我把 AI 接入了 SpaceClaim 官方文档：让 AI 帮你找到 Python 建模命令
我把 AI 接入了 SpaceClaim 官方文档：让 AI 帮你找到 Python 建模命令
大家好，我是小郭老师，中科院硕士，长期从事 ANSYS 二次开发、有限元仿真和仿真流程自动化。如果你正在学习 SpaceClaim Python，或者正在把手工建模流程改造成参数化脚本，那么这篇文章解决的，可能正是你反复遇到的那个问题。
在课程答疑和日常交流中，很多学员向我反馈过同一个问题：SpaceClaim 里的功能明明就在软件里，真正写 Python 脚本时，却不知道对应的 API 到底在哪里。会操作软件，不等于会调用 API；知道建模目标，也不等于知道代码应该从哪个对象开始写。
有的学员能手动完成圆周阵列、共享拓扑或几何体命名，却不知道如何转换成 Python；有的学员已经打开了官方 CHM，却在大量 C#/.NET 页面和对象签名中找不到真正需要的内容；还有的学员拿到了录制脚本，却不知道如何把它整理成可复用的参数化流程。
这一次，我没有再把 AI 当成一个只会补全代码的聊天工具，而是把它接入了 SpaceClaim 官方 API 文档。AI 不只是帮你“搜一个关键词”，它可以像一名熟悉 API 检索和建模流程的智能助手一样，理解你的建模意图，自动拆解任务，沿着官方文档找到相关类、方法和参数，把多个 API 组织成一条建模路径，再根据图片、尺寸和验收条件给出更接近工程任务的 Python 候选方案。
换句话说，你不必先记住 API 名称，才有资格向 AI 提问。你可以先告诉它“我要创建什么几何体、如何阵列、如何合并、最后检查什么”，AI 再帮助你把工程语言翻译成 API 语言，把分散的文档信息组织成可以继续试跑的建模方案。
AI 正在重新定义 SpaceClaim Python 的学习方式
传统的查命令方式，往往是先猜关键词，再翻文档，接着对照录制脚本，最后手工拼出一段可能可用的代码。对于刚接触 SpaceClaim 二次开发的人来说，最难的并不是 Python 语法，而是面对一个庞大的 API 世界，不知道从哪里进入。
AI 的优势就在这里：它可以先理解你的建模目标，再把目标拆成“需要查什么、对象如何关联、步骤如何排列、结果如何检查”。你描述的是工程问题，AI 帮你转换成检索问题；你拿到的是零散 API，AI 帮你组织成建模流程；你担心代码是否靠谱，AI 还可以根据实体数量、角度、尺寸、名称和输出文件等验收条件，帮助你建立复核清单。
过去，学习 SpaceClaim Python 往往意味着记忆大量命令、反复翻阅帮助文档、不断试错。现在，AI 可以成为你的 API 导航员、建模方案整理器和代码解释助手：它不只告诉你“某个命令叫什么”，还可以继续追问“这个命令和谁配合、参数怎么传、下一步应该做什么、最后如何确认结果”。这就是 AI 对工程软件二次开发带来的真正变化——把原本依赖个人经验的查找过程，变成可以对话、可以追踪、可以复核的开发过程。
但要让 AI 在 SpaceClaim 场景中真正发挥作用，不能只依赖通用训练记忆生成代码。SpaceClaim 的 API 检索需要有可靠的资料来源，因此我开发了 ansys-scdmdoc-mcp：把用户电脑上的 ANSYS SpaceClaim/SCDM 官方 API CHM 接入 MCP，让 AI 能够基于本机官方文档完成检索和组织。
项目地址：HaydenGuo/ansys-scdmdoc-mcp
ansys-scdmdoc-mcp 如何把 AI 接入 SpaceClaim API？
MCP 是 Model Context Protocol，中文通常译为模型上下文协议。它提供了一种标准方式，让 AI 应用在获得明确授权的前提下调用外部工具和数据源，例如本地文档、代码库或业务接口。
在这个项目中，MCP 连接的不是一个脱离安装环境的通用代码库，而是用户电脑上的 SpaceClaim/SCDM 官方 API CHM。AI 的工作链路可以概括为：
1. 根据自然语言目标，在本机官方文档中搜索类、方法、属性和几何关键词； 2. 打开对应的官方 API 页面，查看签名、参数和说明； 3. 把相关 API 按建模目标整理成有顺序的候选步骤； 4. 返回可供 SCDM Python/IronPython 继续试跑和调整的候选代码。
这让 AI 可以从一个自然语言建模目标出发，完成从“理解需求”到“检索 API”、从“解释参数”到“组织建模步骤”的连续工作。过去需要开发者打开多个页面、尝试多个关键词、手工拼接对象关系的过程，现在可以先交给 AI 建立一套清晰的检索路径。AI 甚至可以继续围绕同一个任务进行追问和迭代：补充参数后重新收窄范围，加入图片后理解几何意图，给出验收条件后整理检查项。
它解决的是“命令在哪里、对象怎么关联、参数应该从哪里确认”的问题。更重要的是，它把 AI 从“代码生成器”提升成了“SpaceClaim 建模开发助手”：既能帮你找命令，也能帮你读文档、拆任务、串流程、解释代码和准备验证条件。
AI 负责把探索成本降下来，工程验证负责把结果落下来。能够追溯到官方 API 页面，知道哪些内容来自文档、哪些内容是根据建模目标整理出的候选，比得到一段无法解释来源的代码更适合工程使用。
三种方式，把 AI 用到具体建模任务中
1. 从一个功能名称找到 API
可以直接从目标功能开始提问：
SpaceClaim 中如何给几何体创建命名选择？请检索官方 API，并给出 Python 候选。SpaceClaim 中如何创建共享拓扑？相关对象、方法和参数分别是什么？这类问题的重点不是让 AI 凭记忆猜命令，而是先缩小官方文档范围，再确认类、方法、属性和参数之间的关系。
2. 从一个目标整理建模顺序
例如，圆周阵列通常不是一个孤立命令。一个完整任务可能还涉及阵列数据、旋转中心、实例数量、角度间隔，以及后续的合并操作。可以这样描述：
先创建一个 0° 的实体，再用圆周阵列每隔 60° 生成 6 个实体，最后合并。请检索相关 API，并按创建、阵列、合并、结果检查的顺序说明。检索结果可能会进一步关联到：
Pattern.CreateCircularCircularPatternDataCombine.Merge这些名称只是继续核查的入口，最终仍应结合官方页面、当前版本和实际运行结果确认。相比在 CHM 中反复猜页面名称，这种提问方式更容易把“功能”拆成一条可复核的建模链路。
3. 让参数、图片和验收标准一起参与检索
如果任务来自具体项目，不必只问一个命令。可以一次性提供输入条件，让检索围绕完整建模目标展开：
请根据图片和以下参数生成 SpaceClaim Python 建模方案：- 单位：mm- 先建立 0° 的基础几何体- 按圆周阵列每隔 60° 生成 6 个实例- 阵列完成后合并几何体- 最终检查角度为 0/60/120/180/240/300°- 合并后实体数量应为 1建议同时写清楚：
• 几何尺寸、单位和坐标系； • 点、线、面、轴、基准面等参考对象； • 阵列数量、角度间隔、旋转方向和阵列中心； • 拉伸、旋转、圆角、倒角和布尔操作的先后顺序； • 几何体名称、命名选择、共享拓扑或装配关系要求； • 可检查的验收条件，例如实体数量、角度、尺寸和输出文件。
图片负责提供形状信息，参数负责限定建模条件，验收标准负责判断结果是否符合预期。三者同时给出，返回的方案才更容易从“看起来合理”走向“能够实际复核”。
为什么仍然要使用本机官方 CHM？
SpaceClaim API 的检索不能只依赖一份脱离安装环境的通用知识库。不同电脑上的 ANSYS 安装位置和版本环境可能不同，官方 CHM 也通常随本机安装一起提供。
这个工具不把任何用户电脑的 ANSYS 安装目录写死在代码中。首次配置时，用户可以选择自动检测，也可以手动输入 SpaceClaim 应用程序路径。
自动检测会扫描当前电脑上的版本化环境变量，例如 AWP_ROOT241、AWP_ROOT251、AWP_ROOT261，识别可用版本，并在用户确认后验证对应的 SpaceClaim 文档路径。如果自动检测无法确定有效路径，配置页面会提示：
无法根据 AWP 确定环境变量的路径，无法确定 SpaceClaim 的路径此时切换到手动模式，输入 SpaceClaim 的应用程序路径即可。工具默认检索用户本机的官方 API CHM，不依赖 SCDM_PYTHON_KB，也不会要求把某台机器的安装路径写进项目。
对 SpaceClaim 二次开发的实际帮助
它带来的价值，不只是“搜索更快”，而是让 AI 参与到 SpaceClaim Python 开发的多个环节：
• 从“我记得有这个功能”定位到官方 API 页面； • 从单个命令继续追踪相关的数据对象和操作对象； • 根据自然语言目标整理创建、变换、布尔和检查步骤； • 将图片、参数、操作顺序和验收条件放入同一个建模描述； • 为已有录制脚本提供 API 解释、结构整理和排错线索； • 在代码真正投入批量建模前，先明确需要验证的对象和结果。
对于初学者，AI 可以降低进入 SpaceClaim API 世界的门槛；对于有经验的开发者，AI 可以承担资料定位、对象关系梳理和方案初稿整理；对于正在做仿真自动化的人，它还可以把“几何目标—建模命令—脚本步骤—结果检查”串成一条更清晰的工作链路。
结语
SpaceClaim Python 二次开发的难点，通常不在于记住多少命令，而在于能否把一个界面功能拆成正确的 API 对象、参数和执行顺序。
ansys-scdmdoc-mcp 做的事情，就是把本机官方 CHM 接入 AI，让 AI 从一个会回答问题的工具，进一步变成能够查文档、读说明、整理候选代码、规划建模步骤的 SpaceClaim Python 智能助手。得到结果后，再回到目标 SpaceClaim 版本中试跑，检查实体、角度、名称、拓扑和文件输出，才完成一次真正有证据的建模验证。
如果你正在处理几何体命名、共享拓扑、圆周阵列，或者已经有参数和图片但不知道如何组织脚本，可以从一个具体问题开始。欢迎在评论区留下你最难查的 SpaceClaim 命令、建模目标或报错信息，一起把它拆成可检索、可试跑、可复核的 Python 建模步骤。
点击阅读原文，立即学习《ANSYS Workbench & Mechanical企业级二次开发程序与Python应用入门进阶》，掌握ANSYS Workbench & Mechanical的脚本自动化开发能力。
本课程从基础脚本开发到多工况批量计算的自动化实现，手把手教你用Python打通「仿真流程自动化 - 多工况批量计算」全链路，让「重复仿真工作自动化、复杂工况高效计算」从想法变成日常。
我还为付费用户提供VIP群进行交流、答疑服务、持续加餐内容、提供定制化培训和咨询服务、仿真人才库高薪内推就业、仿真秀还提供奖学金、学完此课程，推荐学习者报名参加工程仿真技术（CAE分析职业能力等级评价证书）。
