让DeepSeek写LS-DYNA关键字K文件，CAE工程师坐不住了

 

导读：上一篇文章请收藏面向Codex智能体的LS-DYNA AI建模计算修改 K-Agent技能包， 展示了K-Agent 试图把 LS-DYNA 的建模经验、脚本工具和 AI 工作流放进同一个技能包里，让智能体不仅会回答，还能按工程闭环办事。本文向读者朋友介绍面向 Reasonix + DeepSeek 的 LS-DYNA 智能体工作流。

这个K-agent-Deepseek 是原始 K-agent 的独立发行版：保留 LS-DYNA 的工程验证边界，同时为 Reasonix + DeepSeek 设计独立执行契约。感兴趣的朋友可以关注8月13日19时30分，我在仿真秀直播间的公开课，详情见后文。

一、AI 写出了 K 文件，为什么工程师仍然不敢直接计算？

很多仿真需求从自然语言开始：一个落锤、一段薄板、一种材料、几个边界条件。现在的大模型往往能很快写出一份看似完整的 LS-DYNA 关键字文件。但对工程师而言，真正难的从来不是把关键字排出来，而是确认这份文件能否代表要研究的物理问题。

一份 K文件 即使语法没有明显错误，也可能混入未声明的单位制、失配的材料参数、缺失的接触定义，或者根本没有完成初始化试算。更危险的是，模型会用流畅的解释掩盖这些缺口。于是，“AI 已经生成文件”与“工程上可以交付”之间，仍然隔着可审阅的任务书、静态检查、求解器试算、结果判读和失败报告。

这也是 K-agent 的出发点：把自然语言建模请求变成带有假设、证据和验证状态的工程交付，而不是把大语言模型当成一个更快的文本编辑器。你还可在文章末尾点赞和再看，然后分享到朋友圈截图发到本公众 号后台，并备注【K-agent】我会在24小时内容手动发你。

图1 从“生成一份文件”到“交付可验证仿真”的差别。图示为工作流概念，不代表任何求解器计算结果

二、原始 K-agent：先把“生成”变成可审阅的工程流程

原始 K-agent 面向 Codex、Claude code等通用宿主，围绕 LS-DYNA K 文件建立了一套 local-first 工作流。它并不承诺在缺少材料、网格、求解器或许可证时凭空给出“成功结论”，而是把信息不足显式暴露出来。

1、先把模糊需求收敛为可审阅的仿真任务书，并列出单位、载荷、材料、接触和边界条件中的假设。

2、复用模板、材料库、单位换算和确定性网格脚本，把重复且可规则化的工作交给程序。

3、把 L0 静态检查、L1 初始化试算、L2 全程计算纳入交付门槛；没有求解器证据时，不把模型文字当作计算结论。

4、在材料参数和工况需要文献支撑时，通过 academic-search MCP 记录论文、DOI、适用范围与证据等级，而不是用普通网页或模型记忆伪装文献依据。

三、DeepSeek 的问题，不是“会不会推理”

讨论模型时，很容易把所有差异归结为“智能程度”。但在 Agent 场景里，更值得关注的是外部可观察的执行行为：模型怎样使用上下文、怎样在多工具任务中保持目标、怎样处理失败，以及是否愿意在证据不足时停止。本文不讨论或推断任何模型内部思维过程，只讨论这些可以通过交付物和日志验证的行为。

把一套为通用长任务设计的 Skill 原样交给 DeepSeek，常见风险是：长上下文重复拼接后任务目标漂移；多工具任务直接跳到最终 K文件；修复时同时改动多个变量；或者在没有求解器和文献证据时，输出一段看起来合理的完成说明。

所以，适配的目标并不是把提示词加长，也不是把物理质量门放松，而是尽可能减少模型需要自由猜测的时刻：每一阶段只承担一个明确目标，每个目标都留下机器可读的产物，每次失败都能定位到最小原因。

四、K-agent-Deepseek：给 Agent 加上执行契约

K-agent-Deepseek 不是把模型名称从 GPT 换成 DeepSeek，也不是在原始 Skill 上叠加更长的说明。它是面向 Reasonix + DeepSeek 的独立发行版，新增 lsdyna-kfile-deepseek Skill，并以一份明确的执行契约约束 Agent 如何推进任务。

稳定上下文前缀：固定系统提示、工具声明和 Skill 路由顺序。长日志留在项目文件中，聊天上下文只保留短摘要和索引，避免每一轮都重新拼接完整 K文件、手册和旧日志。

稳定的上下文并不是为了“限制思考”，而是让任务目标、单位制、文件路径和验证状态在长任务中不被无关信息冲淡。

强制阶段状态：INTAKE、SPEC_LOCK、BUILD、L0、L1、L2、REPORT 依次推进。当前阶段未写出对应 artifact，下一阶段就不能开始。

这相当于给复杂仿真任务增加“阶段锁”。模型可以在当前阶段做判断，但不能跳过任务书、规格冻结或静态检查，直接宣布完成。

短 JSON 中间产物：任务书、K文件 计划、检查结果和证据索引都以小型结构化文件保存。模型读取的是当前阶段需要的字段，而不是一段不断膨胀的自由文本。

确定性脚本接管机械性工作：网格生成、K 文件格式检查、单位换算、求解器启动和结果解析由脚本完成；模型负责方案选择、异常解释与下一步判断。这样可以把“看起来对”变成“脚本已经检查过”。

单变量修复与失败闭环：一轮修复只处理一个最小原因，随后从 L0 重新验证。若 academic-search MCP、求解器或许可证不可用，Skill 必须输出 EVIDENCE_BLOCKED、WARN、FAIL 或 BLOCKED，而不能以网页信息或语言模型记忆补出“论文证据”。

图2 DeepSeek 专用执行契约：阶段推进、验证关口与最小化修复。图示仅用于说明工作流

五、4类任务如何验证：从模板到 S-ALE 流固耦合

评价 Agent 的重点不应是“答得像不像专家”，而应是能否留下可复算、可定位、可审计的工程证据。为了覆盖不同难度，验证案例应从模板调用逐步走到修复与无模板问题。

模板案例一：常规跌落或碰撞。考察模型能否选择正确模板，收敛单位、材料、边界条件，并完成 L0 检查。

模板案例二：成形或侵彻。考察模型能否在模板基础上处理接触、工艺参数与输出要求，而不是机械替换参数。

K文件 修复案例：从已有 K 文件中定位一个最小问题，执行单变量修复，并保留修复前后检查结果，避免“改好了但不知道改了什么”。

无模板案例：S-ALE 流固耦合。考察模型是否先声明流体域、结构域、耦合界面、EOS、本构、网格与边界条件的缺口，再给出可审阅的构建与验证路线。没有求解器与参数证据时，应明确阻断而不是假装算完。

这类对比应固定宿主、模型版本、提示词、工具权限、求解器环境和验收标准。本文推荐的比较方式是：Reasonix CLI + DeepSeek 使用 lsdyna-kfile-deepseek，与 Codex 使用原始 lsdyna-kfile 分别完成同一案例。它衡量的是“模型与工作流组合”的交付表现，而不是脱离环境的纯模型排行榜。

六、与原始 K-agent 的关系：保留工程边界，改变 Agent 执行方式

K-agent-Deepseek 与 K-agent 并不是上下游替代关系。前者是独立发行版，面向 Reasonix + DeepSeek；后者继续面向 Codex、Claude 等通用宿主。用户可以同时保留原始 lsdyna-kfile 与 lsdyna-kfile-deepseek，安装器不会删除、覆盖或重命名原版 Skill。

两者的关键差异并不在物理模型，而在运行时约束：DeepSeek 版将稳定上下文、阶段 artifact、Reasonix MCP 检测和单变量修复写成必须遵守的协议。

图3 Reasonix + DeepSeek 的证据协同框架：Agent 负责判断，文献检索、确定性脚本、K文件 与求解器证据共同约束交付。

核心区别如下。

七、一键部署到 Reasonix：不破坏已有环境

K-agent-Deepseek 提供了面向 Reasonix 的非破坏式安装器。它将 DeepSeek 专用 Skill 安装到 Reasonix 用户目录，检测并复用已有 academic-search MCP；它不会删除原始 lsdyna-kfile，不会覆盖已有 MCP 的命令、路径、环境变量或凭据，也不会读取、打印或持久化 API Key。

Windows PowerShell 一键安装：

irm https://raw.githubusercontent.com/LLK-LL/K-agent-Deepseek/main/install-reasonix-deepseek.ps1 | iex

正式任务推荐使用 deepseek/deepseek-v4-pro；在低成本试跑阶段可使用 deepseek/deepseek-v4-flash。DeepSeek 凭据应配置在当前终端环境或 Reasonix 自身的凭据存储中，绝不写入仓库、K文件、日志和最终报告。

首次注册 academic-searc八、边界：AI 不能替代求解器与工程责任

K-agent-Deepseek 的目标是把重复性建模工作、检查流程和证据整理做得更一致，而不是绕开工程判断。几个边界必须明确：

1）没有可用的 LS-DYNA、许可证和计算资源时，只能完成 L0 或输出阻断状态，不能声称 L1/L2 已通过。

2）文献或手册中的代表性材料参数不能替代项目实测数据、标定过程和版本确认。

3）复杂接触、失效、本构、EOS 与 S-ALE 流固耦合方案需要工程师对建模假设、适用范围和结果判读承担最终责任。

4）当证据链中任何一环不可用，明确的 BLOCKED 比一段看起来顺畅的完成说明更有工程价值。

八、写在最后

1、让 DeepSeek 按证据交付

面向 DeepSeek 的适配重点，不是把提示词写得更复杂，而是让每一步都有输入、产物、检查与停止条件。模型负责理解任务与做出工程选择；脚本负责格式、数值和路径；求解器负责计算；文献与报告负责让结论可追溯。

当这套分工成立，DeepSeek 不再只是“会写仿真文本”的模型，而可以成为一个按证据推进、能暴露失败、可持续迭代的仿真 Agent。项目地址：https://github.com/LLK-LL/K-agent-Deepseek

2、构建可验证的LS-DYNA建模闭环

8 月 13 日 19:30，仿真秀优秀讲师/行家——本文作者林老师带你从 LLM 原理到 Agent 架构再到 K-Agent lsdyna-kfile，看"需求—资料—建模—验证—交付"如何串成一条可信工程闭环。请是识别下方二维码观看：

3、LS-Dyna2023R1基础入门

以上直播将加餐到我的LS-Dyna2023R1基础入门课程，让学员免费观看并且提供持续答疑解惑。

该视频教程基于ANSYS LS-dyna最新的版本2023 R1进行讲解，手把手全流程界面操作演示。具有完整的案例介绍，从建模、设置边界条件、求解设置、后处理全流程讲解；包括19个最新仿真设计案例讲解与下载，涵盖包括航空、汽车等多个工业制造行业，及多个常见的模拟应用场景演示，工程实践性强；适合学生、老师以及有意愿学习显式求解算法的初学者。

如果你的团队正在探索仿真智能体、K 文件自动检查、或者已有模型自动修复，可以从这个 portable skill 包开始试用：解压、安装、检查 MCP 链路，然后拿一个非保密算例做第一轮测试。先让它帮你处理小问题，再逐步纳入真实工作流。