摘要：text-to-cad 将 CAD、机器人描述、切片、制造检查和本地查看器组织成可安装的 Agent Skills。本文拆解它如何以 STEP 和源码为工件、用确定性工具约束大模型，并分析企业接入时的权限、验证与交付边界。
大模型写一段建模脚本并不稀奇。困难在于：脚本能否稳定生成有效实体，尺寸是否满足需求，装配基准有没有漂移，机器人关节轴是否写反，切片配置是否来自目标打印机，以及生成文件该交给谁复核。工程软件团队通常不会只看一次演示里“看起来像”的模型，更重视结果能否复现、检查、交付和追责。
GitHub 项目 earthtojake/text-to-cad 给出了一种值得研究的实现。仓库当前对外名称是 CAD Skills，定位为面向 CAD、机器人与硬件设计 Agent 的技能库。它没有训练专用几何模型，也没有提供一个封闭式在线 CAD 服务；主要工作是把建模、检查、预览、零件检索、机器人描述、切片和制造交接写成一组可安装的 Agent Skills，并配套确定性脚本。
这一区别决定了项目的技术价值：自然语言负责表达意图和调度步骤，几何内核、解析器、切片器和验证器负责产生可检查的事实。文本生成仍有随机性，工程产物却被推入一套更严格的文件与工具链。对于准备在现有 CAD/CAE/CAM 环境中引入 Agent 的团队，这种“技能规范 + 本地工具 + 显式工件”的组合，比单纯追求提示词命中率更接近可落地的系统形态。
一、先看清项目边界
README 列出 11 个主要技能：CAD、CAD Viewer、step.parts、DXF、URDF、SRDF、SDF、SendCutSend、G-code、Bambu Labs 和实验性的 Implicit CAD。覆盖面看似很宽，实际可分成四条链路：
- 三维与二维几何：用 build123d/Python 生成 STEP 主工件，按需导出 STL、3MF、GLB；用 ezdxf 生成二维轮廓、模板、垫片和切割图。
- 机器人与仿真描述：生成 URDF 的物理结构、SRDF 的 MoveIt 规划语义、SDF/SDFormat 的模型与仿真世界。
- 制造准备与设备交接：检查 SendCutSend 上传文件；调用 OrcaSlicer、PrusaSlicer 或 CuraEngine 生成 FDM G-code；在严格确认条件下通过局域网向 Bambu Lab 打印机上传或启动任务。
- 检索与复核：在 step.parts 检索标准件 STEP；用本地 CAD Viewer 查看 STEP、网格、DXF、机器人描述和 G-code。
因此，仓库标题中的 CAD/CAE/CAM 需要按实现内容理解。CAD 能力最完整，包含参数化实体、装配、检查和多格式导出。CAE 侧集中在机器人运动学语义、仿真描述和 MoveIt/Gazebo 交接，并未提供有限元网格、材料本构、求解器运行或结果收敛判定。CAM 侧已有增材切片、激光/水刀上传预检和打印机交接，但没有铣削刀具库、工序规划、夹持分析、后处理器以及机床 NC 验证。若把它当作通用工业 CAE/CAM 平台，预期会明显偏高。
项目采用 MIT 许可证。README 标注 Python 3.11+，当前仓库开发与 CI 文件则使用 Python 3.12；cadpy 包的 pyproject.toml 也要求 Python 3.12 及以上。实际部署时应以安装版本内的依赖声明和技能文件为准，优先准备 Python 3.12，避免只看徽章配置环境。
二、技术主线：以 STEP 为主工件，以源码为设计意图
CAD Skill 的核心约束非常明确：STEP 是主要 CAD 工件，STL、3MF 和原生 GLB 是派生输出；有生成器时，Python 源码是修改入口。 新建零件通常编写定义 gen_step() 的 build123d 脚本，再由 scripts/step 生成 STEP。已有 STEP 且缺少生成器时，也允许直接导入和检查。
这一选择有三层意义。
第一，build123d 基于 Open Cascade，以 BREP 参数化建模为基础，能表达平面、曲面、实体、布尔运算、圆角、倒角、孔、放样、扫描和装配关系。STEP 保留边界表示和实体结构，适合继续进入常见机械 CAD 系统。若一开始只生成三角网格，后续尺寸测量、面选择、特征修改和制造交接都会受限。
第二，Python 脚本承载命名参数和构造意图。一个带孔法兰可以把外径、孔径、分度圆和孔数写成独立参数，Agent 修正需求时只需修改负责该约束的源代码。仓库明确反对直接编辑已生成工件，也不建议用文件大小或 Git 二进制差异判断几何变化。应比较源码、几何检查摘要、拓扑输出和快照。
第三，STEP 被设计成多个技能之间的契约。CAD Skill 负责实体，DXF Skill 可在同一生成器中投影真实平面轮廓，G-code Skill 要求先把 STEP 导出为 STL，再交给切片器；URDF/SDF 引用的网格若过期，应回到 CAD 源重新生成。工件所有权清晰后，Agent 不容易在不同环节偷偷复制一套尺寸公式。
仓库还提供 cadpy 共享运行包，依赖 build123d 与 cadquery-ocp，负责 STEP/GLB 拓扑工件等能力。CAD 运行环境额外使用 Playwright 完成浏览器快照。开发依赖里还能看到 ezdxf、networkx、lxml、trimesh 和 pytest，分别服务于二维文件、图结构/XML、网格转换与测试。Viewer 使用 React、Three.js、Vite，并包含 cadjs 与 implicitjs 本地包。整体架构由 Python 几何与校验层、Node/浏览器可视化层、外部专业 CLI 三部分组成。
这里没有常驻的中央工作流引擎。技能文档负责约束 Agent 的决策，脚本负责执行可重复动作，文件系统保存过程状态，Viewer 提供人工观察面。好处是可以嵌入 Codex、Claude Code 等现有 Agent，也容易替换单个切片器或检查程序；代价是跨技能事务、并发任务、工件血缘和权限策略需要宿主 Agent 或企业平台补充。若一个步骤成功写出 STEP，后续切片却失败，仓库主要依靠显式路径与报告恢复，并没有数据库级回滚。
三、Skill 组织方式：把工程纪律写进 Agent 的执行协议
每个技能目录都以 SKILL.md 作为入口，说明触发条件、输入输出、默认假设、命令形态、必做检查、交接规则和禁止事项；复杂知识放在 references/，确定性操作放在 scripts/。这是一种渐进式上下文设计：Agent 先加载较短的技能总则，遇到装配定位、快照审查、切片后端或碰撞矩阵等问题时，再读取对应参考文件。
CAD Skill 的规定尤其具体。它要求先分类任务，整理自然语言 CAD brief，记录尺寸、单位、坐标约定、输出路径、假设和验证目标；装配里出现电机、舵机、轴承或连接器等可采购件时，应先调用 step.parts 查询，查询失败后才可采用注明尺寸包络的占位体；编码前定义参数、标签、预期包围盒和配合基准；生成后运行 refs/facts/planes/positioning 基线检查，再按需求执行 measure、align、frame 或 diff；只要主 STEP 有可见变化，还必须生成并审查快照。
这套约束把 Agent 常见的失误拆成可观测事件。比如圆孔数量不对，可由拓扑与尺寸检查发现；装配件沿错误轴移动，可由对齐和坐标框架检查发现；实体内部多出残留块，可能在等轴测快照中暴露。确定性检查和视觉检查互补，任何一项都不能单独证明模型正确。
技能间的责任边界也写得较严：
- DXF 负责二维文档，要求毫米单位、1:1 模型空间、闭合切割轮廓和按意图分层；若图纸来自三维零件，应优先投影实体拓扑，减少公式重复。
- URDF 负责 link、joint、limit、inertial、visual 与 collision，生成时进行 XML、树图、关节和资源引用校验。
- SRDF 只负责 MoveIt 规划组、末端执行器、组状态、虚拟/被动关节与禁用碰撞对，且必须关联有效 URDF。
- SDF 负责仿真模型、世界、传感器、灯光、物理参数和插件，默认建议 SDFormat 1.12，并把
gz sdf --check视为可选的目标环境检查。 - G-code 只接收网格并调用实际切片器，不接收 STEP、DXF、URDF 或 SDF，也不接触打印机。
- Bambu Labs 只处理已验证 G-code 的局域网上传和启动，默认 dry-run，启动任务还需要显式执行与确认参数。
这些规则很适合工业团队借鉴：Agent 平台中的“工具描述”若只有一句功能介绍，很难形成稳定行为。高质量 Skill 更像轻量级作业指导书，其中包含路由条件、工件归属、失败处理、证据标准和危险操作门禁。
四、一次 CAD 请求的数据流与控制流
假设用户要求制作一个带安装孔和电机的支架，并希望打印样件。项目预期的执行过程大致如下。
1. 意图进入控制层。 Agent 把自然语言和参考图整理成 brief，识别尺寸、孔型、安装面、材料或壁厚假设，以及最终需要 STEP 还是打印件。缺失信息仅在配合、安全或合规关键时触发澄清，其余情况记录假设后继续。
2. 外购件进入数据层。 Agent 通过 step.parts API 用型号、别名、厂商和规格搜索电机。命中后下载标准件 STEP并校验 SHA-256；未命中则记录搜索证据，建立简化包络。这样可以防止 Agent 随手画一个与实物接口不符的电机块。
3. 生成设计源码。 Agent 编写 build123d Python，使用命名参数、封闭实体和语义标签。装配采用部件局部坐标系、命名配合基准、build123d joints 或显式 Location 变换；源文件保留支架和采购件之间的定位关系。
4. 几何内核产出工件。 scripts/step 调用 Python 生成器和 Open Cascade 相关能力，写出 STEP，并可附带 STL、3MF、GLB 或拓扑侧车文件。此处大模型提供代码，实体有效性由几何库承担。
5. 检查闭环。 scripts/inspect 输出实体数量、包围盒、平面、选择器引用和定位事实，再执行孔径、孔距、面间距离、装配对齐等目标检查。随后 scripts/snapshot 通过浏览器渲染 PNG/GIF。发现问题时，Agent修改最小责任代码段，重新生成并重复失败项。
6. 人机复核。 CAD Viewer 启动一个本地服务，用 dir 与 file 参数打开明确工件。Viewer 支持 STEP/STP、GLB、STL、3MF、G-code、DXF、URDF、SRDF、SDF 和隐式 CAD 文件。它是审查界面，不能替代尺寸、运动学或切片校验。
7. 制造分支。 打印场景先导出 STL。G-code Skill 发现本机切片后端，要求用户提供包含真实原生切片配置路径的 wrapper JSON，先展示 dry-run 命令，再执行切片，并检查温度命令、运动、挤出、XYZ 边界和未知指令。需要发往 Bambu 设备时，Bambu Skill 查询打印机状态、审查上传载荷，优先先上传后启动，并保留人工检查热床、耗材、喷嘴和现场安全的要求。
这条链路中的控制流由 Agent 驱动，数据流则围绕源码、STEP、网格、G-code、检查 JSON、快照和 Viewer URL 展开。每个阶段都留下中间证据，便于失败重跑，也方便工程师只审查高风险节点。
五、机器人、仿真与制造工作流的成熟度
机器人方向的拆分比较合理。URDF Skill 把工作定义为受约束的运动学建模，强调关节原点、link frame、轴方向、米制单位、网格缩放和惯量。SRDF Skill 明确要求规划组、TCP、默认姿态和禁用碰撞矩阵应依据 URDF 拓扑、MoveIt Setup Assistant、碰撞采样或用户数据，不能凭模型外观猜测。SDF Skill又单独处理 Gazebo/libsdformat 的世界、物理、传感器和插件语义。这避免了一个“大机器人 XML 技能”同时混淆物理结构、规划语义与仿真配置。
不过，这几类文件通过轻量校验，只能过滤结构性错误。URDF 能解析不等于关节轴符合实机；SRDF 能加载不等于碰撞矩阵安全；SDF 静态预览不执行插件，也无法证明传感器频率和动力学稳定。仓库文档也持续要求运行 RViz、robot_state_publisher、MoveIt、Gazebo 或 gz sdf --check 等目标消费者 smoke test，并如实报告缺失环境。
制造侧也体现了相同态度。SendCutSend Skill 会实时拉取官方 ordering guide、catalog JSON 和 specs JSON，再将材料 SKU、厚度、孔槽、折弯法兰、弯曲半径、服务与文件测量值逐项比较。缺少来源或单位含糊时，状态应标为“需要更多信息”，不能凭经验给出可生产结论。G-code Skill 不自造打印机 profile，要求绝对路径指向原生配置；Bambu Skill 将 dry-run、上传、启动、暂停和取消分开，并为启动/取消设置额外确认。对于会触发物理设备动作的 Agent，这种保守设计很必要。
实验性的 Implicit CAD 则走另一条路线：使用 .implicit.js/.mjs ES 模块声明 GLSL 有符号距离场，通过 CAD Viewer raymarch 渲染，可加入参数、动画、平滑布尔、晶格和 TPMS 场，并采样导出 GLB/STL/3MF。它适合复杂场、晶格和浏览器交互探索，但仓库明确建议常规机械设计优先采用 STEP。SDF 采样后的三角网格精度、薄壁保持、尺寸验证和下游可编辑性都需要额外评估。
六、部署与一个可重复的小实验
普通用户可执行：
1 | npx skills install earthtojake/text-to-cad |
仓库还提供 Codex 与 Claude Code 的原生插件安装方式。Codex 需要 0.142.0 或更高版本；旧版本可能静默跳过仓库根插件。安装后若技能没有出现，需要重启 Agent。生产使用应选择 main，开发则基于 develop。原因是 develop 用符号链接连接 skills/、viewer/ 和 packages/ 中的共享源，main 会把生产所需内容展开为实体文件，以兼容不同安装器对符号链接的不一致处理。
团队评估时可选 README 的“100 × 60 × 20 mm 校准块，四个 8 mm 通孔，顶部外周 2 mm 倒角”作为最小实验：
- 使用 Python 3.12 创建虚拟环境并安装仓库开发依赖；Viewer 另行执行
npm --prefix viewer install。 - 将技能链接到目标 Agent，工作目录放在独立实验目录。
- 连续运行同一提示多次，保留每次 Python 源、STEP、检查摘要与快照。
- 自动核验包围盒、实体数量、四个圆柱孔的直径/方向、倒角范围，并人工检查是否误给底边倒角。
- 修改一个尺寸，再观察 Agent 是否只调整相关参数，检查是否能发现变化，Viewer 是否能正确打开新工件。
- 若测试制造链，导出 STL，配置一份真实但隔离的切片 profile，只运行 dry-run 和静态 G-code 校验，不连接打印机。
评价指标应包含任务成功率、几何有效率、尺寸通过率、修复轮数、重复运行离散度、人工审查时间和错误逃逸率。仓库已有 10 个基准题，涵盖法兰、L 支架、阶梯轴、箱体、叉耳、叶轮、螺旋楼梯与简化行星齿轮，可作为起点；现有基准更多展示输出过程，尚不足以替代带标准答案、容差和失败分类的企业级评测集。
七、适用边界与工程风险
text-to-cad 当前最适合参数清晰的机械零件、夹具、支架、外壳、简化装配、二维切割件、机器人描述文件和 FDM 打样准备。需求能被离散成尺寸、特征、基准和文件契约时，Agent 容易借助脚本与检查器形成稳定闭环。
风险主要集中在五处：
- 设计意图缺失：自然语言很少包含 GD&T、公差链、表面粗糙度、材料状态、紧固预载和寿命目标。默认壁厚或间隙只适合首轮建模。
- 几何脆弱性：Open Cascade 布尔、圆角、薄壁和拓扑选择可能因参数变化失败；面/边编号也可能发生拓扑命名漂移。
- 装配与空间推理：多零件基准、运动包络、线束、软体件和装配顺序仍高度依赖工程师判断。
- 验证覆盖不足：包围盒、孔径和快照通过后，强度、疲劳、热、流体、振动、碰撞与制造变形仍未被证明。
- 外部系统变化：step.parts、SendCutSend 数据源、切片器 CLI、打印机固件和局域网协议都可能变化，需要版本固定、兼容测试与权限隔离。
此外，Agent 会执行本地 Python、Node 和第三方 CLI，企业部署必须配套沙箱、依赖锁定、制品扫描、网络白名单、凭证管理和命令审计。打印机启动、文件上传以及任何未来的机床动作都应放在权限更低的执行器中，并保留人工门禁。
八、给工业软件团队的行动建议
第一，先挑一条窄链路，例如“参数化支架生成 + STEP 检查 + Viewer 复核”，不要一开始覆盖 PLM、仿真、报价和设备控制。用 30～100 个企业内部零件建立带公差的验收集，先测错误逃逸率。
第二，把工件契约写清楚。规定源码、主 CAD 格式、派生格式、坐标系、单位、命名、版本、检查报告和审批人。text-to-cad 的 STEP-first 与技能所有权可直接借鉴，但企业还应加入零件号、材料、修订版、需求 ID 和 PLM 元数据。
第三，将检查器视为产品核心。大模型可替换，几何事实提取、规则比较、目标软件 smoke test 与设备门禁应保持确定性。每条自动结论都要带输入文件、工具版本、测量值、阈值和时间戳。
第四，按风险分级自治。草图和概念件可自动生成；有配合关系的零件需要工程师审批；涉及安全系数、法规、昂贵材料和物理设备启动的任务应要求双重确认。Agent 的权限应随工件成熟度逐级开放。
第五，保留原有专业系统的权威地位。该项目适合作为工程自动化的编排与检查层，不能替代成熟 CAD 的详细设计能力、PLM 的配置管理、CAE 求解器的验证体系或 CAM 软件的机床知识。最现实的接入方式，是让 Agent 处理需求整理、脚本化建模、批量检查、格式交接和审查材料准备，把最终签字留给具备资质与现场信息的工程人员。
text-to-cad 最值得关注的部分，在于它把“生成后必须检查什么、下一步交给哪个专业工具、哪些动作必须停下来确认”写进了技能本身，模型复杂度反倒居于次要位置。工程 Agent 的可靠性很少来自更会聊天的模型，更多来自明确的工件边界、可重复的工具调用和不允许省略的验证闭环。这个仓库已经给出一套可运行的参考实现，也清楚暴露了工业部署仍需补齐的公差、求解、配置管理和责任体系。