这个 Skill 能做什么，适合哪些场景？
dfm 是 text-to-cad 技能库（共 13 个技能）中的一个，专注于对单个零件进行按工艺分类的 DFM 审查，覆盖钣金（折弯、释放槽、展开图）、CNC 机加工（刀具可达性、内角、深特征、装夹）和注塑（拔模角、倒扣、投影面积）三类工艺。它不是自动特征识别或制造认证引擎，而是引导式审查：先确定工艺，再按对应参考清单逐项核对，报告中区分 pass/fail/review/unverified 四种结论。注塑工艺附带一个测量脚本 mold_tool.py，可从网格实测拔模角、倒扣和投影面积；钣金和机加工则依赖 CAD 检查或用户提供的尺寸。
- 读取零件（STEP/B-rep 优先，网格或截图次之）并确认工艺（钣金 / CNC / 注塑，可多工艺对比）
- 按所选工艺读取对应参考清单（sheet-metal.md、cnc.md、injection-molding.md）逐项检查
- 注塑工艺运行 scripts/mold_tool.py 实测拔模角、倒扣和投影面积（仅报事实，不判 pass/fail）
- 采用用户供应商规范优先于通用经验值，并记录每条采纳规则的来源、版本、单位和适用条件
- 输出结构化 Markdown 报告：范围、逐条发现（证据/规则/结果/建议修改）、覆盖情况
- 如需改版，优先通过 $cad 技能修改源文件并复检受影响的相邻特征
- 机械工程师在把钣金件发给加工厂前，让代理检查折弯半径、释放槽和展开图是否可行
- CNC 设计者想确认内角半径、深腔和刀具可达性是否符合车间规格
- 注塑件设计者需要实测拔模角、倒扣位置和投影面积，评估是否需要侧抽芯
- 采购或承包商在多个工艺（如机加工 vs 注塑）之间比较同一零件的可制造性
- 团队需要一份带证据和规则出处的正式 DFM 审查报告，而不是凭印象的口头判断
- 需要自动特征识别或一键制造认证的场合——本技能明确声明它不是这类引擎，只做引导式审查
- 增材制造（3D 打印）可制造性检查不在本技能范围内，应改用同库的 dfam-check 技能
- 没有可用几何数据（只有渲染图且无法补充尺寸）的用户——报告会大量留为 review/unverified，无法给出实测结论
如何安装这个 Skill？
- 静态评审，未执行脚本；测量精度声明（5% 曲面分位数、栅格分辨率）未经独立复现。
- 安装 text-to-cad 全家桶时默认开启遥测，如不需要请运行 `uvx cadgen telemetry off` 或设置 CADGEN_TELEMETRY=0。
- 测量脚本依赖 trimesh/numpy/rtree，需先安装 requirements.txt；技能本身未在证据中包含该文件内容。
- 所有工艺极限均来自供应商页面且可能变更，报告中的数值阈值必须按当期规格核对，勿当作通用物理极限。
- 境外参考网站（Hubs/Protolabs）从中国大陆访问可能不稳定，但仅为可选参考，不影响本地脚本运行。
- 技能无独立版本号或变更日志，升级需依赖仓库整体发布节奏。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3 (for scripts/mold_tool.py)requirements.txt dependenciesuv (via the text-to-cad plugin install)
本技能属于 earthtojake/text-to-cad 单仓库中的 13 个技能之一，需安装整个库后使用 skills/dfm。
Claude Code（插件方式，包含技能与 CAD 服务器）：
claude plugin marketplace add earthtojake/text-to-cad#latest
claude plugin install text-to-cad@earthtojakeSkills CLI（其他支持 skills 框架的代理）：
npx skills add earthtojake/text-to-cad#latest安装后若要使用注塑测量脚本，需先在技能目录安装 requirements.txt。
如何使用这个 Skill？
当用户询问零件能否折弯、机加工或注塑，或要求 DFM 审查/改版建议时，代理会自动触发此技能。流程：先确定工艺（可多工艺并行比较），读取对应 references/ 参考文件；优先使用用户提供的供应商/模具规范，缺失时用参考文件中指定的两个来源，并记录来源版本与访问日期；能用 $cad 技能时用其检查工作流获取几何事实，否则用带出处的尺寸或将该检查标记为未验证。注塑工艺可运行测量脚本：
python scripts/mold_tool.py measure part.stl --pull z
python scripts/mold_tool.py pulls part.stl报告结论限定为四种：pass（实测满足引用的规则）、fail（实测违反）、review（定性风险）、unverified（证据或工艺上下文缺失）；不确定度跨越阈值时保持 unverified。单纯要求审查不会触发文件编辑、上传或下单。
这个 Skill 有哪些优点和局限？
- 按工艺分类的检查清单完整，覆盖钣金、CNC 和注塑三大常见工艺
- 证据导向：每条结论要求实测值、规则出处、单位和适用条件，不凭渲染图猜材质或强度
- 明确区分事实与判断：测量脚本只报数值，pass/fail 判定留给审查流程
- 不确定性处理诚实——阈值两可时标记 unverified，而不是伪造结论
- MIT 许可，且随 text-to-cad 库在 Claude Code、Codex、Cursor、Gemini、Grok 等主流代理中均可安装
- 钣金和 CNC 两个工艺没有几何分析器，完全依赖 CAD 检查或用户提供的尺寸，证据不足时大量结论只能是 unverified
- 它是引导式审查而非自动特征识别，输出质量依赖用户提供的几何与供应商规范
- 只有 Windows 11 用户若开启 Smart App Control，整个 text-to-cad 库的 CAD 内核（OCP）会加载失败
- 审查报告默认为聊天内 Markdown，与具体加工厂规则的对接需要用户自行提供供应商文档
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| DFM 可制造性审查技能 本页 | 61 · 推荐 | ★ 19k | 1 天前 | MIT |
| SendCutSend 上传预检 | 57 · 谨慎使用 | ★ 19k | 1 天前 | MIT |
| DXF 生成与校验技能 | 57 · 谨慎使用 | ★ 19k | 1 天前 | MIT |
| OWASP 安全实践技能 | 61 · 推荐 | ★ 378 | 16 天前 | MIT |
| 维护者回复助手（agent-service-toolkit 专属） | 69 · 推荐 | ★ 4.5k | 7 天前 | MIT |
同库中的 Dfam Check 技能（skills/dfam-check）是明确的互补替代：它针对增材制造，从网格实测壁厚、悬垂、支撑体积和打印方向；而 dfm 只覆盖减材/成形工艺（钣金、CNC、注塑）。需要打印可行性检查时应选 dfam-check，需要机加工或模具可行性时选 dfm。
FollowSkills 如何评估这个 Skill？
该技能为只读评审型工作流，脚本明确声明仅输出测量事实、不做判定；将供应商页面限定为参考数据而非指令，防注入意识强；明确拒绝编造测量值并要求区分证据与推断。扣分项：仓库级默认开启遥测（虽披露且可关闭，但属安装期随附数据流，需用户主动关闭），外部依赖 trimesh/rtree 未经本文件内审计。
错误处理设计成熟：退出码 1/2 区分失败与部分报告、partial 标记、单位疑义标记、网格与曲面对池化的失效模式均有文字与代码层面的说明，脚本含防 NaN 清理。但静态审读下无法执行验证，requirements.txt 未在证据中出现，针对该技能的测试用例亦未展示，故按锚点封顶于 10。
frontmatter 触发描述精确（弯曲/加工/注塑可制造性提问、DFM 评审），能力边界声明充分：明确非自动特征识别或制造认证引擎、只渲染图像仅列 review 项、硅橡胶/嵌件成型不适用。扣分项：依赖 Python 环境与 pip 安装、参考源为境外网站（Hubs/Protolabs）但仅为可选参考、无中文支持。
文档分层良好：SKILL.md 为主、三个工艺参考各带清单与示例、agents/openai.yaml 提供接口元数据；MIT 许可与出处声明齐全。扣分项：技能自身无版本号或更新日志，脚本文件在证据中被截断无法完整核对，维护责任仅在出处链接层面暗示。
核心价值清晰：事实测量脚本 + 引导式评审 + 引用规则溯源，远优于让模型凭空判断可制造性；报告格式（pass/fail/review/unverified）直接可用。但静态读无法确认产出在真实工件上可直接使用，测量质量（切面池化、栅格精度）未经独立复现，按上限封顶并再扣一格。
存在可审计的一手材料：脚本源码、详细的失效案例数据（注释中的实测 fixture 数值）、README 显示仓库有测试 CI（test.yml）。但未见针对 dfm 技能的已提交测试覆盖，示例数字明示为示意性而非默认极限，第三方执行证据不足以支持更高分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →