CadQuery中Sketch选择器工作机制解析
2025-06-19 11:12:05作者:农烁颖Land
在CadQuery项目中使用Sketch时,开发者可能会遇到一个看似奇怪的现象:调用faces()选择器后,wires()选择器的返回结果会发生变化。这实际上揭示了CadQuery中Sketch与Workplane在工作机制上的一个重要区别。
问题现象重现
当开发者执行以下代码时:
import cadquery as cq
s = cq.Sketch()
s.rect(100, 100)
s.vertices().fillet(6)
print(s.wires().vals()) # 输出空列表[]
但如果取消注释s.faces()这行代码,wires()就会返回预期的结果。这种看似不一致的行为其实源于Sketch内部的选择机制。
核心机制解析
1. 选择状态的持久性
与Workplane不同,Sketch的选择状态不会自动重置。当调用vertices()选择顶点进行倒角操作后,这些顶点仍然保持在当前选择集中。这意味着:
- 后续的选择操作会基于当前选择集进行
- 需要显式调用
reset()方法来清除选择状态
2. 内部状态管理
Sketch通过_selection属性维护当前选择集。我们可以通过以下代码观察这一机制:
s = cq.Sketch()
s.rect(100, 100)
print(s._selection) # 初始为空列表[]
s.vertices().fillet(6)
print(s._selection) # 显示四个顶点对象
s.reset()
print(s._selection) # 再次变为空列表[]
print(s.wires().vals()) # 现在能正确返回wire对象
3. 设计哲学差异
Workplane采用"命令-查询分离"原则,操作会消耗选择集。而Sketch则采用更底层的设计:
- 所有修改都是原地进行的
- 不维护操作历史
- 选择状态需要显式管理
最佳实践建议
- 显式重置选择集:在连续操作中,养成调用
reset()的习惯 - 理解选择器行为:
faces()等选择器会改变内部选择状态 - 调试技巧:检查
_selection属性可以帮助理解当前状态 - 操作顺序:复杂的操作应该分步骤进行,适时重置选择集
总结
CadQuery中Sketch的这种设计提供了更底层的控制能力,但也要求开发者更明确地管理选择状态。理解这一机制后,开发者就能更自如地使用Sketch进行复杂建模,避免因选择状态导致的意外行为。这种设计在需要精细控制几何操作的场景下尤为有用,为高级用户提供了更大的灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
767
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
618
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253