VIDEO REVIEW · REALITY CHECK
用 ChatGPT 產 G-code 行不行？一支誠實的實驗影片給了最好的答案
01這支影片在講什麼
2025 年 3 月，DIY 加工頻道 Random Routing 上傳了這支概念驗證影片：「Drawing to gcode using ChatGPT（用 ChatGPT 從圖面到 G-code）」。標題聽起來像標準的「AI 萬能」內容，實際打開卻是一支難得誠實的工程實驗[1]。
同類內容其實不少——例如用 ChatGPT 生成電漿切割圖案的教學（先產圖、轉 SVG、再進 CAD 修整）[2]——但 Random Routing 這支的特別之處在於：作者在說明欄把系統架構、以及為什麼這樣設計，完整寫了出來。
02實驗的聰明之處：AI 只做「理解」，不做「輸出」
照作者的說明，整個流程是這樣的[1]：
- ChatGPT 讀圖，只負責找出特徵與尺寸，輸出一份包含零件資訊的結構化「seed」；
- 一支腳本解析 seed，確定性地畫出 DXF 檔，並把不同特徵放到對應圖層（外輪廓、內輪廓、標準孔、小孔、沉頭孔、攻牙孔……）；
- CAM 軟體認得這些圖層，按預先驗證過的模板生成 G-code。
然後是整支影片最有價值的一句話，作者原文：「這代表我們不依賴 AI 來生成機器的 G-code——那會很危險。」[1]一個 DIY 頻道，用一句話講出了許多 AI 產品簡報不願意講的工程判斷。
03為什麼不能讓聊天機器人直接寫 G-code
通用語言模型當然「會寫」G-code——G 與 M 代碼是公開標準（ISO 6983 定義了程式格式與字址）[3]，網路上有大量範例可學。問題出在三個層面：
- 語法對不等於物理可行：一行語法完美的 G01，可能正把刀具以錯誤的下刀方式送進工件。語言模型優化的是「像正確答案」，不是「在你的機台上安全」。
- 缺乏你的廠內脈絡：控制器方言、刀具庫、行程與轉速上限、夾持方式——這些決定程式能不能跑的資訊，聊天機器人一概不知道（G-code 的控制器差異見〈G-code 完全入門〉）。
- 錯誤的代價不對稱：聊天寫錯字重來就好；G-code 錯一行是撞機、斷刀、報廢。代價不對稱的場景，不能用「大致正確」的工具。
學理上，深度學習在製造的成功應用（特徵辨識可達約 96.7% 準確率的研究即為一例）都有共同結構：模型負責感知與理解，輸出進入確定性的工程管線被約束與驗證[4][5]——與這支 DIY 實驗的直覺完全一致。
04專用 AI CAM 管線長什麼樣
把 Random Routing 的手工架構工程化、規模化，就是專業 AI CAM 的樣子。以 BestAI CAM 為例，對應關係很直接：
| DIY 實驗的做法 | 專用管線的對應 |
|---|---|
| ChatGPT 讀圖產 seed | AI 辨識 2D 圖面（DWG／PDF／照片輔助），建出 3D 模型 |
| 腳本確定性畫 DXF、分圖層 | 依廠內刀具庫、控制器、行程／轉速上限推導工序與刀路 |
| CAM 用驗證過的模板產碼 | G-code 生成後強制 3D 切削模擬，檢查過切、干涉、撞刀 |
| 作者自己盯結果 | 獨立 AI 將尺寸與原圖交叉比對＋專業人員上機前把關 |
差別不是「誰的 AI 聰明」，而是安全機制的完整度：專用管線把 DIY 實驗裡靠作者個人謹慎維持的每一道防線，變成系統內建的必經步驟。這也是為什麼我們一直說：評估 AI CNC 工具，別問它能不能產 G-code——問它產完之後，有幾道驗證擋在上機之前（完整流程見〈CNC 自動編程完整指南〉；生成式 AI 的能與不能另見〈生成式 AI 進工廠〉）。
05常見問題 FAQ
ChatGPT 到底能不能寫出可用的 G-code？
簡單幾何、寬鬆場景（如雕刻機畫線）下寫得出語法可跑的程式。但語法正確不等於物理安全：它不知道你的控制器方言、刀具、行程限制與夾持，錯一行的代價是撞機報廢。影片作者的做法正是因此只讓 AI 讀圖，產碼交給確定性的腳本與模板。
這支 DIY 影片和商用 AI CAM 的差別在哪？
架構直覺相同（AI 做理解、規則做輸出），差別在工程完整度：商用管線把刀具庫與機台限制帶進推導、強制切削模擬、加上獨立尺寸交叉驗證與人工把關，把 DIY 靠個人謹慎維持的防線變成系統必經步驟，並能處理銑削等代價更高的場景。
評估 AI 產碼工具時，最該問的一個問題是什麼？
「G-code 生成之後、上機之前，有幾道驗證？」好的答案至少包含：依廠內刀具庫與機台限制生成（而非通用假設）、強制 3D 切削模擬、獨立的尺寸交叉比對，以及人在上機前的最終確認。缺少驗證鏈的產碼速度，是把風險後移而不是消除。
新文章與影片導讀上線時通知你——不塞爆信箱，一鍵取消訂閱。
AI WITH GUARDRAILS
要 AI 的速度，也要工程級的安全鏈
讀圖建模、依廠內限制產碼、強制模擬、獨立尺寸驗證、人工把關——用你的圖面走一遍有護欄的 AI 產碼流程。
聯絡導入顧問 教育訓練課程06參考文獻
- Random Routing（YouTube）。Drawing to gcode using ChatGPT（2025-03-09 發布）。youtube.com/watch?v=vOyaLsN6V7A
- Slyh Life（YouTube）。How to Use ChatGPT to Create CNC Plasma Designs。youtube.com/watch?v=YCC2JAts80g
- ISO 6983-1:2009. Automation systems and integration — Numerical control of machines — Program format and definitions of address words. ISO.
- Zhang, Z., Jaiswal, P., & Rai, R. (2018). FeatureNet: Machining feature recognition based on 3D Convolutional Neural Network. Computer-Aided Design, 101, 12–22.
- Wang, J., Ma, Y., Zhang, L., Gao, R. X., & Wu, D. (2018). Deep learning for smart manufacturing: Methods and applications. Journal of Manufacturing Systems, 48, 144–156.