把自然语言变成可制造 CAD：开源 SolidWorks Automation Skill 的工程化实践

当 AI 开始进入 CAD，最难的部分从来不是"画出一个看起来像零件的形状"，而是把意图稳定地变成可保存、可导出、可重开、可审查、可制造的工程文件。

这正是我开源 SolidWorks Automation Skill 的原因。

项目地址：https://github.com/wzyn20051216/solidworks-automation-skill

截至本文发布前，项目已获得 952 Stars、92 Forks。但比数字更重要的是：它正在尝试回答一个更具体的问题------如何让 AI 不只是"会谈 CAD"，而是真正进入本地工程软件，完成建模、出图、导出和复核。

---

一、为什么要做这个项目

今天很多 AI + CAD 演示遵循同一条路径：

1. 用户输入一句自然语言；
2. 大模型生成一段宏或脚本；
3. 软件里出现一个模型；
4. 演示结束。

这很有视觉冲击力，却离工程交付还有很长的距离。

真实的机械设计任务，还要继续追问：

• 单位是否正确？SolidWorks API 的长度单位是米，需求往往以毫米表达；
• 草图是否闭合，特征是否真正重建成功？
• 选边、选面能否跨语言版本稳定工作？
• 螺纹孔是"看起来像孔"，还是可回读的真实 Thread？
• 工程图有没有漏标、尺寸碰撞和图框侵入？
• STEP、PDF、DXF、SLDPRT、SLDDRW 是否真的生成并能重新打开？
• 自动化结果失败时，是继续"假装成功"，还是明确阻断并给出证据？

所以，这个项目的目标不是做一个更花哨的宏生成器，而是建立一条有能力边界、有证据链、有复核门禁的 CAD 自动化流水线。

CAD Studio 桌面端：建模、开孔、图纸、检查与导出被放进同一个本地工作台。

---

二、它不是单一脚本，而是四层协同系统

SolidWorks Automation Skill 同时提供三种平级入口：

入口	适合谁	价值
Skill	使用支持 skills 的 AI 客户端	让代理获得结构化的 SolidWorks 工作流与规则
MCP Server	Codex、Claude Code、Cursor、Windsurf 等	把本地 CAD 能力暴露成可调用工具
CLI / Python API	自动化开发者、测试与 CI 场景	直接编排建模、导出、诊断和审查
CAD Studio	更偏好图形界面的工程用户	管理项目、任务、预览、复核和交付

它们并不是四套互相割裂的实现，而是共用同一组能力定义、脚本、证据格式和审查逻辑。

整体链路可以概括为：

自然语言需求
    ↓
VibeCAD 参数化规划与约束检查
    ↓
能力路由（Python / C# PIA / Add-in / OCCT / 外部求解器）
    ↓
SolidWorks 原生建模或开放格式后端
    ↓
保存、导出、重开、B-Rep / FeatureData 回读
    ↓
多视角预览 + JSON 证据 + 工程师最终复核

这里最关键的设计，不是"大模型能生成多少代码"，而是每一步是否有明确输入、输出和失败语义。

---

三、核心原则：能力清单必须比宣传文案更诚实

仓库根目录的 capabilities.yaml 是唯一能力真源。

一个能力只有在指定 SolidWorks 版本、指定工作流和指定证据条件下完成回归，才会被标记为已验证。尚未完成真机回归的能力，不会被包装成"已支持的无人值守交付"。

当前项目采用了类似下面的分级：

• verified / stable：已有稳定真机证据，可进入常规工作流；
• pilot：已完成受控案例，但仍要求人工复核；
• experimental：用于探索或规划，不能直接等同于生产能力；
• blocked：缺少许可证、后端、接口稳定性或回归证据时明确阻断。

这套机制看似克制，却是 AI 工程工具能否被信任的基础。

对工程软件而言，"不知道"并不可怕；真正危险的是把"可能成功"报告成"已经交付"。

---

四、已经覆盖了哪些能力

项目目前覆盖的主干能力包括：

1. 零件与特征建模

• 草图、拉伸、旋转、圆角、倒角、阵列；
• 真实攻丝语义的 M3 / M4 / M5 / M6 / M8 螺纹孔；
• CNC 安装座中的语义选边、可变半径、Full Round、Setback、G2 组合；
• 参数驱动的标准渐开线直齿轮实体；
• 配置创建、切换、尺寸与属性管理。

2. 装配体与运动

• 组件插入、固定与常用 Mate；
• 干涉检查、爆炸视图；
• Motion Study 与恒速旋转马达；
• Pack and Go 基础回归与引用清单。

3. 工程图与交付

• 第一角投影、三视图、等轴测图、剖视图；
• 尺寸链、孔表、BOM；
• SLDPRT、SLDASM、SLDDRW、STEP、STL、IGES、PDF、DXF 等导出；
• 使用 PyMuPDF 检查 PDF 中真实的文字边界和明显重叠。

4. 开放格式与高级能力

• 无 SolidWorks 环境下，通过 OCCT / OCP 写入 STEP、IGES、BREP、STL、OBJ、GLB；
• DXF、SVG、PDF、PNG 的二维无头输出；
• CalculiX 线性静力、受限非线性、面接触与网格收敛序列；
• 受控的曲面 Loft、Sweep、Knit、Thicken；
• 钣金、焊件、Routing、DFM 等试点工作流。

桌面端不仅展示结果，也显式呈现参数、检查状态和复核门禁。

---

五、一个有代表性的真机案例：复杂测试件工程图

仓库中的复杂工程图案例并非概念动画。

solidworks-engineering-drawing 子技能在 SolidWorks 2026 SP01.1 中读取 NIST 公共领域复杂测试件，核对 141.421 × 141.421 × 17 mm 包围盒，并生成：

• 原生 SLDPRT；
• 原生 SLDDRW；
• 可交付 PDF；
• evidence/review JSON 结构化证据。

工程图包含标准视图、等轴测图、A-A 剖视和 10 个必需尺寸。当前相关定向测试为 70 项通过，实验产物的 PDF 可提取文字边界为 0 重叠。

从原生零件到工程图、PDF 与结构化审查证据，所有环节都保留可复核产物。

需要强调的是：工程图能力当前仍属于 pilot。自动检查可以发现缺失输出和明显碰撞，但图框、尺寸链、孔表和制造语义仍要求工程师最终目视确认。

这不是"能力不足的免责声明"，而是工程自动化应有的责任边界。

---

六、最快的接入方式

方式 A：作为 Skill 安装

npx github:wzyn20051216/solidworks-automation-skill

如果客户端支持直接导入 Skill，也可以使用：

claude skill add https://github.com/wzyn20051216/solidworks-automation-skill

方式 B：通过 Smithery 安装 MCP

npm install -g @smithery/cli
smithery mcp add wzyn20051216/solidworks-automation-skill --client codex --config '{}'

安装后建议先执行健康检查：

solidworks_health_check

方式 C：手动克隆

git clone https://github.com/wzyn20051216/solidworks-automation-skill.git
cd solidworks-automation-skill
python -m pip install -r requirements.txt
python scripts/cad_studio.py doctor

不要一开始就安装所有可选依赖。先根据任务运行 doctor，再按 remediations 补齐 SolidWorks、AutoCAD、OCP、CalculiX 或网格转换环境，维护成本会低很多。

---

七、最小 Python 示例

下面这段代码会连接 SolidWorks，新建零件，在前视基准面画一个矩形并拉伸 10 mm：

import sys

sys.path.insert(0, r"./scripts")

from sw_preflight import run_preflight
from sw_connect import connect_solidworks, mm, new_document
from sw_part import start_sketch, sketch_rectangle, end_sketch, extrude_boss

run_preflight()

sw, _ = connect_solidworks()
model = new_document(sw, "part")

start_sketch(model, "Front Plane")
sketch_rectangle(model, 0, 0, mm(50), mm(30))
sketch_name = end_sketch(model)

extrude_boss(model, sketch_name, mm(10))

print("零件创建完成")

mm() 并不是装饰函数。SolidWorks API 以米作为基本长度单位，把毫米需求显式转换，是避免"模型生成了，但缩放错了 1000 倍"的第一道防线。

---

八、自然语言真正应该驱动什么

安装完成后，用户可以给代理这样的任务：

用 SolidWorks 新建一个 120 × 80 × 10 mm 的安装板，
四角各打一个 φ6 通孔，孔中心距两侧边均为 10 mm；
保存为 plate.sldprt，导出 STEP，
并生成四视图预览和 review_report.json。

一个可靠代理不应立刻"凭感觉开画"，而应依次完成：

1. 解析尺寸、基准和制造语义；
2. 检查环境、版本和目标格式；
3. 选择已验证的建模路径；
4. 创建、重建并保存原生文件；
5. 导出中性格式；
6. 回读包围盒、特征或 B-Rep；
7. 生成多视角预览和审查报告；
8. 对无法自动确认的项目保留人工门禁。

这也是 VibeCAD 子技能存在的意义：让"自然语言"先变成一份可检查的参数化设计计划，再变成软件动作。

项目从"能运行的自动化脚本"逐步走向"可管理、可复核、可交付的本地工程工作台"。

---

九、项目适合哪些人

如果你属于下面几类用户，这个项目可能值得关注：

• 希望用 Python / C# 自动化 SolidWorks 的机械工程师；
• 正在开发 CAD Agent、工业 Copilot 或本地 MCP 工具的 AI 工程师；
• 需要批量建模、批量导出、工程图生成与自动复核的团队；
• 希望研究"AI 如何进入真实桌面工程软件"的开发者；
• 想为中文机械设计工作流补齐 GB/T 图纸、孔表、尺寸链与制造审查的人。

当然，它并不适合把 AI 输出直接当作安全认证结论。涉及承载、疲劳、接触、材料失效、模具与 Class-A 曲面时，仍应由具备资质的工程师完成最终判断。

---

十、开源意味着一起把边界做实

SolidWorks Automation Skill 采用 MIT License。

我更希望它成为一个可被验证、被质疑、被扩展的工程自动化底座，而不是一次性的演示项目。欢迎大家：

• Star 项目，关注后续真机回归；
• 提交 Issue，报告具体版本、语言环境和复现步骤；
• 贡献新的稳定 API 封装、测试件和审查规则；
• 一起完善钣金、焊件、工程图、装配、FEA 与开放格式后端。

GitHub：https://github.com/wzyn20051216/solidworks-automation-skill

如果你也在做 SolidWorks 自动化、AI CAD、MCP 或智能制造，欢迎在评论区交流你的真实场景。工程自动化的下一步，不是让 AI "画得更像"，而是让每一次生成都有依据、有产物、有边界、有责任人。