1,018 小時的真人 CAD 操作錄影：Markov 這個資料集是什麼、怎麼用在 AI 3D

執行摘要

研究日期：2026 年 10 月 14 日。 本文資料來自 Hugging Face 上的資料集頁面與 API、Markov 官網，以及一篇報導 Markov 前一次發布的新聞。資料集的下載數、按讚數會持續變動，以查核當下為準。

markov-ai/cad-1000-hours 在資料集說明頁上的正式名稱是 CAD-1K Open v2。內容是 509 個在 Windows 上完成的 CAD 任務，總長 1,018.1229 小時，橫跨 AutoCAD、Revit、SOLIDWORKS、SketchUp、CATIA V5、Siemens NX、V-Ray 七個軟體家族。

每個任務都是一整包：題目、參考輸入檔、真人交付的原生 CAD 檔、評分標準（rubrics）、螢幕錄影、跟影格同步的滑鼠鍵盤事件、逐段旁白。

先講最重要的定位：

它不是「輸入一句話、產生 3D 模型」的資料集。它記錄的是人怎麼操作 CAD 軟體，用途是訓練和考核「會操作電腦的 AI」。

做這份資料的 Markov，官網把自己定位為「為訓練 computer-use AI 提供資料與環境」的公司；報導指出他們是 Y Combinator S26 梯次的新創。

對 ai3d.tw 的讀者，我的結論是：這份資料最直接的價值，不是拿來訓練模型，而是當成教材、考卷和「寫給 AI 的驗收規格」範本。 想拿來訓練或商用之前，有一個卡點要先解決——資料集頁面沒有標示授權。

一、它是什麼：一張表看懂

七個軟體，比重差很多

領域：一半以上是建築製圖

這兩張表要一起看： AutoCAD 佔了三分之二的時數，建築製圖佔一半以上——這份資料的重心是工程與建築製圖，不是角色、公仔或遊戲資產。真正在做 3D 實體建模的，主要是 SOLIDWORKS、Siemens NX、CATIA 那幾類機械任務。

這不是 Markov 第一次發

2026 年 8 月 3 日，Markov 先發布了 cad-environments：51 個工程任務、約 99 小時、八個軟體群組，同樣附金標準檔、評分標準、錄影與互動軌跡（RuntimeWire）。CAD-1K 等於把規模放大了十倍。

二、一個任務長什麼樣子

光看數字很抽象。我直接打開一個 SOLIDWORKS 任務。

每個任務資料夾的結構都一樣：

{software}/{task_id}/
├── task_desc.json      題目、使用軟體、參考檔、交付物、領域
├── rubrics.json        這個任務專屬的評分標準
├── task_overview.pdf   給人看的審查文件：題目＋評分標準＋參考圖
├── clip.mp4            螢幕錄影
├── frame_events.json   跟影格同步的事件
├── metadata.json       時長、影格數、事件數、平台
├── narration.json      逐段旁白
├── input_files/        參考輸入檔
└── output_files/       真人交付的成品

題目

這個任務要做一個法蘭安裝支架：一個大的圓柱凸台、一根 45 度斜出的管狀分支、一片帶三個螺絲孔的三角形安裝法蘭。照參考圖 input.pdf 建出實體零件，單位公釐；再出一張 A3 工程圖，含 1:1 前視圖、1:1 全剖面 A-A、1:2 等角視圖，標上主要直徑、壁厚與孔位。

交付物是兩個原生 SOLIDWORKS 檔：零件 output.sldprt 和工程圖 output.slddrw。

評分標準

rubrics.json 列了 10 條，每一條都是可以逐項打勾的具體要求。節錄三條（原文是英文，我翻成中文）：

• R1：模型必須包含外徑 68 公釐、內孔 50 公釐貫穿的圓柱凸台。
• R2：模型必須包含與凸台軸線成 45 度的斜向分支，外徑 32 公釐、內孔 18 公釐。
• R5：工程圖必須包含 1:1 前視圖、1:1 全剖面 A-A，以及 1:2 等角視圖。

其他幾條管的是 A3 圖框與標題欄、剖面線、尺寸標註、視圖標籤、中心線。模型對不對、圖出得完不完整，都寫成了可以檢查的句子。

錄影、事件與旁白

事件檔裡記的是點擊、拖曳、滑鼠移動、視窗移動與縮放、切換應用程式這類操作，每一筆都對到影片的時間點。

旁白把 88 分鐘切成 444 段，每段都寫了「做了什麼」和「為什麼做」。開頭第四段是這樣的（翻譯）：

• 動作：在 FeatureManager 樹狀結構裡選取上基準面，繪圖區顯示出平面外框。
• 意圖：選一個參考平面來畫草圖。

這就是這份資料跟一般教學影片最大的差別：每一個滑鼠動作，都配上了「為什麼」。

三、它在 AI-3D 地圖上的位置

在 AI 現在能做哪些 3D？ 那篇，我們把 AI-3D 整理成七種應用，其中一種是「AI Agent 直接操作 3D Editor」。CAD-1K 屬於這一類。

這段是我的解讀：AI 要操作 3D 軟體，目前有兩條路。

走畫面這條路最缺的，就是「真人完整做完一件專業工作」的示範：從開新檔到交件，中間每一步點了哪裡、為什麼點。CAD-1K 補的正是這一塊，而且每個任務都有成品和評分標準，可以拿來判斷 AI 做得對不對。

四、這會改變什麼

這一節是我的判斷，不是資料集或 Markov 的說法。

1. 讓 AI 操作專業 3D 軟體的瓶頸，從模型轉到「示範＋考題」。

報導 Markov 前一次發布時就點出：AI Agent 要從瀏覽器任務走進工程軟體，得先有任務環境和可以量測的成果（RuntimeWire）。CAD-1K 兩樣都給了：真人完整做完的示範，加上可以逐條打分的成品。

所以我預期，AI 會先在規格清楚、能逐條驗收的工作上進步——照圖建模、出工程圖。「好不好看」很難寫成評分標準的工作，例如角色和有機造型，不會是最先被影響的。

2. 3D 工作者的價值，往兩端移動。

最先受衝擊的，是中段的操作：照參考圖建模、照規範出圖——也就是上面 R1 到 R10 寫得出來的那種工作。

兩端反而更值錢：說得清楚要什麼（寫規格），和驗得出對不對（驗收）。這也是下一節用法 3 我最推薦的原因。

3. 沒有開放程式介面的專業軟體，也開始能被 AI 操作。

走畫面這條路，不必等軟體廠商開 API 或 MCP。對 Blender 使用者，短期影響反而小：Blender 本來就有 Python API，走腳本那條路更精準、更快。

4. 「專業操作的過程」本身，變成可以賣的資料。

Markov 的生意，就是把真人操作電腦的過程錄下來、整理成訓練資料。會操作 3D 軟體的人，以後有價值的不只是成品，連做出成品的過程都是。

5. 還沒改變的：沒有公開成績。

資料集頁面只列出 1 個標示用它訓練或微調的模型，沒有公布任何「用了之後 AI 變多強」的評測結果。所以這裡只談方向，不預測時程。

五、怎麼用在 AI 3D 上：四種用法

用法 1：當教材——看專家完整做完一件工作

你想學 SOLIDWORKS 或 Siemens NX，一般教學影片只會教單一功能。CAD-1K 給你的是一個人從參考圖做到交件的全程，加上逐段旁白、題目、成品原檔。

建議的看法：先讀 task_desc.json 和 input.pdf，自己想一遍會怎麼做；再對照 narration.json 看人家實際的步驟順序；最後打開 output.sldprt 看特徵樹。

用法 2：當考卷——測你的 AI Agent

如果你在試 AI 操作 3D 軟體（不管走 GUI 還是走腳本），CAD-1K 的任務可以直接當考題：

1. 把 task_desc.json 的題目和 input_files/ 交給你的 AI。
2. 讓它產出交付物。
3. 用 rubrics.json 逐條對照，記下過了幾條。

10 條評分標準過了 7 條，比「看起來還不錯」有用得多。

用法 3：當範本——學怎麼寫「給 AI 的驗收規格」

這是我認為對 ai3d.tw 讀者最實用的一點。

你叫 AI 做一個 3D 模型，最常見的問題是：做出來了，但你說不清楚哪裡不對。CAD-1K 的評分標準示範了解法——把「我要什麼」寫成一條一條、做完可以檢查的句子：尺寸寫數字、角度寫度數、視圖寫比例。

這個寫法不限 CAD。你在 Blender 叫 AI 做公仔，一樣可以寫「頭身比 1:2.5」「底座直徑 60 公釐」「匯出 GLB 小於 10 MB」。文末附一份提示詞，讓 AI 幫你把需求改寫成這種格式。

用法 4：當訓練資料——給做模型的團隊

資料集頁面列出已有 1 個模型標示用它訓練或微調。如果你的團隊在做 computer-use 模型，這份資料提供了影片、同步事件、旁白和可驗證的成品，是完整的監督訓練材料。

但請先看下一節的第一個限制。

六、用之前要先知道的五件事

1. 沒有標示授權。 Hugging Face API 回傳的 license 欄位是空的，說明頁也沒寫。沒有授權條款，就不要假設可以商用或拿來訓練要賣的模型。有這個需求，先寫信問 Markov（官網聯絡信箱：founders@markovstudios.com）。這不是法律意見，只是最基本的保險。

2. 很大。 全部下載超過 200 GB。單一任務光錄影就可能上百 MB。下一節教你只抓需要的部分。

3. 只有 Windows、只有這七個軟體。 沒有 Blender、Fusion 360、Onshape。Markov 官網提到他們另一個開源的 computer-use 錄影資料集涵蓋 Blender 等軟體，但那是另一份資料，不在 CAD-1K 裡。

4. 重心是製圖，不是造型。 前面兩張表已經說了：AutoCAD 佔三分之二時數、建築製圖佔一半以上。想研究角色、有機造型、遊戲資產，這份資料幫助有限。

5. 說明頁本身不完整。 沒有附論文或部落格連結，沒寫錄製者怎麼招募、怎麼錄。Hugging Face 的線上預覽也解析失敗，只顯示部分預覽列，而且預覽裡的游標事件標示為 synthetic: true（合成的）。真正的操作事件要下載 frame_events.json 才看得到——事件檔裡除了操作，也有錄製那台電腦的系統與網路狀態事件，拿來再散布前要留意。

七、實作：只下載一個任務

不要整包抓。用 huggingface_hub 的 allow_patterns 只抓一個任務資料夾，再用 ignore_patterns 先跳過最大的錄影和事件檔。

pip install huggingface_hub

from huggingface_hub import snapshot_download

snapshot_download(
    repo_id="markov-ai/cad-1000-hours",
    repo_type="dataset",
    allow_patterns=["solidworks/01525920-042f-4ba5-9896-31898fcd7b47/*"],
    ignore_patterns=["*.mp4", "*frame_events.json"],
    local_dir="cad-sample",
)

我在 2026-10-14 用 huggingface_hub 2.2.0 實測過：這樣會抓下 9 個檔案——題目、評分標準、旁白、metadata、參考圖 PDF、審查 PDF，以及 .sldprt、.slddrw、PDF 三個成品——總共不到 1 MB（0.85 MB），幾秒鐘就好。要看錄影，把 ignore_patterns 那行拿掉就行。

想換別的任務，到資料集的 Files 頁面，從 autocad/、solidworks/、nx-cad/ 等資料夾挑一個任務 ID 替換即可。

送你一份提示詞：把需求寫成 AI 做得到、你驗得了的規格

這份提示詞是本站照 CAD-1K 評分標準的寫法整理的，不是 Markov 提供的。最後一條「不讓 AI 宣布自己通過」是本站加的規則。

我要請 AI 幫我做一個 3D 作品，請先幫我把需求改寫成「驗收規格」。

我的需求（口語描述）：
［例如：做一個桌上型的貓咪公仔，Q 版，坐姿，要能 3D 列印］

請照以下格式輸出：

1. 一句話任務：要做什麼、用什麼軟體、交付什麼檔案格式。
2. 驗收規格，每條一句，編號 R1、R2…：
   - 每條都必須做完之後可以檢查，不准寫「好看」「精緻」這種無法驗證的字。
   - 尺寸寫數字和單位，角度寫度數，比例寫比值。
   - 模型本身、輸出檔案、呈現方式（視角／算圖）分開寫。
3. 我沒講清楚、你需要我決定的地方，列成問題，不要自己假設數字。

做完之後，請逐條對照 R1、R2…回報「符合／不符合／無法判斷」，並說明怎麼檢查的。
最後是否通過，由我決定，你不要宣布自己通過。

常見問題

Q：CAD-1K 可以拿來做 Text-to-3D 嗎？

不行，至少不是直接。它沒有「一句話對應一個 3D 模型」的配對資料，記錄的是人怎麼操作 CAD 軟體。它的設計用途是訓練和考核會操作電腦的 AI。

Q：裡面有 Blender 嗎？

沒有。七個軟體家族是 AutoCAD、Revit、SOLIDWORKS、SketchUp、CATIA V5、Siemens NX、V-Ray，平台全部是 Windows。

Q：可以商用嗎？

資料集頁面沒有標示授權，Hugging Face API 的 license 欄位也是空的。商用或訓練要賣的模型之前，先向 Markov 確認。

Q：一定要下載 200 多 GB 嗎？

不用。用 snapshot_download 的 allow_patterns 只抓單一任務資料夾，跳過錄影和事件檔，一個任務不到 1 MB。

Q：評分標準（rubrics）長什麼樣子？

一條一條可以檢查的句子，例如「模型必須包含外徑 68 公釐、內孔 50 公釐貫穿的圓柱凸台」。我們看的那個 SOLIDWORKS 任務有 10 條，管模型尺寸、工程圖視圖、標註和標題欄。

來源

• markov-ai/cad-1000-hours 資料集頁面（說明頁、檔案結構、Hugging Face API 欄位；2026-10-14 查核）
• markov-ai 組織頁
• Markov 官網
• RuntimeWire：Markov packages 99 hours of engineering work into training data for desktop AI agents
• 範例任務 solidworks/01525920-042f-4ba5-9896-31898fcd7b47 的 task_desc.json、rubrics.json、metadata.json、narration.json、frame_events.json（2026-10-14 直接讀取）