1. 从一堆Demo说起AICAD到底卡在哪过去两年我陆陆续续接触了不下二十个号称“AICAD”的项目有创业团队做的有高校实验室出来的也有大厂内部孵化然后悄无声息砍掉的。几乎每一个在演示阶段都让人眼前一亮输入一段文字自动生成三维模型上传一张手绘草图几秒钟转成DXF对着屏幕说句话CAD里就自动画好了标注。Demo视频剪得行云流水评论区一片“颠覆行业”“设计师要失业了”。但真正落到工程场景里情况完全是另一回事。我见过一个团队花了八个月做出来的“智能出图”工具在真实项目上跑第一张图纸就崩了——图层命名不规范、块引用嵌套三层、标注样式有十几种变体AI模型直接懵了。还有一个做DWG语义解析的项目Demo里解析的是他们自己精心准备的“干净”文件到了实际工程图纸上光是处理各种非标准实体就写了两千多行兜底代码最后还是放弃了。这不是个别现象。AICAD这个方向Demo满天飞工程走不通背后有非常具体的结构性原因。我写这篇东西就是想把这些年踩过的坑、看到的教训、以及一些真正在工程里跑通的思路系统地聊一聊。如果你正在做AICAD相关的产品、项目或者研究或者你是一个CAD工程师想搞清楚AI到底能帮上什么忙这篇文章应该能给你一些实在的参考。核心关键词就几个AI、CAD、DXF、DWG、FreeCAD。我会围绕这几个点把从数据格式到工程落地的完整链路拆开来讲重点讲清楚“为什么走不通”以及“怎么才能走通”。2. 核心症结拆解为什么Demo和工程之间隔着一道天堑2.1 数据格式的“冰山效应”DXF和DWG远比你想象的复杂很多人对CAD数据的理解停留在“不就是一些线和圆吗”的层面。我刚开始做CAD解析的时候也这么想直到我真正打开一个DWG文件的内部结构。DXF作为交换格式看起来是文本的、可读的但它的实体类型有上百种常用的也有二三十种。LINE、CIRCLE、ARC这些基础实体确实简单但工程图纸里真正占大头的是INSERT块引用、HATCH填充、DIMENSION标注、LEADER引线、TABLE表格、MLINE多线这些复合实体。一个INSERT可以嵌套另一个INSERT嵌套深度在真实项目里达到五六层是家常便饭。你解析的时候如果只处理最外层里面的几何信息就全丢了。DWG更麻烦。它是二进制格式不同版本的内部结构还不一样。AutoCAD 2004、2007、2010、2013、2018每个版本的DWG格式都有变化。你用一个版本的解析库去读另一个版本的文件轻则丢实体重则直接崩溃。我试过用开源库读一个2018版的DWG结果里面用到的动态块特性完全解析不出来只能拿到一个空壳。注意如果你打算做CAD数据的AI处理第一步不是选模型而是选一个靠谱的CAD解析引擎。开源方案里FreeCAD的Part模块和Import模块对DXF的支持相对完整但对DWG的支持需要通过ODAOpen Design Alliance的转换工具而且免费版有功能限制。商业方案里ODA的SDK是目前最完整的选择但授权费用不低。这里有一个很实际的建议如果你的项目预算有限优先考虑DXF而不是DWG。DXF虽然是交换格式但工程中大部分设计软件都能导出DXF而且文本格式意味着你可以用Python直接读写调试成本低得多。我见过太多团队一上来就啃DWG结果百分之七十的开发时间都花在格式解析上真正做AI的时间不到三成。2.2 工程图纸的“脏数据”问题AI模型没见过这些Demo里用的图纸通常是精心挑选的、图层规范、块命名统一、标注样式一致的“理想文件”。但真实工程图纸是什么样我随便举几个我遇到过的例子。一个建筑项目的图纸里同一个图层名有“墙体”“WALL”“墙-200”“Q-200”四种写法因为不同专业、不同人画的谁也没统一。一个机械图纸里同一个标准件被做成了七个不同的块因为每个人建块的时候都按自己的习惯来。还有更离谱的标注文字里混着各种特殊符号、上下标、公差配合AI模型如果只训练过标准文本根本读不懂。这些“脏数据”不是偶然是工程实践的常态。设计院赶工期的时候没人有精力去维护图层标准。不同专业之间提资格式转换几次就乱了。历史项目积累下来的图纸跨越了十几年的软件版本和制图习惯。AI模型在干净数据上表现好是因为它见过类似的。到了脏数据上它的泛化能力就暴露了。我做过一个实验用同一个模型去解析一百张图纸干净图纸的实体识别准确率能到95%以上脏图纸直接掉到60%以下。这还只是实体识别还没到语义理解层面。2.3 语义鸿沟AI理解不了“工程意图”这是最根本的问题。CAD图纸不只是几何图形它承载的是工程意图。一条线在AI眼里就是两个坐标点之间的线段但在工程师眼里它可能是一堵墙、一根管道、一条焊缝、或者一个边界。我举个例子。一张建筑平面图里两条平行线加一个填充AI看到的是三个独立实体。但工程师看到的是“一堵200厚的砌体墙”。这个“200厚”的信息可能藏在标注里可能藏在图层名里也可能藏在块的属性里。AI要把这些信息关联起来才能理解“这是一堵墙”。更复杂的是工程图纸里有大量的隐含信息。比如一个房间的净高可能不在图纸上直接标注而是通过层高减去梁高、再减去设备管线高度推算出来的。AI如果只做图形识别永远理解不了这些。我见过一个做“AI审图”的项目Demo里能自动检查图纸上的明显错误比如标注缺失、尺寸矛盾。但到了真实项目上审图工程师说“你查的这些我一眼就能看出来我需要的是你帮我查那些隐蔽的问题比如管线碰撞、净高不足、防火分区违规。”这些问题的判断需要大量的工程知识和规范理解不是靠图形识别能解决的。2.4 工具链断裂从AI输出到CAD可用之间缺了一环就算AI模型能正确理解图纸它输出的结果怎么回到CAD里这也是一个大坑。我见过很多AICAD项目AI部分做得不错但输出的是一个JSON或者一个图片工程师拿到之后还得手动在CAD里重新画一遍。这就失去了自动化的意义。真正要打通工具链需要做到AI的输出能直接生成DXF或DWG文件而且生成的实体要符合CAD的规范——图层要对、块要能编辑、标注要能关联、线型要正确。这中间涉及大量的CAD二次开发工作。用Python的话ezdxf库是目前最成熟的选择。它能创建和修改DXF文件支持大部分常用实体。但它的局限也很明显对DWG的支持需要通过ODA转换对复杂实体比如动态块、自定义对象的支持不完整。FreeCAD的Python API是另一个选择它能直接操作FreeCAD的文档对象然后导出为DXF或DWG但FreeCAD本身的CAD内核和AutoCAD有差异有些实体在转换过程中会丢失或变形。实操心得如果你的AI输出需要回到AutoCAD环境最稳妥的方案是生成DXF然后用AutoCAD的脚本或者插件来导入。不要试图直接生成DWG因为DWG的二进制格式太复杂开源库的支持都不够稳定。我试过用ezdxf生成DXF再导入AutoCAD大部分情况下没问题但遇到复杂标注和填充的时候还是会有偏差需要人工检查。3. 真正能跑通的路径从数据准备到工程集成3.1 数据准备别急着训模型先把数据管线搭好我见过太多团队一上来就搞模型结果数据一团糟训出来的东西根本没法用。正确的顺序应该是先搭数据管线再考虑模型。数据管线的第一步是格式统一。不管你原始数据是DWG、DXF还是其他格式先统一转成DXF。转换工具我推荐ODA的File Converter虽然要花钱但稳定性和完整性是目前最好的。如果预算实在有限FreeCAD的批量转换脚本也能用但要做好丢实体的心理准备。第二步是数据清洗。这一步最耗时间但也最重要。你需要写脚本去处理图层名规范化、块引用展开、标注样式统一、文字编码转换。我一般会用Python的ezdxf库来做这些因为它能直接读写DXF的各个部分。import ezdxf doc ezdxf.readfile(input.dxf) msp doc.modelspace() # 遍历所有实体做规范化处理 for entity in msp: if entity.dxftype() INSERT: # 展开块引用把块内实体提升到模型空间 for sub_entity in entity.virtual_entities(): # 处理子实体 pass elif entity.dxftype() TEXT: # 文字编码转换 pass第三步是数据标注。如果你要做的是监督学习标注质量直接决定模型上限。我的经验是不要试图标注所有实体先聚焦你最关心的那几类。比如你做建筑图纸的墙体识别就只标注墙体相关的实体其他的一律忽略。标注的时候一定要找有工程经验的人来做纯标注员做出来的东西往往不符合工程逻辑。3.2 模型选型不是越大的模型越好现在动不动就上大模型但在CAD场景里大模型未必是最优解。CAD数据的特点是结构性强、几何信息丰富、语义相对固定。对于实体分类这种任务一个精心设计的图神经网络GNN可能比通用大模型效果更好而且推理速度快得多。我做过对比实验在墙体识别任务上一个三层GNN的准确率能达到92%推理时间只要几毫秒而用大模型做few-shot学习准确率只有85%左右推理时间要几百毫秒。当然如果你要做的是自然语言交互比如“帮我把所有标注字体改成宋体”那大模型是合适的。但即使是这种场景我也建议用“大模型做意图理解 规则引擎做执行”的架构而不是让大模型直接生成CAD操作。因为大模型生成的代码或指令经常有细微错误在CAD里一个参数错了整个图纸就乱了。注意事项如果你要用大模型做CAD相关的任务一定要做输出校验。我见过一个项目大模型生成的DXF代码里把图层颜色索引写成了256结果导入CAD后所有实体都变成白色工程师排查了半天才发现问题。校验层要检查实体类型是否合法、坐标是否在合理范围、图层是否存在、颜色索引是否有效。3.3 工程集成让AI输出真正可用AI输出要真正在工程里用起来必须做到“无缝集成”。什么叫无缝工程师不需要切换软件、不需要手动转换、不需要重新画图。我目前看到的最可行的方案是做一个CAD插件AI能力以插件的形式嵌入到CAD环境里。工程师在CAD里选中一个区域点击插件按钮AI处理完之后直接在CAD里生成结果。整个过程工程师不用离开CAD。这个插件的开发AutoCAD的话用ObjectARXC或者.NET APIBricsCAD和ZWCAD也有类似的API。如果预算有限用Python ezdxf AutoCAD的脚本接口也能做但交互体验会差一些。FreeCAD的话直接用Python做工作台Workbench是最自然的。FreeCAD的Python API很完整你可以创建命令、工具栏、对话框和原生功能无缝集成。我做过一个FreeCAD工作台用来做参数化构件生成用户体验和原生功能几乎没区别。# FreeCAD工作台示例创建一个简单的命令 import FreeCADGui from PySide2 import QtWidgets class MyAICommand: def GetResources(self): return {MenuText: AI生成构件, ToolTip: 用AI生成参数化构件} def Activated(self): # 调用AI服务获取参数 params call_ai_service() # 在FreeCAD里创建几何 import Part box Part.makeBox(params[length], params[width], params[height]) Part.show(box) def IsActive(self): return True FreeCADGui.addCommand(MyAICommand, MyAICommand())3.4 验证与迭代工程场景没有“一次通过”Demo可以一次跑通工程场景不行。我参与过的一个项目AI生成的图纸在测试集上准确率90%但上线第一个月就收到了几十个bug反馈。原因五花八门有的图纸用了非标准的线型AI识别错了有的图纸里块引用嵌套太深解析超时了还有的图纸是外部参照XREFAI根本没处理。所以验证环节必须要有而且要贯穿整个开发过程。我的做法是每做一个新功能先找五到十张真实项目图纸跑一遍记录所有异常情况然后针对性地修。不要等到功能全做完了再测那时候改起来成本太高。还有一个经验一定要让最终用户参与验证。工程师用AI工具的方式和开发者想象的完全不一样。我见过一个AI标注工具开发者觉得操作很直观但工程师用的时候总是先选中一堆实体再点按钮结果工具只处理了第一个实体。后来改成“自动识别当前视图内的所有实体”使用率才上去。4. 常见问题与排查技巧实录4.1 CAD解析类问题速查问题现象可能原因排查方法解决方案读取DWG时崩溃版本不兼容或文件损坏用ODA File Converter转成DXF再读统一转DXF处理或升级解析库实体丢失块引用未展开或自定义对象检查INSERT实体和代理实体用virtual_entities()展开块代理实体需特殊处理文字乱码编码不一致检查DXF的$DWGCODEPAGE变量统一转UTF-8或按原始编码读取坐标偏移坐标系不一致检查INSBASE和UCS设置统一到WCS坐标系处理填充边界丢失HATCH边界未正确解析检查HATCH的边界路径类型用ezdxf的paths属性获取边界4.2 AI模型类问题速查问题现象可能原因排查方法解决方案干净数据准确率高脏数据骤降训练数据分布单一统计训练集和测试集的图层名、块名分布增加脏数据增强或做数据规范化预处理推理速度慢模型过大或输入分辨率过高profiling各层耗时模型剪枝、量化或降低输入精度输出结果不稳定随机性太强或后处理缺失固定随机种子检查后处理逻辑增加确定性约束加规则后处理语义理解错误缺乏工程知识检查模型是否见过类似工程场景引入知识图谱或规则引擎辅助4.3 工程集成类问题速查问题现象可能原因排查方法解决方案生成的DXF在CAD里显示异常实体属性不合法用CAD的审计命令检查校验图层、颜色、线型等属性插件加载失败API版本不匹配检查CAD版本和API版本用对应版本的API重新编译处理大图纸时卡死内存不足或算法复杂度过高监控内存和CPU使用分块处理或优化算法用户不愿意用操作流程不符合习惯观察用户实际操作简化操作减少点击次数4.4 几个我踩过的坑第一个坑以为DXF是“标准”格式所有软件导出的都一样。实际上不同软件导出的DXF差异很大。AutoCAD导出的DXF和FreeCAD导出的DXF在实体属性、图层组织、扩展数据上都有区别。我写过一个解析器在AutoCAD的DXF上跑得好好的换到FreeCAD导出的DXF就各种报错。后来学乖了解析之前先检测DXF的生成软件然后走不同的处理分支。第二个坑低估了标注的复杂度。标注DIMENSION在DXF里是一个复合实体它包含标注线、标注文字、箭头、公差等多个子元素。而且标注有“关联标注”和“非关联标注”之分关联标注会随几何变化自动更新非关联标注不会。AI如果只处理几何不处理标注输出的图纸在工程上基本没用。我现在的做法是标注单独处理先解析标注的关联关系然后在AI输出时重建标注。第三个坑忽略了外部参照XREF。很多工程图纸不是独立的它引用了其他图纸作为外部参照。你打开一张图纸看到的完整图形其实是主图纸加上所有外部参照。如果AI只处理主图纸就会丢失大量信息。处理XREF需要递归加载所有参照文件然后合并处理。这个在ezdxf里可以通过doc.header[$XREF]来检测但合并逻辑要自己写。5. 一些真正有用的工具和资源5.1 CAD解析与操作ezdxfPython库DXF读写首选文档详细社区活跃。对DWG的支持需要通过ODA转换。FreeCAD开源CADPython API完整适合做原型和二次开发。对DXF的支持很好DWG需要转换。ODA File Converter免费工具批量转换DWG和DXF稳定性好。LibreCAD轻量级开源CAD适合查看和简单编辑DXF。5.2 AI与数据处理PyTorch Geometric图神经网络库适合处理CAD的图结构数据。OpenCascade几何内核Python绑定pythonocc可以用来做几何运算和拓扑分析。Shapely二维几何运算库适合处理CAD中的平面几何。NumPy/SciPy基础数值计算处理坐标和矩阵运算。5.3 工程集成AutoCAD .NET API做AutoCAD插件功能最完整。FreeCAD Workbench做FreeCAD插件Python开发上手快。pyautocadPython操作AutoCAD的库适合做自动化脚本但功能有限。提示工具选型的时候优先考虑社区活跃度和文档完整性。CAD领域的坑太多了没有社区支持的工具遇到问题只能自己啃源码。我选ezdxf就是因为它的文档写得清楚作者也很活跃提issue基本都能得到回复。6. 我对这个方向的一些个人判断AICAD这个方向长期来看肯定是有价值的。工程设计里有大量重复性、规则性的工作这些工作适合AI来做。但短期内我不看好那种“端到端替代设计师”的思路。工程设计的核心是决策和判断AI目前还做不了。我更看好的路径是“AI做辅助人做决策”。AI负责处理那些繁琐的、有明确规则的、需要大量重复操作的任务比如批量标注、图纸对比、规范检查、构件生成。设计师把精力放在方案构思、专业协调、复杂问题解决上。这个路径下技术上的关键不是模型有多大而是工程集成做得多好。AI能力要无缝嵌入到设计师现有的工作流里让设计师感觉不到AI的存在只觉得“这个功能挺好用的”。这需要大量的CAD二次开发工作也需要对工程设计流程有深入理解。我见过一个做得不错的例子一个团队做了一个AI辅助标注工具设计师在CAD里画完图点一下按钮AI自动识别需要标注的位置生成标注设计师只需要检查和微调。这个工具没有用什么大模型就是规则引擎加简单的机器学习但因为它真正解决了设计师的痛点使用率很高。所以我的建议是如果你在做AICAD不要一上来就追求“通用智能”先找一个具体的、高频的、规则明确的场景把它做深做透。一个能真正用起来的小工具比一个Demo很酷但工程走不通的大系统有价值得多。最后再分享一个小技巧做CAD相关的AI项目一定要自己动手画几张图。不用画得多好但要理解工程师是怎么用CAD的。我见过太多开发者自己从来不用CAD做出来的东西完全不符合工程师的习惯。你只有自己用过才知道哪些操作是高频的、哪些是反人类的、哪些是工程师真正需要的。这个经验比任何用户调研都管用。