仿真Agent真正难的，真的是调用求解器吗？
工程AI，不只会聊天｜03
封面为工程任务与Workflow概念视觉，非真实产品截图。
“比较这两个外形方案在马赫数0.8、攻角2度下的气动表现。”
Agent提交计算，带回云图和气动力系数。求解器正常结束。
任务完成了吗？
工程师可能还要问：比较的目标是什么？两组结果是否用了相同的参考面积？数据有没有传错？结论依据是什么？
工具已经可以调用，怎样才能完成一项可信的仿真任务？
一、工程师真正需要的，是可以放心托付任务的Agent
如果Agent每做一步，都要工程师盯着、提醒、收拾残局，它究竟替我们分担了多少工作？
Meta最近发布的Muse，让这个问题变得具体。按照官方介绍，用户交给它一项个人事务后，即使关闭应用，它也能继续推进；遇到发送邮件、购买等敏感操作，再回来请求确认。
个人事务同样不简单。账户、隐私、支付、授权都需要控制。Meta也承认Agent会犯错，因此采用隔离环境、凭据保护和独立权限检查。
业务不同，但它们面对一个共同问题：要让人愿意交出任务，必须先建立托付的条件。
回到开头的仿真任务。工程师更希望这样交代：
“按既定方法比较这两个外形，在约定预算内完成计算，整理差异。有影响结论的问题再找我。”
这句话交付的是一个目标，也包含方法、预算和介入边界。Agent首先要理解完整：比较什么指标，采用什么工况，哪些条件不能改，怎样才算完成。
“气动表现更好”究竟指阻力更小、升阻比更高，还是还要兼顾稳定性？结论只针对当前工况，还是要支持更广的设计选择？这些问题需要在计算前澄清。
随后，等待网格、查看队列、核对文件、监控计算、整理结果，这些持续占用注意力的工作，才有可能交给它。
工程师仍然负责关键判断，却不必始终充当流程的调度员。这才是“可以放心的伙伴”具体的价值。
二、Agent要能处理计划之外的事
真正考验伙伴的，往往是计划失效以后。
如果比较时发现一份基线数据缺失，Agent应该判断能否补齐；如果新方案的优势可能来自网格差异，就应提出补充验证。不能遇到每个意外，都把整个任务原样退回来。
这需要一种能够调整计划的Workflow架构：成熟步骤确定执行，新情况触发诊断、补算或人工协作。
这里需要分清三个对象：可复用方法、本次计划和实际执行。可复用方法说明这类问题通常怎样处理，本次计划安排当前任务怎样推进，实际执行记录已经发生了什么。计划改变时，要保留有效成果，检查受影响的后续工作。
例如，几何版本改变后，哪些网格和结果已经失效？正在运行的作业应该继续、等待还是停止？补齐基线数据后，能否接着比较，而不用把整个任务重新跑一遍？
这些都不能只靠模型在对话里说一句“我调整了计划”。执行历史、数据依赖和作业状态，需要由系统明确管理。工程师也应该能在需要时介入，作出判断后，让任务从有效状态继续。
其中的挑战，是让Agent有能力改变做法，同时遵守权限和预算，避免重复计算或混用失效结果。
未来的Agent还应围绕一个问题组织工作：要支持当前结论，需要补什么证据，怎么补充证据，补充的证据如何形成未来的复用知识？
补充计算与检查得到的证据，还应连同方法、适用条件和核验结果一起保存。经过确认的有效做法，才能沉淀为后续任务可以复用的知识。
三、放心交给Agent，需要贯穿全程的可信
这种托付要有四个条件：意图识别正确全面，正确调用已知的确定性工具，数据在各环节正确传递，结果经过验证。
任何一环出错，都可能让后面的计算失去意义。可靠的求解器收到错误的边界条件，或者接到另一版几何的网格，也无法保证结论可信。文件成功传过去了，还要核对版本、单位、格式和参考量是否一致。
验证本身也有层次：文件与设置检查、几何与网格检查、收敛检查，以及物理合理性和工程约束判断。
文件完整性、单位和参数范围比较容易检查；越接近物理解释与设计取舍，越依赖专业方法、参考数据和工程师经验。把这些判断转化为可靠的验证器，仍存在很大的实现挑战。
因此，“可以托付”的范围需要具体到任务。成熟方法、明确判据覆盖的工作，可以逐步交给Agent持续执行；超出范围时，它要带着证据和具体问题回来。
比如，它可以指出：“当前计算已完成，但两组结果的网格精度不一致，暂时不足以推荐方案。”进一步说明需要补什么验证，工程师才能决定是否值得继续投入算力。
在MCLink Cortex中，Harness已经记录全过程，本地工程保存文件和日志，工程师可以在Agent中查看输入、配置、运行过程和结果，追查问题，也可以接手修改与复算。
这让托付有了可检查的基础。但记录完整仍不能替代结果验证：Workflow怎样调整、验证器为什么接受或拒绝一个结果，都需要回到具体文件和证据。
四、几个月后，我们希望怎样工作？
对于工具、方法和验收标准已经明确的场景，我们判断，这种协作有机会在未来几个月内出现。
工程师下班前交给MCLink Cortex一组方案比较任务，确认基线、方法和预算。它持续推进计算，按既定规则处理可恢复的异常，保留文件与日志。
第二天，工程师看到的可能是：
“三组结果已完成约定检查；第四组存在网格敏感性，暂不参与排名。建议追加验证，预计占用这些资源，请确认。”
工程师打开结果，检查依据，决定是否补算。确认之后，Agent沿着更新后的计划继续工作。没有必要从头复述任务，也不用重新整理散落的文件。
这是近期愿景，托付范围要由真实任务验证。不同专业、不同工况能够交出去的工作会有差别，但具备成熟方法和明确判据的任务，可以先走起来。
衡量仿真Agent的标准，也应该随之变化：工程师能放心离开多久，回来后还需要替它补多少工作？
这种“放心”，包含一个具体预期：约定范围内的工作会持续推进，异常会被处理或明确提出，需要人的判断时，证据已经准备好。
当工程师可以把注意力转向下一个设计问题，MCLink Cortex才开始真正成为伙伴。
下一篇：工程AI的可信，不能只靠更大的模型
