科研仿真Agent实测：一段提示词跑完NASA翼型验证

海外AI Agent已经开始给自己配电脑——GrokBot能开终端跑程序，各家代码沙箱也在升级Agent能力。但国内科研人想用这套东西，会卡在网络、账号付款、仿真环境三道坎上。最近一个叫CloscoScience的科研自动化Agent声称绕开了这些问题，我在国内网络下用一台云主机，只写了一段提示词，让它独立完成了NASA NACA 0012翼型的CFD验证全流程。这篇文章记录整个过程和它暴露出的真实能力边界。

三道坎：国内科研做AI Agent的现实阻力

海外Agent工具对国内科研场景的不友好是结构性的。第一是网络，OpenAI官方支持地区清单里没有中国大陆；第二是账号和付款，海外手机号和信用卡是硬门槛，GrokBot还得先订阅SuperGrok；第三是环境，通用代码沙箱里没有现成的仿真软件，Agent自己装的软件包在更新后可能丢失。

CloscoScience的解法是把执行环境做成一台团队共享的云主机。这台机器8核16G内存、近500G硬盘，系统页显示Ubuntu 24.04，预装2400多个Python包，R和TeX也在。终端可以直接敲命令，国内网络访问，不需要海外账号。据B站原视频演示，注册即可领取一台云主机用于测试。

CFD（计算流体力学） 是用数值方法求解流体流动控制方程（纳维-斯托克斯方程）的学科分支，广泛应用于航空航天、汽车、能源等领域。其基本流程包括几何建模、网格划分、设定边界条件与求解器参数、数值求解、后处理分析。网格质量直接决定求解稳定性与精度，粗网格易收敛但精度低，细网格精度高却可能因数值刚性导致发散——这正是后文“中网格发散”的技术根源。CFD验证通常需要与风洞实验数据或权威求解器（如NASA的CFL3D）结果对照，以确认仿真可信度。

湍流模型 是CFD中的关键近似。直接数值模拟全尺度湍流成本极高，工程上常用雷诺平均（RANS）方法配合湍流模型封闭方程。k-omega SST（剪切应力输运）模型结合了k-omega在近壁区的优势与k-epsilon在远场的稳定性，是翼型绕流模拟的常用选择。但RANS类模型本质上是对湍流的统计平均建模，难以准确捕捉大分离、突然失速等非定常现象，这是文章中提到“SST模型算不出风洞里那种突然失速”的根本原因。

网格无关性验证 是CFD结果可信度的基本要求：通过逐步加密网格（如粗、中、细三套），观察关键输出量（如升力系数）是否趋于稳定。若结果随网格加密变化很小，说明数值解已接近网格无关，结果可信。文章将“三套网格的网格无关性验证”写入验收标准，正是遵循这一行业规范。

模型配置：主从双模型，长上下文扛住8小时

这台云主机上的模型配置采用主从模式。主模型是Claude Opus 5.5，据称是Anthropic当前最新的旗舰模型，擅长深度推理和复杂任务；子智能体跟随主模型，推理强度开到高。演示中整个任务跑了近8小时，上下文只用了24%，论文数据、日志、脚本都装得下。

这个上下文占用率值得关注。CFD验证涉及网格文件、求解器日志、对照数据、脚本和报告，8小时任务只吃掉四分之一的上下文窗口，说明长任务的瓶颈更多在算力调度而非上下文容量。同一台云主机、国内网络、不用海外账号，配置完成后就是这次验证的全部算力。

上下文窗口 指大模型单次推理能容纳的token总量，涵盖系统提示、对话历史、工具调用返回结果等。长周期Agent任务中，上下文会随工具调用、日志读取、文件内容累积而快速增长，一旦超出窗口就需要截断或摘要，可能导致早期关键信息丢失。文章提到8小时任务仅占用24%上下文，说明该配置的窗口容量足以容纳CFD验证全过程的多模态材料（网格文件、求解器日志、对照数据、脚本、报告），这是长任务能连贯执行而不“失忆”的前提。

主从双模型架构 是Agent系统中常见的分工模式：主模型负责总体规划、任务分解与关键决策，子智能体承担具体子任务（如执行命令、检索文件）并向主模型汇报。这种分层设计既降低单次推理的复杂度，也便于控制成本。推理强度（reasoning effort）则指模型在生成回复前进行内部推理的深度，调高通常能提升复杂任务的成功率，但会消耗更多算力与时间。

任务设计：把验收标准写进提示词

这次验证的对象是NASA湍流模型资源里的NACA 0012翼型，雷诺数600万，k-omega SST湍流模型，翼形坐标和风洞数据来自NASA自己用CFL3D算的结果，共8个文件一起丢进去。

提示词只说了三件事：要什么结果、拿什么对照、做到什么程度算完。具体验收标准包括：升力与CFL3D偏差2%以内，并做三套网格的网格无关性验证。剩下的工作全由Agent自主完成。这个提示词设计思路值得借鉴——不是给Agent写操作步骤，而是给它一个可检验的目标函数，让它在失败中自己找路径。

过程复盘：粗网格顺利，中网格发散后自主排障

Agent先核对翼形坐标，再按NASA同样的拓扑生成三套网格。粗网格10度攻角先算出来，升力1.077，CFL3D是1.0778，偏差在千分之一量级。

中网格一开始就发散了。Agent自己一路查下去：先定位到翼面上方的压力震荡，再换数值格式，拿不可压球解气做对照，最后把冷启动问题改好，整套攻角扫描才排上队。浏览器关掉后它照样在算，将近8小时、197步之后跑完，6项验收标准全部达到。

交付物包括5个文件：一份验证报告、一个可复现的算力包、对比图和数据表。升力曲线与风洞、CFL3D基本重合，10度吸力峰值只差0.2%，升力线斜率差0.8%。失速攻角7度与风洞一致，但最大升力低了一截。Agent在报告里写了原因：SST模型算不出风洞里那种突然失速。它还自己记了几条经验，比如下次做翼形会先分什么。

数值格式 是CFD求解器中离散对流项的方法，如一阶迎风、二阶迎风、中心差分等。低阶格式稳定但数值耗散大、精度低；高阶格式精度高却易在激波或大梯度区域产生非物理震荡。文章所述“翼面上方的压力震荡”正是高阶格式在特定网格与流场条件下失稳的典型表现，Agent“换数值格式”即是在稳定性与精度之间重新权衡。

冷启动 指求解器从初始场（如均匀来流）开始迭代，初始场与最终解差异过大时，早期迭代可能出现剧烈波动甚至发散。常用缓解手段包括先用低阶格式或较小松弛因子获得初步收敛解，再逐步切换到高阶格式、以此解作为初场继续迭代。Agent“把冷启动问题改好”意味着它识别到发散并非网格或物理设置错误，而是初始化策略不当，这属于有经验的CFD工程师才会优先排查的方向。

失速攻角 指翼型升力系数随攻角增大到某一临界值后开始下降的转折点。风洞实验中失速往往伴随前缘分离迅速扩展，升力骤降；而RANS湍流模型倾向于预测更平缓的失速过程，导致最大升力被低估、失速后行为失真。这一模型局限是行业公认难点，Agent在报告中如实记录，体现其对结果可信度的边界意识。

能力边界：能自主排障，但物理模型局限仍在

这个案例最有信息量的地方不是"跑完了"，而是它怎么处理失败。中网格发散后自主定位压力震荡、换格式、做对照、改冷启动，这是一条真实的CFD排障路径，不是脚本回放。同时它诚实报告了SST模型的失速预测偏差——这说明Agent的"验收"不只是数字达标，还包括解释为什么某些指标达不到。

边界也很清楚。数值格式选择、湍流模型局限这类判断，最终仍需领域专家复核；Agent的经验总结是文本层面的，能否迁移到下一个翼形还没验证。把它当"能独立跑通标准流程的初级研究员"比当"替代专家的系统"更准确。

团队扩展：原有机器和技能市场

除了这台云主机，组里原有的机器也能接进来：Fluent工作站或GPU集群登记成SSH服务器后，Agent在任务里可以直接登进去跑；个人电脑也能加进团队当一台主机用。技能市场里有860个技能，装一次全队可用。对课题组来说，这意味着不必把全部算力搬到云端，存量设备可以纳入同一套Agent调度。

适合谁试

做仿真、手头有标准验证案例的团队值得拿一个小算力试一次。重点观察两件事：Agent在发散后能否给出可复现的排障路径，以及它交付的报告是否包含对未达标指标的诚实解释。这两点比"跑通"更能说明它是否真能进科研工作流。