AI操作Fluent进行多相流仿真
就拿下面这个水桶注水的多相流仿真案例来讲，案例模型数据来自B站UP：业余仿真爱好者，fluent计算结果动画如下图
模型数据拿到手后，fluent的MCP来自B站up:静水流深Mingo，再次感谢大佬的无私分享，我就说网上能学到真东西吧。
解压后， 复 制提示词给WorkBuddy,修改里面的MCP路径和要安装的路径即可。
之后在Work Buddy的连接器里点击信任就可以连接上fluent了，可以先让他打开fluent，导入模型划分网格，简单的几何如圆管这些还是没有问题的。
但这个数模还是比较复杂的，有一些交界面需要处理，这里就不做演示了。
让fluent去做求解设置，我检查了设置，都是正确的。
其实这个MCP的原理就是官方的PyFluent,用官方 Python API 从外部驱动 Fluent,把它理解成一个能听懂人话的自动化脚本生成器 + 执行器 —— 把你原本要手点半小时的操作,变成一次 API 调用
计算的结果云图如下：
最后依旧是来一波小总结：
目前的AI 对于资深的CAE工程师来说，是一个很好用的助手，能很大部分提高工作效率。一些工况，用什么仿真方法（ALE或者SPH？）材料用什么本构模拟失效，都可以问AI，一些人觉得AI不好用，可能是还停留在刚使用豆包的那个阶段。
我就觉得K-agent很好用，我们还是要把自己的知识体系和工作经验蒸馏成skill，就像做成K-agent这样。好像搞了一个自己的身外化身，特别是年纪大了，有时候记忆不太行，会忘记自己以前的CAE技能，但是AI不会。
下面讲讲MCP，它相当于一个翻译器，是连接AI和CAE软件的桥梁，上文也说了，本质是把我们的自然语言转换成软件能听懂的代码去执行。但是AI的发展能让他更好的理解我们的自然语言所想要表达的命令，有时候就算你的命令有好几个错别字，他都能反应过来然后去正确执行。现在的AI对于一些关键字设置还会反过来征询你的意见，这就是进步。
这几天AI用下来，我最大的难受点不是他反应慢，这个大模型的算力堆上去就可以解决，再说反应慢正好给了我上班摸鱼的时间，刷会手机不香吗。
我就是觉得自然语言打字输入太累，以后上班装个麦，直接变成语音输入文字，操作CAE软件，言出法随，岂不妙哉。能BB就坚决不动手，果然是懒惰才是提升技术发展的第一推动力。
大家还有什么见解，欢迎评论区交流
本文完。
