我的知识平台

一句话简介：让工程师用一句自然语言驱动 ANSYS Fluent / STAR-CCM+ / 云泊软件自动完成"规划 → 网格 → 设置 → 求解 → 后处理"全流程，并通过经验闭环越用越聪明。

GitHub 仓库：joew-wen/YunboAgent-CFD（私有）

一、设计背景

1.1 痛点

• 重复劳动：一次典型 CFD 仿真要经历前处理、网格、物理模型设置、边界条件、求解监控、后处理等十几个环节，其中大量 GUI 操作是高度重复的。
• 经验依赖：正确的参数设置和操作顺序依赖工程师的个人经验，新人上手慢，老师傅被琐事占用。
• 商业软件无开放 API：Fluent 的 GUI 不可脚本化编排，STAR-CCM+ 虽有 Java 宏但学习曲线陡峭，跨软件无法统一调度。

1.2 项目目标

构建一个多智能体系统：自然语言需求 → LLM 规划 → 自动 UI 操作/命令执行 → 结果交付，同时把每一次成功/失败的经验沉淀为可复用资产。

1.3 技术起点

• 借鉴开源项目 Foam-Agent 验证了"LLM 驱动仿真全流程"的可行性，本项目扩展到商业软件 + GUI 自动化这一更难的场景。
• 自研 qflow 引擎：基于 Windows UIA + OCR 的桌面自动化录制/回放引擎，通过 MCP 协议暴露给 LLM 客户端调用。

二、设计思路

2.1 架构演进：从"自建 agent"到"IDE skill 编排"

第一代（LangGraph 多智能体）：自建 LangChain/LangGraph 工作流——全部自己写。

• 优点：完全可控；
• 代价：大量精力消耗在 agent 基础设施上，而非领域知识本身。

第二代（Qoder Skill 体系，现行）：把 LLM 推理与工具调用交给 IDE 内置 agent，领域知识全部沉淀为 8 个 Skill 文档 + 模板库 + 案例库，qflow 引擎以 MCP server 形式接入。

• 不再维护 agent 基建，只维护真正有价值的领域资产；
• 新增一个软件的支持 = 新增三个 skill，结构照抄即可。

2.2 核心设计决策

决策 1：调度器模式 + 对话上下文即状态

总编排 skill 是调度规则文档，agent 本身就是调度器。子 skill 的执行结果自然成为对话历史，无需额外的状态文件传递。

决策 2：Harness 化编排 —— 契约 + 状态门

把整个流程收敛为带状态门的流水线：

关键原则：门判据必须是客观证据，LLM 的主观判断只能作为纠错线索，永远不能作为放行依据。

决策 3：经验闭环 —— 案例库机制

闭环流程：新任务 → 案例检索 → 命中则复用序列只改差异项 / 未命中则完整访谈 → 执行 → 验证 → 成功回写案例库。

决策 4：混合驱动 + 兜底降级

• 主路径：录制 .qflow 模板，确定性回放——快、稳、可复用；
• 兜底路径：模板纠错 3 轮不过时，降级为实时 LLM 驱动；
• 归宿原则：“兜底是权宜，模板化才是归宿”。

决策 5：断点续跑 + 安全确认门

每过一道门把 StageResult 追加落盘到 checkpoint 文件；恢复时跳过已通过阶段续跑。

决策 6：多软件差异化自动化策略

三、整体架构

3.1 调度关系

graph TB
    U[用户: 自然语言需求] --> ORCH[cfd-orchestrator 调度器]
    ORCH -->|阶段1a| CASES[fluent-cases 案例检索]
    CASES -->|命中: 复用基线| PLAN
    CASES -->|未命中| PLAN[cfd-planning 参数访谈]
    PLAN -->|CasePlan JSON + G1门| MESH{G2 网格路由}
    MESH -->|自带网格| SW
    MESH -->|无网格| YUNBO[yunbo-ops 生成+导出网格]
    YUNBO --> SW{软件路由}
    SW -->|Fluent| FL[fluent-templates 参数 + fluent-automation 纪律]
    SW -->|STAR-CCM+| SC[starccm-automation]
    FL --> G3[G3 设置门]
    G3 --> G4[G4 求解门]
    G4 --> G5[G5 后处理]
    G5 --> WB[fluent-cases 案例回写]

3.2 部署布局

YunboAgent-skill/
├── .qoder/skills/               ← 8 个 skill
│   ├── cfd-orchestrator/        ← 总编排入口
│   ├── cfd-planning/            ← 参数访谈
│   ├── fluent-cases/            ← 案例库
│   ├── fluent-templates/        ← qflow 模板清单 + 参数表
│   ├── fluent-automation/       ← Fluent 操作纪律
│   ├── starccm-automation/      ← STAR-CCM+ Java 宏
│   ├── yunbo-ops/               ← 云泊前/后处理
│   └── qflow-template-recording/ ← 模板录制方法论
├── templates/fluent/            ← qflow 模板
├── templates/yunbo/             ← .flow 模板
└── runs/                        ← 运行产物 + checkpoint

四、当前状态与成果

已验证能力

• qflow 驱动 Fluent 完整求解链路：导入网格 → 湍流模型设置 → 边界条件（16 节点模板 0 错误 53.5s）→ 初始化 → 迭代求解；
• find_input 引擎分层匹配 + MTA 线程模型端到端验证通过；
• STAR-CCM+ batch 模式 PoC：Java 宏创建仿真 + qflow run_command 执行 + .sim 文件生成验证；
• 8 个 skill 部署至唯一维护目录。

进行中

• Fluent 端 G1~G4 全门流水线端到端实测；
• 模板参数化补全；
• 云泊 .flow 模板真实录制与链路验证。

核心成果

用"skill 文档承载领域知识 + qflow 模板承载确定性操作 + 状态门承载可靠性 + 案例库承载经验复用"四件套，把一个需要维护数千行 agent 基建代码的系统，收敛为一份可以由 CFD 工程师直接维护的知识库。