当 AI Agent 学会画零件图：text-to-cad 让大模型从"数字"跨入"物理"

项目: earthtojake/text-to-cad
语言: Python | 协议: MIT
今日 Star: +75

一、AI Agent 的"物理盲区"

过去两年，AI Agent 生态爆发式增长——写代码、改文档、搜网页、管日历。但几乎所有 Agent 都在一个隐含的边界内活动：它们只操作数字对象。代码、文本、图片、表格——全是比特（bits），没有原子。

如果你让一个 AI Agent 帮你"设计一个支架，打三个 M4 螺丝孔，壁厚 2mm"，它会卡住。不是因为它不懂机械设计，而是因为它没有手——它没法把设计变成一个 STEP 文件发给 CNC 加工厂，也没法生成 G-code 发给 3D 打印机。

earthtojake/text-to-cad 要补的就是这一块。它不是文生图模型，不是扩散模型生成 3D 形状——它是一组 Agent Skills，让任何 AI 编码助手（Claude Code、Cursor、Copilot）都能生成、检查、采购、切片、交接 CAD 和机器人描述文件。

二、12 个 Skill 覆盖完整制造管线

text-to-cad 的 README 列出了 12 个 skill，覆盖从"想法"到"实物"的完整链路：

最值得注意的是最后两个。

handoff-cad 解决的是"设计完了，怎么交给工厂"的问题。传统流程里，设计师出 STEP 文件，发给 CNC 厂，厂里工程师打开看一眼说"这个内角 R0.5 铣不了，最小 R1"，打回来改。来回几次，一周过去了。handoff-cad 把制造商的约束内置进交接包——你在设计阶段就知道哪些地方会被打回。

dfam-check（Design for Additive Manufacturing）更前沿。它检查的不是"几何对不对"，而是"能不能打印出来"——悬垂角超过 45° 需要支撑、薄壁太薄会翘曲、小孔打印后会堵。这些知识通常只在资深工程师脑子里，现在变成了 Agent 可以调用的 skill。

三、为什么是"Skill"而不是"模型"

text-to-cad 的关键设计选择是：它不是一个训练好的模型，而是一组 skill。

区别在哪？如果是模型，你需要训练数据——几百万个"文字→STEP"对。这种数据不存在。STEP 文件是工业标准格式，不是互联网上随便爬得到的。训练一个能从文字直接生成 STEP 的模型，数据瓶颈比代码生成难一个数量级。

Skill 路线绕开了这个问题。Agent 本身（Claude、GPT）已经有空间推理能力——它能理解"一个 50mm×30mm×5mm 的板，三个角各打一个 M4 孔"。text-to-cad 做的是给 Agent 提供工具——生成 STEP 格式的 API、检查几何体的库、查询供应商价格的接口。Agent 负责理解和推理，skill 负责格式转换和领域检查。

这和 addyosmani/agent-skills（通用工程 skill）的架构一样，但切入了一个完全不同的领域：物理制造。通用 skill 库覆盖代码审查、文档生成、测试编写；text-to-cad 覆盖 CNC、3D 打印、激光切割、机器人建模。两者互补，不重叠。

四、URDF 和 SDF：机器人仿真的入口

text-to-cad 不只是制造——它还覆盖机器人。text-to-urdf 和 text-to-sdf 两个 skill 让 Agent 能生成机器人描述文件。

URDF（Unified Robot Description Format）是 ROS 的标准格式，描述机器人的连杆、关节、惯性参数。SDF（Simulation Description Format）是 Gazebo 仿真器的格式，比 URDF 多了传感器和环境的描述。

这意味着你可以对 Agent 说"帮我设计一个六轴机械臂，臂展 800mm，末端负载 2kg"，Agent 生成 URDF，你直接丢进 ROS 仿真。从"想法"到"仿真就绪"的链路被压缩到了一次对话。

对机器人初创团队来说，这降低了原型设计门槛。传统流程里，机械工程师出 CAD，控制工程师写 URDF，仿真工程师调 Gazebo——三个角色三种工具。text-to-cad 让 Agent 把三个角色的"格式转换"工作自动化了，人只需要做设计决策。

五、SendCutSend 集成：从设计到下单的"一键"

source-parts skill 直接对接了 SendCutSend——一个在线激光切割/水刀/CNC 加工服务平台。你给 skill 一个 BOM（物料清单），它返回每个零件的报价和下单链接。

这把"设计→报价→下单"的链路压缩到了几秒。传统流程是：设计完 → 导出 DXF → 上传到供应商网站 → 等报价邮件 → 确认下单。text-to-cad 让 Agent 在设计阶段就能实时看到成本——"这个零件如果用 3mm 铝板，SendCutSend 报价 $12；如果改成 2mm，$8 但强度不够"。

成本信息前置到设计阶段，是工程领域一直在追求但很难做到的事。text-to-cad 通过 skill 化的供应商接口，让 Agent 成了设计和制造之间的"实时成本翻译器"。

六、一个 +75 star 的项目为什么值得关注

text-to-cad 今日只涨了 75 star，和那些动辄 +1000 的项目比不起眼。但它切入的赛道——AI Agent × 物理制造——目前几乎没有竞品。

大多数 AI Agent 项目在数字领域内卷：更好的代码生成、更好的文档摘要、更好的网页抓取。text-to-cad 走向了物理世界。这意味着：

1. 数据壁垒不同。代码生成有 GitHub，制造领域没有等价物。text-to-cad 用 skill 路线绕开数据问题，但 skill 的质量取决于作者对制造流程的理解深度。
2. 用户画像不同。代码 Agent 的用户是程序员；CAD Agent 的用户是机械工程师、机器人团队、硬件初创。这群人目前几乎没有被 AI 工具覆盖。
3. 价值链更长。一个代码 PR 的价值链是"写→测→合并"；一个 CAD 文件的价值链是"设计→检查→报价→下单→制造→质检"。每一步都是 skill 的机会。

text-to-cad 的风险也很明显：制造领域的专业门槛高，skill 的正确性需要领域专家验证。一个错误的 DfAM 检查可能让用户浪费几百美元的材料。但这是所有专业工具的通病——专业工具的价值和风险成正比。

项目链接: github.com/earthtojake/text-to-cad