简介这份文档面向产品设计专业学生、工业设计从业者及Rhino软件使用者系统梳理AI技术在产品造型设计中的落地路径帮助读者理解如何将生成式对抗网络、风格迁移、遗传算法、拓扑优化等前沿方法融入Rhino设计流程。资源包为单个docx文档约110KB内容按章节组织涵盖研究背景、理论与技术基础、AI辅助概念设计、造型优化、工程图生成、渲染与可视化以及智能家电、汽车零部件、家具三个完整创新实践案例并附应用挑战与展望。已有59人学习。读者可从中获得从需求解析、草图生成到工程图输出与渲染呈现的全链路方法参考理解AI在提升设计效率与创新性上的具体切入点适合作为课程作业、课题研究或设计实践的理论与案例素材。1. Rhino 造型设计师的 AI 副驾从“手工建模”到“对话式生成”的落地路径Rhino 在产品造型设计里一直是“精确曲面 参数化”的代名词但真正做过项目的人都清楚从草图到可交付的 NURBS 模型中间有大量重复劳动调控制点、重建曲面、批量倒角、按尺寸表改规格。AI 技术在这里的价值不是替代设计师而是把“重复决策”和“参数试错”这两件事接过去。我这两年陆续把 AI 接进 Rhino 工作流最直接的感受是造型阶段的前 30% 时间被压缩了尤其是形态探索和变体生成。这篇笔记面向的是已经在用 Rhino、Grasshopper想把手里的模型资产和 AI 能力接起来的产品设计师与结构工程师。下面按“能跑通的最小闭环 → 参数怎么设 → 坑在哪 → 怎么验证”的顺序讲每一步都给出可复现的命令和脚本。2. 把 AI 接进 Rhino 的三条技术路线RhinoCommon、Grasshopper 与外部服务2.1 为什么优先选 RhinoCommon Python而不是纯 GH 插件Rhino 的二次开发入口主要有三个RhinoCommon.NET API、Grasshopper 组件、以及 RhinoScript/Python。做 AI 集成时我一般会选 RhinoCommon 的 Python 绑定rhinoscriptsyntax或直接Rhino.Geometry原因是它能在不打开 GH 的情况下批量处理几何适合把 AI 输出的参数直接写成模型。GH 更适合做形态逻辑的可视化调试但一旦涉及调用外部模型接口、处理 JSON 返回、做异步请求GH 的电池图会迅速变成一团乱麻。常见做法是AI 负责“出参数和语义”Rhino 负责“把参数变成几何”。比如让大模型根据一段文字描述输出一组控制点坐标或曲面阶数再用 Python 脚本在 Rhino 里生成。这样职责清晰也方便单独测试每一段。2.2 最小闭环用 Python 在 Rhino 里根据 AI 返回的 JSON 生成曲面先跑通一个不依赖任何外部服务的本地闭环假设 AI 已经返回了一段描述曲面的 JSON我们把它变成 Rhino 里的 NURBS 曲面。打开 Rhino 的 ScriptEditorRhino 8 自带Rhino 7 用EditPythonScript粘贴以下代码import rhinoscriptsyntax as rs import json # 模拟 AI 返回的结构化参数一个 3x3 控制点网格 阶数 ai_response { degree_u: 3, degree_v: 3, points: [ [[0,0,0],[10,0,2],[20,0,0]], [[0,10,3],[10,10,8],[20,10,3]], [[0,20,0],[10,20,2],[20,20,0]] ] } data json.loads(ai_response) pts data[points] # 展平为 rs.AddSrfControlPtGrid 需要的格式 control_points [pt for row in pts for pt in row] count_u len(pts) count_v len(pts[0]) surface rs.AddSrfControlPtGrid( (count_u, count_v), control_points, degree(data[degree_u], data[degree_v]) ) if surface: rs.ObjectColor(surface, (0, 150, 255)) print(曲面已生成GUID:, surface)这段代码的逻辑是AI 只负责给出阶数和控制点坐标Rhino 用AddSrfControlPtGrid直接建面。参数说明degree_u和degree_v决定曲面连续性产品造型里常用 3 阶G2 连续如果做硬边转折可以降到 1 或 2控制点数量决定曲面自由度3x3 是最小可编辑单元实际项目里我一般控制在 5x5 到 7x7再多就交给细分工具了。提示Rhino 8 的 ScriptEditor 支持直接运行 Python 3Rhino 7 默认是 IronPython 2.7json库用法一致但字符串处理要注意编码。2.3 接入外部 AI 服务时的请求封装与超时处理当 AI 能力来自外部接口时Rhino 端要做的不只是发请求还要处理网络抖动和超时。我一般会把请求封装成一个独立函数设置 8 秒超时失败时回退到本地默认参数避免整个建模流程卡死。下面是一个用urllib的示例不依赖第三方库Rhino 环境直接能跑import urllib.request import json def fetch_ai_params(prompt, timeout8): url https://your-ai-endpoint/v1/params # 替换为实际服务地址 payload json.dumps({prompt: prompt, schema: surface_v1}).encode(utf-8) req urllib.request.Request(url, datapayload, headers{Content-Type: application/json}) try: with urllib.request.urlopen(req, timeouttimeout) as resp: return json.loads(resp.read().decode(utf-8)) except Exception as e: print(AI 请求失败回退默认参数:, e) return {degree_u: 3, degree_v: 3, points: [[[0,0,0],[10,0,0]],[[0,10,0],[10,10,0]]]}参数说明timeout设 8 秒是经验值超过这个时间设计师的等待感会明显变差schema字段用来约束 AI 返回的结构避免它自由发挥导致解析失败。回退参数不要随便写最好用上一次成功的结果或项目默认值这样即使 AI 挂了建模流程还能继续。3. 产品造型场景下的 AI 参数化从语义到 NURBS 的映射方法3.1 把“圆润一点”“硬朗一些”翻译成可调参数产品造型里设计师的反馈往往是形容词AI 要做的第一件事是把形容词映射到数值区间。我一般会建一张映射表把常见语义对应到曲面的阶数、控制点权重、倒角半径这几个参数上。这张表不需要很复杂但必须和你的建模习惯一致。语义描述阶数建议控制点密度倒角半径系数适用品类圆润、亲和35x50.8~1.2消费电子、家居硬朗、科技感24x40.2~0.4工具、设备外壳流线、运动36x60.5~0.8交通工具、穿戴极简、几何13x30.1~0.2灯具、配件这张表的使用方式是AI 解析用户输入后先匹配语义类别再输出对应参数。实际项目里我会把这张表存成 JSON让 AI 直接引用而不是每次重新推理。这样做的另一个好处是参数可追溯设计师觉得不对可以直接改表不用重新训练模型。3.2 用 Grasshopper 做变体生成一次出 20 个方案再筛选单次生成一个曲面意义不大产品造型前期需要的是变体。我的做法是在 GH 里搭一个参数扫描的电池组把 AI 输出的参数范围作为输入批量生成 20 到 30 个变体再用简单的评价函数曲率连续性、最小壁厚、包围盒尺寸做初筛。下面是一个用 GH Python 电池做批量生成的简化逻辑import Rhino.Geometry as rg import random # 输入AI 给出的参数范围 u_range (3, 7) v_range (3, 7) z_jitter (0.0, 3.0) results [] for i in range(20): nu random.randint(*u_range) nv random.randint(*v_range) pts [] for u in range(nu): row [] for v in range(nv): x u * 10.0 y v * 10.0 z random.uniform(*z_jitter) row.append(rg.Point3d(x, y, z)) pts.append(row) # 用控制点网格建面阶数取 3 srf rg.NurbsSurface.CreateFromPoints( [pt for row in pts for pt in row], nu, nv, 3, 3) if srf: results.append(srf) a results逻辑说明CreateFromPoints是 RhinoCommon 里更底层的建面方法比rhinoscriptsyntax更适合在 GH 里用。参数说明u_range和v_range控制控制点数量范围z_jitter控制曲面起伏程度产品造型里一般不超过 3mm否则曲面会显得“软塌”。生成 20 个变体后我会用 GH 的Preview快速过一遍挑 3 到 5 个进入下一轮细化。3.3 把筛选结果回写为 Rhino 图层和命名规范批量生成后如果不做整理模型会变成一团乱麻。我习惯在生成时就把每个变体写到独立图层命名规则是AI_Variant_序号_参数摘要比如AI_Variant_03_u5v5_z2.1。这样后续在 Rhino 里对比时可以直接按图层开关也方便把选中的方案导出给结构同事。回写图层的代码很简单但这一步不做后面返工的时间会翻倍import rhinoscriptsyntax as rs def bake_with_layer(geo_id, index, nu, nv, z_amp): layer_name AI_Variant_{:02d}_u{}v{}_z{:.1f}.format(index, nu, nv, z_amp) if not rs.IsLayer(layer_name): rs.AddLayer(layer_name) rs.ObjectLayer(geo_id, layer_name)参数说明index用两位数补零保证排序正确z_amp保留一位小数避免图层名过长。这个习惯看起来琐碎但当你一天生成上百个变体时命名规范就是后悔药。4. 避坑与排查AI 接 Rhino 时最容易翻车的 5 个地方4.1 现象AI 返回的 JSON 解析失败脚本直接中断原因大模型输出不稳定有时会在 JSON 前后加解释性文字或者把数字写成字符串。解决在解析前先做一次清洗用正则提取第一个{到最后一个}之间的内容再尝试json.loads。如果还失败就回退到默认参数不要让异常抛到 Rhino 主线程。4.2 现象生成的曲面扭曲、自交完全不能用原因控制点顺序和count_u、count_v不匹配。AddSrfControlPtGrid要求点按行优先展平如果 AI 返回的是列优先曲面就会拧成麻花。解决在脚本里加一步校验检查len(control_points) count_u * count_v并且打印前几个点的坐标确认方向一致。我一般会固定让 AI 按行优先输出并在 prompt 里写死这个约定。4.3 现象Rhino 界面卡死提示“无响应”原因在 Rhino 主线程里做同步网络请求或者循环生成变体时没有分批。解决把网络请求放到独立线程或者用rs.EnableRedraw(False)在批量生成时关闭重绘生成完再打开。批量数量超过 50 个时建议分 3 批每批之间rs.Sleep(100)让界面喘口气。4.4 现象AI 给出的参数在 Rhino 里建不出面返回 None原因阶数大于控制点数减 1比如 3 阶曲面至少需要 4 个控制点如果 AI 给了 3x3 网格加 3 阶就会失败。解决在脚本里加约束degree_u min(degree_u, count_u - 1)degree_v同理。这个校验必须做因为 AI 不懂 NURBS 的数学约束。4.5 现象同一段 prompt 两次生成结果差异巨大原因AI 服务的温度参数temperature设得太高或者没有固定随机种子。解决在请求里显式传temperature: 0.2和seed如果服务不支持 seed就在本地把第一次成功的结果缓存下来后续相同 prompt 直接读缓存。产品造型需要的是可控的变体不是随机抽奖。5. 验证 AI 生成结果是否可用的三个硬指标5.1 曲率连续性检查用 Rhino 自带工具做 G0/G1/G2 判定AI 生成的曲面不能只看形状还要看连续性。我一般用CurvatureGraph和Zebra两个命令做快速检查。Zebra 条纹如果出现断裂或急转说明只是 G0 连续产品外观件上这种面基本不可用。更严格的做法是用GCon工具检测边缘连续性G2 以上才允许进入下一轮。这一步不能省因为 AI 不懂“这个面要和相邻面平滑过渡”。5.2 最小壁厚与拔模角用 Grasshopper 做批量检测外观通过后结构可行性要跟上。我会在 GH 里搭一个检测电池组对每个变体做最小壁厚和拔模角扫描。壁厚小于 1.2mm 的区域标红拔模角小于 1.5 度的面标黄。这个检测不需要很精确但能快速筛掉明显不可制造的方案。AI 生成的是造型不是工程模型这一步是把造型拉回现实。5.3 参数可追溯每次生成都写日志方便回滚最后一个习惯是写日志。每次调用 AI 生成都把 prompt、返回参数、生成时间、Rhino 文件版本写到一个 CSV 里。这样做的好处是当设计师说“上周那个圆润一点的方案”时你能在 30 秒内找回来。日志字段我一般保留时间戳、prompt 摘要、degree_u、degree_v、控制点数、是否通过连续性检查。这个习惯看起来和 AI 无关但它是整个工作流能持续迭代的基础。我自己的教训是早期太相信 AI 的“一次成型”结果生成了一堆好看但没法制造的面返工时间比手工建模还长。后来把验证环节前置先过连续性再过壁厚效率才真正起来。希望帮到你。本文还有配套的精品资源点击获取
Rhino 造型设计 AI 副驾：对话式生成 NURBS 曲面实战
简介这份文档面向产品设计专业学生、工业设计从业者及Rhino软件使用者系统梳理AI技术在产品造型设计中的落地路径帮助读者理解如何将生成式对抗网络、风格迁移、遗传算法、拓扑优化等前沿方法融入Rhino设计流程。资源包为单个docx文档约110KB内容按章节组织涵盖研究背景、理论与技术基础、AI辅助概念设计、造型优化、工程图生成、渲染与可视化以及智能家电、汽车零部件、家具三个完整创新实践案例并附应用挑战与展望。已有59人学习。读者可从中获得从需求解析、草图生成到工程图输出与渲染呈现的全链路方法参考理解AI在提升设计效率与创新性上的具体切入点适合作为课程作业、课题研究或设计实践的理论与案例素材。1. Rhino 造型设计师的 AI 副驾从“手工建模”到“对话式生成”的落地路径Rhino 在产品造型设计里一直是“精确曲面 参数化”的代名词但真正做过项目的人都清楚从草图到可交付的 NURBS 模型中间有大量重复劳动调控制点、重建曲面、批量倒角、按尺寸表改规格。AI 技术在这里的价值不是替代设计师而是把“重复决策”和“参数试错”这两件事接过去。我这两年陆续把 AI 接进 Rhino 工作流最直接的感受是造型阶段的前 30% 时间被压缩了尤其是形态探索和变体生成。这篇笔记面向的是已经在用 Rhino、Grasshopper想把手里的模型资产和 AI 能力接起来的产品设计师与结构工程师。下面按“能跑通的最小闭环 → 参数怎么设 → 坑在哪 → 怎么验证”的顺序讲每一步都给出可复现的命令和脚本。2. 把 AI 接进 Rhino 的三条技术路线RhinoCommon、Grasshopper 与外部服务2.1 为什么优先选 RhinoCommon Python而不是纯 GH 插件Rhino 的二次开发入口主要有三个RhinoCommon.NET API、Grasshopper 组件、以及 RhinoScript/Python。做 AI 集成时我一般会选 RhinoCommon 的 Python 绑定rhinoscriptsyntax或直接Rhino.Geometry原因是它能在不打开 GH 的情况下批量处理几何适合把 AI 输出的参数直接写成模型。GH 更适合做形态逻辑的可视化调试但一旦涉及调用外部模型接口、处理 JSON 返回、做异步请求GH 的电池图会迅速变成一团乱麻。常见做法是AI 负责“出参数和语义”Rhino 负责“把参数变成几何”。比如让大模型根据一段文字描述输出一组控制点坐标或曲面阶数再用 Python 脚本在 Rhino 里生成。这样职责清晰也方便单独测试每一段。2.2 最小闭环用 Python 在 Rhino 里根据 AI 返回的 JSON 生成曲面先跑通一个不依赖任何外部服务的本地闭环假设 AI 已经返回了一段描述曲面的 JSON我们把它变成 Rhino 里的 NURBS 曲面。打开 Rhino 的 ScriptEditorRhino 8 自带Rhino 7 用EditPythonScript粘贴以下代码import rhinoscriptsyntax as rs import json # 模拟 AI 返回的结构化参数一个 3x3 控制点网格 阶数 ai_response { degree_u: 3, degree_v: 3, points: [ [[0,0,0],[10,0,2],[20,0,0]], [[0,10,3],[10,10,8],[20,10,3]], [[0,20,0],[10,20,2],[20,20,0]] ] } data json.loads(ai_response) pts data[points] # 展平为 rs.AddSrfControlPtGrid 需要的格式 control_points [pt for row in pts for pt in row] count_u len(pts) count_v len(pts[0]) surface rs.AddSrfControlPtGrid( (count_u, count_v), control_points, degree(data[degree_u], data[degree_v]) ) if surface: rs.ObjectColor(surface, (0, 150, 255)) print(曲面已生成GUID:, surface)这段代码的逻辑是AI 只负责给出阶数和控制点坐标Rhino 用AddSrfControlPtGrid直接建面。参数说明degree_u和degree_v决定曲面连续性产品造型里常用 3 阶G2 连续如果做硬边转折可以降到 1 或 2控制点数量决定曲面自由度3x3 是最小可编辑单元实际项目里我一般控制在 5x5 到 7x7再多就交给细分工具了。提示Rhino 8 的 ScriptEditor 支持直接运行 Python 3Rhino 7 默认是 IronPython 2.7json库用法一致但字符串处理要注意编码。2.3 接入外部 AI 服务时的请求封装与超时处理当 AI 能力来自外部接口时Rhino 端要做的不只是发请求还要处理网络抖动和超时。我一般会把请求封装成一个独立函数设置 8 秒超时失败时回退到本地默认参数避免整个建模流程卡死。下面是一个用urllib的示例不依赖第三方库Rhino 环境直接能跑import urllib.request import json def fetch_ai_params(prompt, timeout8): url https://your-ai-endpoint/v1/params # 替换为实际服务地址 payload json.dumps({prompt: prompt, schema: surface_v1}).encode(utf-8) req urllib.request.Request(url, datapayload, headers{Content-Type: application/json}) try: with urllib.request.urlopen(req, timeouttimeout) as resp: return json.loads(resp.read().decode(utf-8)) except Exception as e: print(AI 请求失败回退默认参数:, e) return {degree_u: 3, degree_v: 3, points: [[[0,0,0],[10,0,0]],[[0,10,0],[10,10,0]]]}参数说明timeout设 8 秒是经验值超过这个时间设计师的等待感会明显变差schema字段用来约束 AI 返回的结构避免它自由发挥导致解析失败。回退参数不要随便写最好用上一次成功的结果或项目默认值这样即使 AI 挂了建模流程还能继续。3. 产品造型场景下的 AI 参数化从语义到 NURBS 的映射方法3.1 把“圆润一点”“硬朗一些”翻译成可调参数产品造型里设计师的反馈往往是形容词AI 要做的第一件事是把形容词映射到数值区间。我一般会建一张映射表把常见语义对应到曲面的阶数、控制点权重、倒角半径这几个参数上。这张表不需要很复杂但必须和你的建模习惯一致。语义描述阶数建议控制点密度倒角半径系数适用品类圆润、亲和35x50.8~1.2消费电子、家居硬朗、科技感24x40.2~0.4工具、设备外壳流线、运动36x60.5~0.8交通工具、穿戴极简、几何13x30.1~0.2灯具、配件这张表的使用方式是AI 解析用户输入后先匹配语义类别再输出对应参数。实际项目里我会把这张表存成 JSON让 AI 直接引用而不是每次重新推理。这样做的另一个好处是参数可追溯设计师觉得不对可以直接改表不用重新训练模型。3.2 用 Grasshopper 做变体生成一次出 20 个方案再筛选单次生成一个曲面意义不大产品造型前期需要的是变体。我的做法是在 GH 里搭一个参数扫描的电池组把 AI 输出的参数范围作为输入批量生成 20 到 30 个变体再用简单的评价函数曲率连续性、最小壁厚、包围盒尺寸做初筛。下面是一个用 GH Python 电池做批量生成的简化逻辑import Rhino.Geometry as rg import random # 输入AI 给出的参数范围 u_range (3, 7) v_range (3, 7) z_jitter (0.0, 3.0) results [] for i in range(20): nu random.randint(*u_range) nv random.randint(*v_range) pts [] for u in range(nu): row [] for v in range(nv): x u * 10.0 y v * 10.0 z random.uniform(*z_jitter) row.append(rg.Point3d(x, y, z)) pts.append(row) # 用控制点网格建面阶数取 3 srf rg.NurbsSurface.CreateFromPoints( [pt for row in pts for pt in row], nu, nv, 3, 3) if srf: results.append(srf) a results逻辑说明CreateFromPoints是 RhinoCommon 里更底层的建面方法比rhinoscriptsyntax更适合在 GH 里用。参数说明u_range和v_range控制控制点数量范围z_jitter控制曲面起伏程度产品造型里一般不超过 3mm否则曲面会显得“软塌”。生成 20 个变体后我会用 GH 的Preview快速过一遍挑 3 到 5 个进入下一轮细化。3.3 把筛选结果回写为 Rhino 图层和命名规范批量生成后如果不做整理模型会变成一团乱麻。我习惯在生成时就把每个变体写到独立图层命名规则是AI_Variant_序号_参数摘要比如AI_Variant_03_u5v5_z2.1。这样后续在 Rhino 里对比时可以直接按图层开关也方便把选中的方案导出给结构同事。回写图层的代码很简单但这一步不做后面返工的时间会翻倍import rhinoscriptsyntax as rs def bake_with_layer(geo_id, index, nu, nv, z_amp): layer_name AI_Variant_{:02d}_u{}v{}_z{:.1f}.format(index, nu, nv, z_amp) if not rs.IsLayer(layer_name): rs.AddLayer(layer_name) rs.ObjectLayer(geo_id, layer_name)参数说明index用两位数补零保证排序正确z_amp保留一位小数避免图层名过长。这个习惯看起来琐碎但当你一天生成上百个变体时命名规范就是后悔药。4. 避坑与排查AI 接 Rhino 时最容易翻车的 5 个地方4.1 现象AI 返回的 JSON 解析失败脚本直接中断原因大模型输出不稳定有时会在 JSON 前后加解释性文字或者把数字写成字符串。解决在解析前先做一次清洗用正则提取第一个{到最后一个}之间的内容再尝试json.loads。如果还失败就回退到默认参数不要让异常抛到 Rhino 主线程。4.2 现象生成的曲面扭曲、自交完全不能用原因控制点顺序和count_u、count_v不匹配。AddSrfControlPtGrid要求点按行优先展平如果 AI 返回的是列优先曲面就会拧成麻花。解决在脚本里加一步校验检查len(control_points) count_u * count_v并且打印前几个点的坐标确认方向一致。我一般会固定让 AI 按行优先输出并在 prompt 里写死这个约定。4.3 现象Rhino 界面卡死提示“无响应”原因在 Rhino 主线程里做同步网络请求或者循环生成变体时没有分批。解决把网络请求放到独立线程或者用rs.EnableRedraw(False)在批量生成时关闭重绘生成完再打开。批量数量超过 50 个时建议分 3 批每批之间rs.Sleep(100)让界面喘口气。4.4 现象AI 给出的参数在 Rhino 里建不出面返回 None原因阶数大于控制点数减 1比如 3 阶曲面至少需要 4 个控制点如果 AI 给了 3x3 网格加 3 阶就会失败。解决在脚本里加约束degree_u min(degree_u, count_u - 1)degree_v同理。这个校验必须做因为 AI 不懂 NURBS 的数学约束。4.5 现象同一段 prompt 两次生成结果差异巨大原因AI 服务的温度参数temperature设得太高或者没有固定随机种子。解决在请求里显式传temperature: 0.2和seed如果服务不支持 seed就在本地把第一次成功的结果缓存下来后续相同 prompt 直接读缓存。产品造型需要的是可控的变体不是随机抽奖。5. 验证 AI 生成结果是否可用的三个硬指标5.1 曲率连续性检查用 Rhino 自带工具做 G0/G1/G2 判定AI 生成的曲面不能只看形状还要看连续性。我一般用CurvatureGraph和Zebra两个命令做快速检查。Zebra 条纹如果出现断裂或急转说明只是 G0 连续产品外观件上这种面基本不可用。更严格的做法是用GCon工具检测边缘连续性G2 以上才允许进入下一轮。这一步不能省因为 AI 不懂“这个面要和相邻面平滑过渡”。5.2 最小壁厚与拔模角用 Grasshopper 做批量检测外观通过后结构可行性要跟上。我会在 GH 里搭一个检测电池组对每个变体做最小壁厚和拔模角扫描。壁厚小于 1.2mm 的区域标红拔模角小于 1.5 度的面标黄。这个检测不需要很精确但能快速筛掉明显不可制造的方案。AI 生成的是造型不是工程模型这一步是把造型拉回现实。5.3 参数可追溯每次生成都写日志方便回滚最后一个习惯是写日志。每次调用 AI 生成都把 prompt、返回参数、生成时间、Rhino 文件版本写到一个 CSV 里。这样做的好处是当设计师说“上周那个圆润一点的方案”时你能在 30 秒内找回来。日志字段我一般保留时间戳、prompt 摘要、degree_u、degree_v、控制点数、是否通过连续性检查。这个习惯看起来和 AI 无关但它是整个工作流能持续迭代的基础。我自己的教训是早期太相信 AI 的“一次成型”结果生成了一堆好看但没法制造的面返工时间比手工建模还长。后来把验证环节前置先过连续性再过壁厚效率才真正起来。希望帮到你。本文还有配套的精品资源点击获取
