《AI CAD工具 之 Zoo 》

官网地址：https://zoo.dev/

一、CAD 行业背景与发展脉络

1.1 传统 CAD 的历史包袱

计算机辅助设计（CAD）行业的核心——几何引擎——在过去近四十年间几乎没有发生过根本性变革。目前主流 CAD 软件的底层几何内核仍以 1988 年发布的 Parasolid 和 1989 年发布的 ACIS 为主导。SolidWorks、Onshape、Shapr3D 等现代 CAD 工具实际上都包装着 20 世纪 80 年代末期的技术。这些传统引擎在设计之初就基于单核 CPU 的串行计算假设，其曲面与曲面相交（Surface/Surface Intersection, SSI）算法通过数千个 if/else 分支来处理边界情况，根本无法充分利用当代多核 CPU 和 GPU 的并行计算能力。

与此同时，CAD 行业还面临一系列结构性问题：

• 高昂的软件成本：高端 3D CAD/CAE 软件的订阅费用对中小企业构成沉重负担。
• 数据孤岛与协作瓶颈：工程团队在多个 CAD 工具、项目管理软件、BOM 表格之间来回切换，CAD 文件版本管理混乱，平均每周因协作问题损失约 7.1 小时的工作时间。
• 硬件门槛高：传统 CAD 对本地工作站性能要求极高，大型装配体的加载和编辑常常需要数分钟甚至更久。
• 可编程性差：虽然多数 CAD 软件提供宏录制或有限脚本支持，但缺乏真正 API 优先的设计理念，难以融入现代 DevOps 和自动化工作流。

1.2 Zoo 的诞生与使命

Zoo（前身为 KittyCAD）正是在这一背景下诞生的。公司由 Relativity Space 前 CTO 兼联合创始人 Jordan Noone 和 Oxide Computer Company 前首席产品官 Jessie Frazelle 共同创立，使命是“推动硬件设计行业进步，通过构建现代化软件来加速 CAD 工作流程，消除工程师的繁琐劳动”。

与任何现有 CAD 公司不同，Zoo 选择了一条彻底的道路：从零开始重写几何引擎、创建全新的编程语言（KCL）、构建原生的机器学习 API，并推出完全现代化的 CAD 应用程序——Zoo Design Studio。不到 30 名工程师，在两年多时间内，用远少于前人的资本完成了这一切。

二、Zoo 要解决的核心问题

Zoo 的出现并非为了“做另一个 SolidWorks”。它瞄准的是 CAD 行业的底层基础设施缺口：

• 算力瓶颈：传统几何引擎无法利用 GPU 并行计算，布尔运算、曲面相交等核心操作速度受限。Zoo 从第一性原理出发，将 SSI 数学问题重新设计为可在 GPU 上并行求解的形式。

• AI 无法真正用于工程 CAD：市面上大量“Text-to-CAD”或“文生 3D”工具输出的只是网格（Mesh）或点云，缺乏精确的拓扑信息和尺寸约束，无法直接用于 CNC 加工或工程分析。Zoo 的目标是生成真正的边界表示（B-rep）模型——每条边、每个面都携带精确的数学定义和公差信息。

• CAD 与开发工作流的割裂：机械工程师的日常工作很难像软件工程师那样实现自动化、版本控制和持续集成。Zoo 的 API 优先架构和 KCL 编程语言，将“代码即设计”的理念带入硬件设计领域。

• 入门门槛过高：传统 CAD 软件学习曲线陡峭。Zoo 通过自然语言交互（Text-to-CAD）、点选操作和代码编辑三者无缝切换的混合工作流，让不同技能水平的用户都能高效工作。

• 行业基础设施缺失：硬件设计领域缺少像软件行业那样丰富的开源工具和 API 生态。Zoo 的目标是成为“硬件设计的 AWS”——提供 GPU 加速的几何处理能力、云端流式传输、机器学习集成等底层服务，供开发者在其上构建自定义工具。

三、技术原理与架构

3.1 整体架构概览

Zoo 的技术栈可以划分为四个核心层次：

┌─────────────────────────────────────────────────────────┐
│                  Zoo Design Studio (桌面 / Web)           │
├─────────────────────────────────────────────────────────┤
│          Zookeeper (对话式 CAD Agent) · MCP Server        │
├─────────────────────────────────────────────────────────┤
│    KittyCAD API · ML-ephant API · KCL 编程语言            │
├─────────────────────────────────────────────────────────┤
│              Zoo Geometry Engine (GPU 原生)               │
└─────────────────────────────────────────────────────────┘

3.2 Zoo Geometry Engine（自研几何引擎）

这是 Zoo 最核心的技术资产。与传统 CAD 内核不同，Zoo 的几何引擎从零构建，原生支持 GPU 并行计算，且完全以 B-rep（Boundary Representation，边界表示）为数据模型。

B-rep 的关键特性：

• 精确性：曲线是真正的曲线，而非由微小直线段构成的近似值
• 可编辑性：调整圆角半径或孔尺寸只需更新一个参数，而非操作顶点网格
• 工作流兼容性：B-rep 是 CAD/CAM 工具的标准格式，可直接用于仿真和制造

传统引擎处理曲面相交依赖大量条件分支，而 Zoo 将其重构为并行化的求根问题，使其能够在现代 GPU 上高效运行。这一架构选择让不到 30 人的团队在不到两年内缩小了数十年的功能差距。

⚠️ 当前状态说明：几何引擎的核心功能（如基础实体建模、布尔运算、曲面相交）已实现，但仍处于持续完善阶段，部分高级曲面建模功能（如混合、修剪、分割）尚在开发中。

3.3 KittyCAD Design API（设计 API）

KittyCAD 是 Zoo 的设计 API，基于 REST 架构，使用标准 HTTP 方法、Bearer Token 认证和 JSON 格式的请求/响应体。它提供以下核心能力：

• 创建和编辑几何体
• CAD 文件格式转换
• AI 辅助设计工作流
• 账户和项目管理

KittyCAD 提供 Python、TypeScript、Go、Rust 四种官方客户端库。此外，建模 API 支持 WebSocket 连接，允许实时发送建模指令并获取结果。

3.4 KCL（KittyCAD Language）编程语言

KCL 是 Zoo 自研的 CAD 专用编程语言，用于参数化地定义几何体。它不同于传统脚本语言——KCL 代码本身就是模型的“源代码”，所有几何特征都以可读、可编辑的代码形式存在。

核心特性：

• 支持变量定义和参数化设计（修改一个变量，所有相关尺寸自动重新计算）
• 支持模块化（将代码拆分到多个文件，通过 export 和 import 共享函数）
• 支持并行处理（模块级并行编译执行）
• 完整的模式（Pattern）支持：圆形阵列和线性阵列
• 当你在 Zoo Design Studio 中通过 Text-to-CAD 输入提示词时，ML 模型实际输出的就是参数化 KCL 代码。

3.5 ML-ephant 机器学习 API

ML-ephant 是 Zoo 的机器学习 API，核心功能是 Text-to-CAD——将自然语言描述转换为可制造的 B-rep 模型。

技术流程：

• 语义解析：用户输入文本提示（如“发动机气门，长 120 毫米，头部 30 毫米，杆部 6 毫米”）
• 指令生成：ML-ephant 模型（针对机械设计语料微调的领域专用模型）将提示分解为结构化操作序列和参数字典
• KCL 代码输出：模型生成参数化 KCL 代码
• 几何执行：KittyCAD API 将 KCL 指令转化为引擎可执行的几何操作，最终生成 B-rep 模型

Text-to-CAD 的 KCL 生成错误率已从初始的 50% 降至约 16%，Zoo 仍在持续优化。

3.6 Zookeeper 对话式 CAD Agent

Zookeeper 是 Zoo Design Studio 内置的对话式 CAD 设计 Agent，于 2026 年 1 月随 Zoo Design Studio v1.1 发布。它利用 LLM 通过自然语言交互来生成和修改 CAD 模型，能够创建新模型、检查现有项目、理解用户选中的几何元素、回答问题，甚至执行设计评审。

Zookeeper 的核心是“Agent”模式——一个能够循环使用工具的 ML 模型。它通过增量式的结构化自然语言指令来创建和编辑真实的参数化 CAD 几何体。

3.7 Zoo MCP Server

Zoo 还构建了 MCP（Model Context Protocol）服务器，允许 AI 工具（如 Claude Desktop 等）直接调用 Zoo 的 API 能力。目前 MCP 提供两项核心功能：创建新的 CAD 模型和编辑现有模型。

四、主要功能与能力（结构化）

4.1 已实现功能

🔹 建模功能

🔹 AI 功能

🔹 编程与 API

🔹 平台与协作

4.2 未来愿景（Roadmap）

以下功能在官方路线图中明确提及，但尚未完全实现：

• Image-to-CAD：从图像生成 CAD 模型（已在 Zookeeper 中实验性支持）
• 高级曲面建模：混合（Blends）、修剪（Trims）、分割（Splits）等曲面操作
• 更多 GD&T 功能：扩展几何尺寸与公差标注类型
• 复杂装配体支持：当前对多零件间运动约束和装配顺序的理解仍有限
• 持续降低 Text-to-CAD 错误率：从 16% 继续向更低目标优化

五、实际应用场景与优缺点分析

5.1 典型应用场景

① 快速原型设计

• 场景：产品设计师在概念阶段需要快速探索多种形态变体
• 方式：通过 Text-to-CAD 输入描述性文本，几分钟内生成可编辑的 B-rep 模型

② 自动化设计生成

• 场景：工程团队需要批量生成数千种尺寸变体用于测试或定制
• 方式：使用 KCL 编写参数化程序，或通过 API 批量调用生成

③ 自定义 CAD 工具开发

• 场景：硬件设计公司需要构建适配自身产品线的专用设计工具
• 方式：基于 Zoo 的 API 基础设施和开源组件构建

④ 制造准备

• 场景：从设计到 CNC 加工或 3D 打印的最后一公里
• 方式：导出 STEP 格式至专业 CAM 软件，或直接导出 STL 进行 3D 打印

⑤ AI 增强的工程协作

• 场景：非 CAD 专家（如项目经理、采购人员）需要理解和修改设计
• 方式：通过 Zookeeper 自然语言对话进行设计评审和修改

5.2 优势

5.3 局限与不足

六、完整使用流程

6.1 准备工作

• 1. 注册账号并获取 API Token
     访问 zoo.dev 创建账户，然后进入 Account Settings → API Tokens 生成你的 API Token。
• 2. 安装 Zoo Design Studio
     下载适用于你操作系统的桌面应用（Windows/macOS/Linux），或直接使用 Web 版本进行测试。
• 3. 安装 Python SDK（如需编程）
     pip install kittycad

6.2 方式一：通过 Zoo Design Studio 界面建模

打开 Zoo Design Studio

选择建模方式：

• 点选建模：使用左侧工具栏进行 2D 草图绘制、拉伸、旋转等操作

• Text-to-CAD：在 AI 面板输入文本描述生成模型

• KCL 编辑器：直接编写 KCL 代码定义几何体

导出为所需格式（STEP、STL 等）

6.3 方式二：通过 API 编程（Python 示例）

示例 1：验证 API 连接

import requests

API_TOKEN = "your-api-token-here"

headers = {
   
   
    "Authorization": f"Bearer {
     
     API_TOKEN}"
}

response = requests.get("https://api.zoo.dev/user", headers=headers)
print(response.json())  # 返回用户信息，表示连接成功

七、API 编程（Python 示例）实战，实现一个文本-CAD生成项目

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Zoo ML API - 文本生成 CAD 模型（精简版 - 同步模式）
功能：
- 输入自然语言描述，生成 3D 模型（STEP/STL/OBJ 格式）
- 直接获取并预览模型（无需轮询）
- 支持保存模型文件
"""

import sys
import os
import json
import tempfile
import base64
import requests
from datetime import datetime

from PyQt5.QtWidgets import (
    QApplication, QMainWindow, QWidget, QVBoxLayout, QHBoxLayout,
    QLabel, QLineEdit, QPushButton, QTextEdit, QFileDialog, QFrame,
    QProgressBar, QMessageBox, QComboBox
)
from PyQt5.QtCore import Qt, QThread, pyqtSignal

# 抑制弃用警告
import warnings
warnings.filterwarnings("ignore", category=DeprecationWarning)

# PythonOCC 导入
from OCC.Core.STEPControl import STEPControl_Reader
from OCC.Display.backend import load_backend

load_backend("pyqt5")
from OCC.Display.qtDisplay import qtViewer3d

# ==================== 配置 ====================
API_TOKEN = "xxx"          # 请填入您的 Zoo API Token
BASE_URL = "https://api.zoo.dev/"

# ==================== API 客户端 ====================
class ZooMLClient:
    def __init__(self, base_url=BASE_URL, token=API_TOKEN):
        self.base_url = base_url.rstrip('/')
        self.token = token
        self.session = requests.Session()
        if token:
            self.session.headers.update({
   
   "Authorization": f"Bearer {
     
     token}"})
        self.session.headers.update({
   
   "Content-Type": "application/json"})

    def text_to_cad(self, prompt, output_format="step", poll_interval=2, max_retries=120, progress_callback=None):
        """
        生成 CAD 模型，返回文件的二进制数据。
        如果 API 返回任务元信息（异步），则会轮询直到任务完成。
        """
        url = f"{
     
     self.base_url}/ai/text-to-cad/{
     
     output_format}"
        payload = {
   
   "prompt": pro