CAE Copilot｜面向 Abaqus 的仿真智能体实践
从一句话到仿真结果：AI 赋能 CAE 工作流
如果 Abaqus 能听懂一句自然语言指令，会发生什么？
联合开发
CAE Copilot 由大连理工大学力学与航空航天学院、大连工业软件创新发展研究院、澎峰科技联合开发。
本文由澎峰科技整理发布，介绍 CAE Copilot 阶段性实践。
在 CAE Copilot 中，工程师不需要从零编写脚本，也不必把每一步操作都拆成按钮点击。只要描述仿真目标，系统就会把自然语言拆解成可审阅的任务步骤，并驱动 Abaqus 完成建模、赋材、加载、网格、求解和结果查看。
一、先看效果：三个核心功能
核心功能 1
输入自然语言指令后自动建模
从一句话到 Abaqus 操作
用户输入一句完整的建模需求，系统生成执行计划，随后在 Abaqus 中依次完成零件、材料、截面、网格等操作。
一句话结论：一句话生成真实 Abaqus 模型。
示例指令
创建一个矩形零件 Rect-Test，长宽高都是 10；然后为 Rect-Test 创建实体截面并赋予材料 Steel-Q235，如果材料不存在则创建弹性材料 Steel-Q235，弹性模量 E=206000 MPa，泊松比 ν=0.3，密度 ρ=7.85e-9 tonne/mm³；划分网格，全局种子尺寸为 1，单元类型选择 C3D8R。
过去，这类标准建模流程往往需要手写脚本，或者在 Abaqus 中反复点击菜单、填写参数、检查对象名称。CAE Copilot 的目标不是替代工程师做判断，而是把这些重复、规范、可检查的操作交给系统自动完成。
它会先理解自然语言中的对象、材料、参数和目标动作，再把任务拆解为稳定的步骤，并优先调用封装好的 Abaqus 工具函数执行。这样既保留了大模型理解复杂意图的能力，也降低了自由生成脚本带来的不稳定性。
核心功能 2
可视化效果：模型、网格和结果直接可见
不是只生成文本，而是交付可检查结果
几何模型、网格效果、结果云图或动画帧可以直接展示，读者能看到系统输出的是可检查的 CAE 资产。
一句话结论：模型、网格、结果可以直接查看。
对于 CAE 软件来说，“能不能看见结果”非常关键。CAE Copilot 不只是把自然语言翻译成代码文本，而是把任务落实到真实的 Abaqus 模型、网格、作业和结果文件中。
核心功能 3
上下文自动同步：让 LLM 获取 Abaqus 状态
让 LLM 基于当前仿真现场继续操作
Abaqus 当前模型树、活动对象、执行日志或结果状态同步到系统中，用户可以基于当前模型继续下达修改指令。
一句话结论：LLM 能获取当前 Abaqus 会话状态。
很多 CAE 自动化失败，并不是因为大模型不会推理，而是因为它不知道当前仿真现场发生了什么。当前模型里有哪些零件？实例叫什么名字？材料是否已经创建？作业是否提交？结果文件在哪里？如果这些信息拿不到，大模型就只能基于猜测继续生成脚本。
CAE Copilot 把“上下文同步”作为核心能力之一：系统会同步模型树、界面状态、执行日志、错误信息、作业状态和结果文件路径，让后续规划和修复基于真实 Abaqus 会话，而不是脱离现场重新想象一个模型。
二、为什么 CAE 自动化需要这样的智能体
CAE 工作流有一个矛盾：一方面，很多操作高度重复，具备自动化价值；另一方面，仿真任务又非常依赖上下文、对象名称、坐标方向、边界条件和执行反馈。只靠一段脚本，很难覆盖真实工程场景里的变化。
传统 Abaqus 脚本可以完成大量自动化工作，但对使用者有门槛：工程师需要熟悉 API、维护脚本、处理报错，还要不断检查当前模型状态。大模型出现后，它确实能理解自然语言，也能生成脚本，但如果缺少执行约束和上下文反馈，输出就容易出现对象名对不上、步骤漂移、参数遗漏等问题。
核心判断：CAE Copilot 选择的不是“让大模型一次性写完所有代码”，而是把大模型、工具函数库、Abaqus 执行环境和结果反馈连接起来。大模型负责理解和规划，工具函数负责稳定执行，Abaqus 负责真实计算，日志和结果负责复盘。
三、CAE Copilot 是什么
CAE Copilot 是一个面向 Abaqus 工作流的仿真智能体。它支持用户通过自然语言描述任务，并自动完成从任务拆解到仿真执行的多个环节，包括建模、材料、截面、装配、载荷、边界条件、接触、网格、作业和结果查看。
它的定位不是替代仿真工程师，而是成为工程师身边的自动化助手：把重复流程做快，把规范操作做稳，把执行过程记录清楚，让工程师把更多精力放在方案判断、参数设计和结果分析上。
一个典型流程
四、它如何工作：从会写脚本到可控执行
1. 多 Agent 协同
复杂仿真任务不适合让一个大模型从头做到尾。CAE Copilot 采用多 Agent 协同思路：路由 Agent 负责判断用户请求是否清晰、是否需要澄清；规划 Agent 负责把目标拆成建模、赋材、加载、网格、求解等步骤；执行 Agent 则在每个子任务中调用工具、编写代码、观察反馈、失败后修正重试。
这种拆解方式的好处是，每一步都更短、更明确、更容易检查。相比一次性生成一大段长脚本，分步执行可以显著降低定位问题的成本。
2. 工具函数库
在工程落地中，稳定性比“看起来聪明”更重要。CAE Copilot 将常用 Abaqus 操作封装成工具函数，执行 Agent 优先调用这些工具函数，而不是完全自由地生成脚本。这样既能利用大模型理解自然语言的灵活性，也能让关键操作落在更稳定的执行接口上。
3. 上下文工程
上下文工程是这套系统能否可靠运行的关键。CAE 任务不是孤立指令，而是发生在一个持续变化的仿真现场中。用户可能已经在 GUI 中修改了模型，前一步执行可能创建了新的实例，作业可能正在运行，结果文件可能已经生成。
系统需要把这些信息持续同步给 LLM，包括当前模型树、活动对象、已创建的零件/实例/集合/表面、执行日志、错误堆栈、作业状态和结果路径。上下文越完整，规划越贴近真实模型，自动修复也越有依据。
4. 可审阅、可执行、可追溯
CAE Copilot 的目标不是制造一个不可解释的黑箱，而是形成一个工程师可以检查的流程：执行前有计划，执行中有日志，执行后有结果，失败时有错误信息和修复轨迹。
这对工程场景非常重要。仿真不是只要“跑起来”就够了，还需要知道系统做了什么、为什么这样做、结果文件在哪里、出错时如何复现。
五、实测案例：覆盖从建模到结果的多类任务
下面选取案例，用图文方式展示 CAE Copilot 在建模、代码生成、网格、分析步和多对象装配等场景中的实际表现。
案例 1：标准静力分析流程
这个案例覆盖了最典型的 Abaqus 标准流程：创建矩形实体、创建材料和截面、建立装配实例、设置静力分析步、固定底面、顶部施加压力、划分 C3D8R 网格，并提交作业。
展示价值：从一句自然语言需求到完整标准仿真闭环。
执行结果：成功完成建模、求解与结果查看。
矩形实体静力分析：系统完成建模、赋材、约束、载荷、网格、作业提交，并在结果面板中展示应力云图。
案例 2：代码生成异形零件
标准参数化函数库可以覆盖常见几何，但工程中经常会遇到非标准轮廓。这个案例要求系统创建一个五角星外轮廓的三维实体，并完成材料 Codegen-Steel、截面 Codegen-Section 和截面分配。
展示价值：工具函数库 + 代码生成结合，覆盖非标准几何。
执行结果：成功创建异形零件，并完成材料与截面设置。
五角星异形板：标准工具库不直接支持的几何，通过代码生成完成建模、赋材和截面分配。
案例 3：网格重划与单元类型对比
这个案例让系统创建圆柱零件 Mesh-Column，先使用较粗的全局种子尺寸和 C3D8R 单元生成网格，随后删除当前网格，再切换为更细的种子尺寸和 C3D4 单元重新生成。它展示的是“对已有对象继续操作”的能力：系统需要知道当前零件、当前网格状态和后续重划目标，而不是每次都从零开始。
展示价值：支持连续修改、网格删除、参数更新和重新生成。
执行结果：成功完成网格重划与模型保存。
圆柱网格重划：先生成初始网格，再删除并切换种子尺寸与单元类型重新划分。
案例 4：热分析散热片
系统需要生成底板和多条均匀肋片，创建 Heat-Aluminum 材料，建立热力耦合分析步，并使用适合温度-位移耦合分析的 C3D8RT 单元划分网格。
展示价值：覆盖代码生成几何、热力耦合分析步和专用单元设置。
执行结果：成功完成散热片建模、网格划分和模型保存。
散热片热分析模型：通过代码生成肋片结构，并创建热力耦合分析步与温度-位移耦合单元网格。
六、能力边界与推荐用法
当前更稳定的场景
创建带明确数值的对象，以及对具名实体执行明确操作。例如创建指定尺寸的零件、给指定零件赋材、在指定表面施加载荷、用指定单元类型划分网格。
需要更清晰描述的场景
复杂空间装配、描述模糊的位置关系、一次性过长的复合任务，以及高度非标准的几何或接触设置。
推荐写法
- 尽量写清坐标轴、方向、角度和数值。
- 复杂任务拆成多轮执行，每轮只完成一组明确动作。
- 对关键步骤进行人工确认，例如接触面、载荷方向和约束位置。
七、它能带来什么价值
对仿真工程师：减少重复建模、脚本编写和流程性操作的时间，让工程师更快完成标准流程、批量试算和方案迭代。
对团队：沉淀常用仿真流程，把经验从个人脚本和口头说明中抽取出来，变成可复用、可追溯的执行链路。
对企业： 成为 CAE 智能化平台的一部分，一端连接自然语言和知识库，另一端连接仿真软件、函数库、结果文件和流程模板。
八、结语
AI 赋能 CAE，真正的价值不只是“让大模型会写 Abaqus 脚本”。更重要的是，把自然语言理解、任务规划、工具执行、上下文同步和结果反馈连接成一个可控闭环。CAE Copilot 的方向，是让工程师用更自然的方式驱动仿真软件，让重复流程更自动，让执行过程更透明，让结果复盘更容易。AI 不替代仿真专家，但可以成为专家身边更懂工程现场的助手。
