面的信息发送给 Agent：  

Install text-to-cad from https://github.com/earthtojake/text-to-cad

也可以按照 README 的说明，用 Claude Code 安装：  

claude plugin marketplace add earthtojake/text-to-cad#latest
claude plugin install text-to-cad@earthtojake

先确认已经安装 uv，安装完成后重新启动应用。第一次运行需要联网下载 CAD 运行环境。官方安装命令针对 latest 分支；main 是开发分支，可能包含尚未发布的改动。在同一个应用里，插件和独立 Skills 选择一种安装即可，避免重复。  

第一次使用时，最好给它一个明确任务，比如做一个小支架，标明尺寸和建模前提条件，要求保留 Python 源码、导出 STEP、检查孔距并展示模型。需要说明的是，这只是试用提示示例，并非本文实测结果。  

不要一上来就让它设计整台机器。需求越明确，越容易判断 AI 是真的理解了限制条件，还是替你做了没有说出口的假设。  

另外还有两点需要注意：项目默认会发送使用情况和崩溃报告，官方表示不会包含任何文件名、路径或提示文字，可以用 uvx cadgen telemetry off 关闭；在 Windows 11 上开启 Smart App Control 后，可能导致 CAD 内核无法加载，README 中提供了 WSL 等处理方式。  

还要清楚一点：CAD 工具运行在本地，并不代表 Agent 所用模型的推理也在本地。  

让 AI 发挥作用，也让结果能够保留

我认为 text-to-cad 适合把具体的创作需求转成可检验的模型，但它不能替人承担工程责任。  

它的价值在于把需求、建模代码、几何文件和检验流程串了起来：AI 负责加速试验，人来审核限制条件并验证结果。  

能生成一个模型确实热闹；能留下可修改的源码、说明哪些地方没有验证，才值得继续用下去。  

仓库地址：https://github.com/earthtojake/text-to-cad