MCLink Cortex · 研发智脑 · 系列06
FitAll Cortex 实测:它还找出了我们脚本里的 bug
这一年,公 众号上讲“手搓 Skill 驱动仿真软件”的文章很多:让大模型调 OpenFOAM,划网格、跑算例、出云图。
做仿真的人看这种演示,会先去找残差曲线和流量守恒,然后想问几件事:换个算例还能不能跑?结果和参考值差多少?输入填错了,它是报错,还是照样算出一个数?
这几个问题,我拿我们自己的 FitAll Cortex 试了一遍。算例都挑的是容易算错的,下面把过程和数据都列出来。
先交代一下被测对象。FitAll Cortex 是 MCLink Cortex 研发智脑系列中的接入智脑,作用是把脚本、算法库和求解器封装成智能体能调用的工具。平台上目前有 22 个工具,有 smlibpy、MeshIO 这类前处理工具,openfoam、su2、fluent-cfd-solver 这类求解驱动,也有 dataproc 这样的时间序列处理库。
我检查五项,基本就是平时验收一个仿真结果时看的东西:
能独立复算的结果,我在另一台机器上用自己的脚本重算一遍;求解器结果没法逐个复算,就检查守恒和收敛这些内部一致性。
pitzDaily 后台阶
OpenFOAM 自带的算例,台阶高 h = 25.4 mm,扩张比 2,simpleFoam 稳态求解,k-ε 模型。我给的指令只有一句:用 openfoam 技能在 Ubuntu 节点上跑完,报告网格、收敛、质量守恒和再附着点。
它返回的结果:
再附着点在 x = 0.1761 m,约 6.93h。它用了两种算法:底壁 wallShearStress 的 x 分量过零点,以及贴壁第一层单元 Ux 的过零点,两者相差 1e-6 m。
一段带频谱泄漏的压力信号
我合成了一段 2 s、1000 Hz 采样的压力信号:均值 200 Pa,叠加 12.3 Hz / 80 Pa 和 47.8 Hz / 20 Pa 两个正弦分量、75 Pa/s 的线性漂移和 σ = 5 Pa 的噪声,再随机删掉 20 个点。2 s 的数据频率分辨率是 0.5 Hz,两个频率都不在谱线上,直接做 FFT 幅值一定偏低。
它先调 dataproc 跑了一遍,读出 12.5 Hz / 59.45 Pa 和 48.0 Hz / 15.09 Pa,然后自己指出这个结果不能用:矩形窗下频率偏离谱线 0.4 个 bin,理论扇形损失 24.3%,和实测偏低 25.7%、24.6% 对得上。接着它换了两种方法重算,一种是去趋势加 Hann 窗、补零后做抛物线插值,另一种是频率作为自由参数的非线性最小二乘:
它还给出幅值的标准差 ±0.16 Pa,说明剩下 0.15~0.18 Pa 的差和噪声水平相当,不是方法本身的偏差。我用 scipy 在本地重做了最小二乘,四个数完全一致。
这一项用的是我们自己写的 pipe_dp.py,50 行,算圆管沿程压降:先算 Re,Re < 2300 用 64/Re,否则用 Colebrook 公式迭代求摩擦因子,再代入 Darcy-Weis bach。管径、管长、流速必填,密度、黏度、粗糙度有默认值。打成 zip 后上传到「接入工具」。
它没有直接开始封装,先读了源码,跑了几组参数,然后报告了三个问题:
这三条我在本地都复现了。
我给了两条要求:非法输入要报错退出;保留原来的公式,不要重写。它的处理方式是:
测试方面,8 项单元测试和 6 条平台用例都通过了,在只装了 Python 3.11.16、没有第三方包的环境里重跑也通过。另外有一条测试专门拿封装后的结果和原脚本对比,4 个数值字段完全一致。
我让它读取 Fluent 算例 elbow_case,给出出口的面积加权平均压力,但没有上传文件。
它查了工作目录,又在整台机器上搜了 *.cas.h5 和 *elbow*,只找到 OpenFOAM 自带的 elbow 教程网格,说明和这个 Fluent 算例无关,然后请我上传 elbow_case.cas.h5 和 elbow_case.dat.h5,并列出拿到文件后要执行的命令。它还提前说明了两点:面积加权平均需要逐面数据,如果接口只返回统计值,它会导出 CSV 自己按 Σ(p·A)/ΣA 计算,并同时给出算术平均方便比较;Fluent 的 p 一般是表压,结果会注明是表压还是绝对压。
pitzDaily 那次还有一处。我在提问里写的是“壁面剪切应力 x 分量由负变正的位置”。它先指出这个说法反了:OpenFOAM 的 wallShearStress 按壁面外法向定义,底壁外法向是 −y,回流区 τx 为正,贴体区为负。照我的说法去找,会落在 x = 0.0113 m(0.44h),那是台阶后主回流区的起点,不是再附着点。这一点是我提问时写错了,它在计算前就指了出来。
再附着长度要和 Pitz & Daily 的实验值比较时,它也注明文献数值是按公开资料给的,这台机器上查不到原文,以原文为准。
智能体每调用一次工具,对话里都留一条记录,展开就能看到传入的参数和返回的结果。pitzDaily 跑完后,工作区里保留了场数据、checkMesh 和求解日志、计算报告、每一步的作业状态,分析脚本可以下载到本地重跑。
平台接了 4 台算力节点:装 OpenFOAM 的 Ubuntu、装 Fluent 的 Windows,以及一台 CentOS 7 和一台 Windows 10,在输入框上方选择运行位置。
pitzDaily 就是在那台 Ubuntu 节点上跑的,OpenFOAM 版本 v2412。节点安装后用令牌注册到平台。设置里有“算例数据不出外网”的开关,大模型也可以换成本地部署的。
一个 Skill 如果只有一段提示词和一个跑通的例子,换了算例或者参数填错了,结果对不对只能靠使用的人自己去核。FitAll 在接入阶段多做了几步:先把工具的输入、边界和判据问清楚,测试通过后再交给智能体用。
问的内容按工具类型不同。pipe_dp 这种算法脚本,问的是接口、参数单位和边界条件,并且会先自己跑。求解器流程问得更细,我描述了一个用 SU2 批量计算翼型极曲线的流程,它列了 10 个问题,包括:
问完之后才是封装、测试、验收,通过的工具进入工具集市。需要接到自己的智能体里,可以导出 Skills、MCP 配置、开发包或 CLI 包。
平台界面左上角写着一句“接入一次,沉淀一次”。按我的理解:一个脚本或求解器只在接入时问清楚、测一遍,之后不管是同事还是智能体来调用,用的都是同一个通过了测试的版本。
回到标题的问题。判断一个仿真 Skill 能不能用,我的办法是:拿一个自己知道答案的算例,故意留个坑,看它交回来的数和你的参考值差多少,输入填错时它怎么处理。
如果你手上也有只有自己会用的脚本、算法,或者想让智能体去驱动团队在用的工业软件,可以拿来在 FitAll Cortex 上试一试。