作为一名普通CAE工程师实测AI智能体我得到了什么？

今年 OpenBot 更名 OpenClaw，AI 浪潮彻底席卷职场。一时间，“小龙虾” 替代人类操作各类软件的消息铺天盖地，AI 的进化速度快到令人窒息，早已把普通人的学习能力远远甩在身后。当工具越来越聪明、越来越能干，一个残酷而现实的问题摆在每个打工人面前：我们被 AI 替代，难道真的只是时间问题？

我无法准确预判这一天何时到来，但趋势已然清晰，方向也早已注定。于是我选择主动去体验、去尝试，想亲身体验下AI 究竟能为我们带来什么，又会改变什么。

坦白说，我并非技术极客，只是一名普通的 CAE 工程师。脚本能力仅停留在皮毛水平，使用智能体也不过是简单提问，更谈不上系统学习过提示词工程。和大多数人一样，我在 AI 面前，也只是个不折不扣的小白。

从今年一月份我才试着用智能体，努力让它和我的CAE工作产生更多联系，尤其是HM的二次开发——如果你也接触过这类开发，一定能懂这个语言的无奈：HM的二次开发，实在太闭塞、太落后了。首先，它所用的开发语言是TCL，而非普及度极高的Python、C+等；其次，HM自身搭建的关键字资料十分匮乏，远不如Python那样，有着庞大的用户群体和海量资源库，遇到问题随手一搜就能找到解决方案，或相关信息。

接下来，就以我这个普通打工人的真实体验，聊聊使用各类智能体后的真实感受。为了更直观地看出不同智能体的效果，我特意做了一次实测：以HM中自动生成拉伸钢圆柱体为案例，分别使用豆包、元宝、Tare、Grok以及Qclaw这五款智能体生成脚本，全程控制统一变量，所用的提示词也完全一致，看看它们究竟能什么样的答案。

 

实测结果差距十分明显：

豆包生成的脚本，一运行就报错不断，界面上没有任何内容创建，相当于完全无法完成基础任务，推测大概率是脚本中TCL命令参数错误或环境适配问题导致的故障；

Tare、元宝和Grok的完成情况大同小异，仅能生成组件（comps）和材料（material），没能完成核心的圆柱体创建，界面上只留下几个无关的临时节点，相当于只做了最基础的准备工作，却没能实现核心需求，HM二次开发中最基础的几何创建命令都未正确调用；

相对而言，Qclaw的表现算是最好的——它能完整创建出所有需要的内容，不用额外手动补充操作。不足的是，它对我的需求理解存在偏差，并没有按照预设要求完成创建。比如在rbe2耦合设置上，它错误地选择了整个圆柱体的所有节点进行耦合，直接约束了整个模型，违背了提示的条件。

 

目前几款智能体都存在不同程度的问题，无法一次性完成任务，需要我们不断引导，避免它们直接引用网上的错误信息进行输出。即便向 Grok、豆包、元宝和 Tare 指出错误，它们也无法修正错误词条；而对 Qclaw 进行针对性的纠错引导后，它能够有效解决相应问题。

在这几款智能体中，只有Qclaw比较特别，支持直接投喂资料进行学习；而其他工具只能依靠网页内容作为知识库。但网络上冗余甚至错误的信息太多，它们无法有效甄别信息的有效性，自然也很难帮我们得到想要的结果。

经过多次给 Qclaw 投喂资料以及一些关键字提示后，它至少能够识别并修正部分错误，在一定程度上也能辅助我编写脚本，一旦涉及复杂内容，就容易出现各种问题，甚至比自己手动写还要折磨。由此可见，目前这类免费的智能体还无法很好地服务我们这类新手，想要实现傻瓜式一键完成任务，现阶段的要求还是有些过高了。

这次的使用体验虽然不算完美，但相比去年已经好了不少。智能体的普及应用是大势所趋，再过半年或一年，很可能会迎来更大突破。

经过自身实操能更清楚了解AI智能体对于我们仿真行业的真实影响情况，不说大的，就个人或小团体而言想要通过如今的现有AI智能体实现替代还是有很大的距离，从当前token价格就难以支撑，至于大公司早就在布局，如去年的solidworks拓展了AI建模功能。

 

网上流传的某些方面功能很强大，对于有限元而言可能还存在一定些许屏障，至少当前以我们的经验和更高维度的操作尚不足以被替代，但我们依旧要保持警惕。正如AI教父黄仁勋采访说的那样能熟练驾驭工具的人，永远不会被工具淘汰。