当AI开始分析工程数据，结论如何经得起追问？
MCLink Cortex · RLab 实测
做过非定常 CFD 的人都知道，算完往往只是开始：求解器吐出的监测文件格式五花八门，要先读进来；三套网格做网格无关性，要手算 Richardson 外推和 GCI；拿到试验数据，还得先处理传感器毛刺，再和仿真对比。这些工作重复、琐碎，任何一步做错，结论就站不住。
00MCLink Cortex 与 RLab
MCLink Cortex是我们打造的工程智能体平台。平台上挂着一组可扩展的智能体，它们操控本地的求解器和工具软件，把一件专项工作从头跑到尾。
RLab是其中负责仿真和试验数据分析的智能体：可以挂接自研算法，完成统计、分析和 AI 训练数据准备。
这篇文章，我们用流体工程师最熟悉的 Re = 100 圆柱绕流，把 RLab 的主要能力走一遍：读入求解器监测文件、做网格无关性评估、一句话生成新算子、把算子编成流水线处理试验信号并与仿真对比，最后把后处理经验写成“技能”。每一个关键数字，我们都用独立脚本做了复核。
01数据进来：没见过的监测文件格式，也能读
我们把一个二维非定常算例的力系数监测文件（.dat，带 # 注释表头，三列：无量纲时间、Cd、Cl）上传到 RLab。它判断这是一种没见过的格式，随即自己写了一个解析器：模型生成约 2600 字符的 Python 代码，静态检查通过后在沙箱里用这份文件实测，第一次就解析成功，得到 1501 行 × 3 列。
确认后，解析器被保存下来，下次遇到同类文件直接调用。CSV、Excel、Parquet、JSON、带文字层的 PDF 报告和表格截图，RLab 可以直接读入；其他格式（例如各家求解器自己的监测文件），就按这种“写解析器—沙箱验证—人工确认”的方式扩展。
02网格无关性：三套网格，Richardson 外推与 GCI
同一算例我们算了三套网格，圆柱直径方向分别为 10、14、20 个格点，加密比约 1.4：
我们只问了一句：各量是否单调收敛、观测精度阶多少，给出 Richardson 外推值和细网格 GCI，哪些结论可信。
RLab 按 Celik 等（2008）的 GCI 流程逐量处理，几处判断很到位：
St 单调收敛：
观测阶 p ≈ 3.67，外推值 0.1703，细网格 GCI 约 0.25%。它还主动提醒，p 明显高于格式的形式精度，不代表格式真有这么高的阶，应以 GCI 数值作为不确定度。 Cd 非单调：
三点公式解出 p = 11.4，它判定为非物理解，改用中、细两套网格并按二阶保守假设计算，得到外推值 1.513、GCI 约 0.21%。 提醒看绝对值：
它指出细网格 Cd 比文献中无阻塞二维结果（约 1.32～1.35）高约 12%，远超 GCI 给出的网格误差，建议先检查计算域和边界条件，而不是继续加密网格。
03试验信号有毛刺？一句话生成去尖峰算子
接下来是试验数据。尾流测点的脉动压力信号里混着传感器干扰造成的单点尖峰。内置的中值滤波会对每个点都做替换，连正常波形一起抹平；更合适的是 Hampel 滤波：只替换判为尖峰的点，其余原样保留。这个算法内置库里没有，我们就在“用 AI 生成”里用一段话描述它：滑动窗口取局部中位数和 MAD，偏离超过若干倍稳健标准差的点视为尖峰，替换为局部中位数，另输出一列标记哪些点被替换。
RLab 交回一个完整的候选算子：参数定义、中文说明、输入校验一应俱全，还自带 3 个测试用例（例如在全零序列中放一个幅值 100 的尖峰，检查能否被识别和替换）。用例在沙箱里全部跑通后，才出现“确认并保存”按钮；保存后，它和内置算子一样，可以在对话和流水线里调用。
04编成流水线：试验信号去尖峰，再与仿真对比
我们把新算子和内置的 FFT 串成一条流水线：试验信号 → Hampel 去尖峰 → FFT 频谱分析。每一步的结果都存为带血缘的派生数据集，点任何一步都能看到那一步的数据。
参数可以让 AI 推荐。在 FFT 节点点“推荐”，它根据时间列 t 的间隔（0.15）算出采样率 6.67，并提醒能分析的最高频率是采样率的一半（约 3.33）。
去尖峰这一步，我们完整保留了实际过程。对 Hampel 节点，AI 推荐的参数是窗口半宽 3、阈值 4 倍稳健标准差、稳健标准差下限 min_sigma = 1e-6。按这组参数，800 个点里被替换了 129 个，而真正的尖峰只有 8 个。原因在于：这段信号的噪声很小，7 点窗口内的 MAD 主要反映噪声，而正常波峰、波谷处的曲率就足以让样本偏离局部中位数超过阈值。
标记列让这个问题一眼可见。我们把 min_sigma 设为 0.05：这个值与相邻点差分估出的短时波动量级相当（约 0.048），又远小于尖峰的偏离量（约 1.6～2.1）。重新运行后只替换了 8 个点，正好是全部尖峰，没有误判。
再看频谱。原始信号和去尖峰后的主峰都落在 0.1667 这个频点上（记录长度 120 个时间单位，频率分辨率 0.0083），抛物线插值后约为 0.170，与第二节细网格算出的 St = 0.1699 一致。去尖峰后，谱峰以外的噪声底降到原来的七分之一左右（这些频点幅值的中位数从 0.012 降到 0.0017）；0.34 附近的 2 倍频分量也保留得很完整。
流水线搭好后，切到“运行 · 小程序”，界面只剩“选择数据 → 运行”。测试人员换一份试验数据点一下就能跑，处理过程依然可追溯。
05把后处理经验写成技能
算法库管“能做什么”，技能库管“该怎么做好”。我们把非定常力系数后处理的经验用大白话写给“AI 生成技能”：先判断是否进入统计稳态，按周期取 Cl 包络，剔除初始瞬态；统计窗口取整数个周期；St 用过零点和 FFT 两种方法互相校核，并报告频率分辨率；Cd 的脉动频率是 Cl 的 2 倍，不要把它当成脱落频率。
它生成了一份名为 cfd-vortex-shedding-an alysis 的技能，并标明成本：常驻目录约 119 token，正文 1061 token，用到时才加载。技能生成后处于“待审阅”状态，我们逐条审阅后才启用。在随后的对话里，智能体分析力系数监测文件时自动加载了这份技能，第一步就按技能的要求画出全段时程，并指出 t = 0 时的 Cd = 45.3 是启动冲击，必须剔除。
从“解析器”到“算子”“流水线”再到“技能”，团队的经验不再只存在个人脑子里，而是沉淀为平台能力。
06RLab Cortex为什么经得起考验
| 结果可追溯 | |
| 主动把关 | |
| 能力可扩展 | |
| 经验可沉淀 | |
| 过程可控 |
07结语
一圈实测下来，我们的体会是：对 CFD 和试验工程师，智能体的价值不在于替你“说出一个答案”，而在于把读数据、算指标、查收敛、比仿真与试验这些环节串起来，每一步都摊开给你看、交给你把关。
RLab 是 MCLink Cortex 平台上的仿真与试验数据分析智能体。它与平台上的其他智能体一起，目标是把一件专项工作从头跑到尾。
欢迎体验：如需试用，或希望用您自己的仿真、试验数据做一次演示，欢迎在公众 号后台留言或联系我们。
关于演示数据：文中算例为二维圆柱绕流，Re = 100，由格子玻尔兹曼方法计算，计算域 25D × 20D（阻塞比 5%）。时间、频率均按圆柱直径 D 和来流速度 U 无量纲化，频率即斯特劳哈尔数。受阻塞效应和阶梯边界影响，Cd 和 Cl 幅值明显高于文献中无阻塞的二维结果（Cd 约 1.33、Cl 幅值约 0.33），St 比文献值（约 0.164～0.166）高约 3%。“试验信号”为演示用构造数据：取细网格尾流测点（圆柱中心下游 2D、偏离中心线 0.5D）的脉动压力系数时程，叠加标准差为信号 5% 的高斯噪声，并在 1% 的随机位置加入 4～7 倍信号标准差的单点尖峰，用以模拟传感器干扰。
