★ FEATURED ARTICLE 这是系列文章第四篇。前几篇讲了不少提示工程的基础用法也都偏通用。这次我把它放到真正硬核的场景里——计算材料科学与力学编程。用GPT辅助写Python代码做有限元计算、应力应变分析、材料参数反演这类工作踩过的坑和摸出来的门道确实不少。如果直接用对话式一问一答去写代码很快会发现GPT能给你一版能跑的结果但物理对不对、网格怎么剖、边界条件有没有加对它并不会替你负责。这些恰恰是这一领域编程最要命的部分。1. 为什么计算材料编程这么容易“卡壳”很多人以为材料力学计算无非是套公式、填参数、出图。但真正上手做过的都知道头疼的部分从来不是公式本身而是把公式变成可运行、可验证、可复用的代码。更麻烦的是计算材料科学和通用软件开发在思维模式上有天然错位代码生成工具再强如果不懂物理也白搭。1.1 力学算法与通用编程的天然错位通用编程的逻辑是“数据进来—处理—输出”重点在数据结构、算法复杂度、接口设计。而计算力学的逻辑是“物理模型—离散化—求解—验证”每一步都绑定着单位、边界条件、材料本构和收敛性判断。比如写一个二维线弹性有限元程序核心动作是组装刚度矩阵并求解线性方程组这听起来像数值线性代数问题。但真正动手时你发现80%的工作都在处理单元节点编号、自由度映射、边界条件施加顺序、积分点应力提取这些“体力活”。不懂力学的人写出来的代码矩阵算得动但物理上完全不对。GPT在这类任务上有天然优势也有明显短板。优势在于它见过大量开源有限元代码和力学计算示例能快速给出骨架短板在于它本质上是一个“语言模型”对网格质量、单元畸形、数值振荡这类需要工程直觉的问题缺乏感知。所以正确的用法不是让GPT替你做力学分析而是把它当成一个“非常熟悉编程套路、但需要你盯紧物理正确性”的协作者。这也是为什么在提示词里你必须先把物理模型、几何尺寸、单位系统、边界条件交代清楚而不是简单说一句“帮我写一个有限元程序”。1.2 GPT在代码生成上的优势与短板GPT在结构力学、传热、材料本构这些领域能发挥很大作用因为它训练数据里包含大量开源代码、学术仓库和Stack Overflow问答。你问“四阶各向同性弹性张量怎么用Voigt记号存储”它能给出准确回答你问“平面应力与平面应变条件下刚度矩阵有什么区别”它也能条理清晰地说清楚。这相当于一个随叫随到的“编程陪练”而且是读过很多代码的那种。但它也常犯典型错误。最明显的是“看起来对、实际编译不过”的代码比如把np.dot和混用或者把列表和numpy数组做切片时出现维度不匹配。更隐蔽的错误是物理层面的给错泊松比符号方向、把GPa和Pa混用、把应力单位当作MPa却在结果里要求Pa、圆孔应力集中的边界条件加载方向搞反。这类错误代码能跑结果也“看似合理”但数值严重偏离理论。第二类错误是针对性不足求解器没做收敛判断、线性方程组用全稠密矩阵导致计算量爆炸、后处理部分输出云图时坐标映射错误。总而言之GPT适合用来写骨架、写单调重复的单元循环、写后处理配色但关键判断、参数校验、边界条件施加你必须亲自把关。1.3 一套可复用的提示词工作流我目前用得比较顺的提示词工作流核心思想是“把任务拆成提示词对话中的多个回合”而不是一次性期望得到终版。具体来说四步走第一步“角色与目标”让GPT扮演计算力学工程师明确要解决什么问题。比如“请扮演计算力学工程师用Python实现一个二维线弹性有限元求解器目标是计算带孔平板的应力集中系数。”第二步“输入条件”把所有几何、材料、边界条件、网格参数写清楚。单位制前务必写明“长度单位mm弹性模量单位MPa力的单位N最终应力结果为MPa”。这直接决定后续代码对错漏了这一步后面要改一整片代码。第三步“约束与输出格式”限定使用的库只用numpy、scipy和matplotlib、限定数据结构节点数组、单元数组、每个单元的节点顺序、限定输出内容位移向量、单元应力、可视化云图。这一步是代码能直接落地的关键。第四步“迭代与调试”拿到初版代码后不急着欢呼先看它生成的网格示意、再看刚度矩阵是否对称正定、最后拿一个已知解析解做对照。如果数值对不上把错误信息原样贴回去并附上“请检查单元映射”之类的提示让GPT迭代修正。下面我用一个完整实例把这条工作流串起来。2. 实战GPT辅助搭建带孔平板应力分析程序带孔平板的应力集中是材料力学里最经典的题目之一理论解和有限元数值解互相印证特别适合用来检验一套代码是否正确。因为答案你事先知道无限宽板中圆孔应力集中系数趋近于3有限宽板则更大。有了这个“锚点”GPT生成再多的代码你都能快速判断它到底算得对不对。2.1 物理模型与算法选型为什么选平面应力带孔板我选这个模型的理由很直白既有理论解做验证又有实际工程背景。实际构件中螺栓孔、油孔、铆钉孔都是典型的应力集中源几何简单但应力分布复杂。计算模型这样设定一块矩形板长200mm宽100mm厚度1mm中心有一个半径为10mm的圆孔。材料为普通钢材弹性模量E210000 MPa泊松比nu0.3。左侧边固定右侧边施加均布拉应力10 MPa。因为厚度远小于面内尺寸显然按平面应力问题处理。算法选型上我用三节点常应变三角形单元CST每个单元有两个自由度x和y方向位移单元刚度矩阵是4x4。CST单元精度不高但胜在简单、容易跟踪、容易调试。对教学和验证来说它比用高阶单元更合适因为每个环节的矩阵都能手推验证。提示如果是论文级别或者需要高精度结果CST单元的网格要加密很多。我建议先用CST跑通流程再让GPT把它升级成六节点三角形单元或者二次四边形单元。这一步在提示词里就告诉GPT“先生成CST版本之后再升级单元类型”能省不少重构时间。2.2 让GPT生成网格与单元刚度矩阵的提示词写法网格生成是第一个容易翻车的地方。带孔板要生成非结构化网格GPT如果直接用均匀网格去切圆孔边界就变成锯齿状应力集中算出来完全不对。范围较小时我见过它生成过“看起来是网格但节点坐标和单元连接关系完全不相符”的结果。所以提示词里必须把网格生成方式限定清楚例如使用三角形面片填充带孔区域在圆孔附近做局部细化。我实际用的提示词大概是这样的这是一段对话记录:请扮演计算力学工程师。用Python实现二维平面应力有限元求解器。 几何矩形板200mm x 100mm中心圆孔半径10mm厚度1mm。 材料E210000MPanu0.3。 边界条件左边界u0固定右边界施加x方向均布拉应力10MPa。 单元三节点常应变三角形单元。 实现要求 1. 生成网格使用外部工具或算法均可但必须保证圆孔边界节点落在圆上。 2. 组装全局刚度矩阵用scipy.sparse.lil_matrix自由度编号按节点顺序排列节点i对应dof 2*i和2*i1。 3. 约束处理和求解用scipy.sparse.linalg.spsolve。 4. 输出每个节点的位移、每个单元的应力分量并画出变形前后对比和应力云图。 5. 计算圆孔边缘最大周向应力并给出应力集中系数。这段提示词信息密度很高把“什么单元、什么边界、什么自由度编号、什么输出”都锁死了。GPT依照这些约束生成的代码即便不完美改动量也很小。如果你只丢一句“写一个带孔板有限元程序”接回来的代码多半用着莫名其妙的三维网格库或者干脆调用商业软件接口跟你的目标根本不搭。2.3 组装全局刚度矩阵并求解的完整代码与解读下面这份代码是实际跑通的版本我做了精简和注释。它就是上面的提示词“逼”出来的结果里面关键的几处容易出错的地方我都加了注释。import numpy as np from scipy.sparse import lil_matrix, csc_matrix from scipy.sparse.linalg import spsolve import matplotlib.pyplot as plt from matplotlib.tri import Triangulation # 材料参数 E 210000.0 # MPa nu 0.3 t 1.0 # mm # 平面应力弹性矩阵 D D E / (1 - nu**2) * np.array([ [1, nu, 0], [nu, 1, 0], [0, 0, (1 - nu) / 2] ]) def read_mesh(): # 实际网格由gmsh或自编脚本生成 # 此处按gmsh导出数据的方式整理节点和单元 nodes np.loadtxt(nodes.txt) # 每行: x, y elems np.loadtxt(elems.txt, dtypeint) # 每行: 三个节点编号(从0开始) return nodes, elems def element_stiffness(x1, y1, x2, y2, x3, y3): # CST单元刚度矩阵按照标准有限元教材公式 B np.zeros((3, 6)) detJ (x2 - x1) * (y3 - y1) - (x3 - x1) * (y2 - y1) if detJ 0: raise ValueError(单元面积非正请检查网格) B[0, 0] (y2 - y3) / detJ B[0, 2] (y3 - y1) / detJ B[0, 4] (y1 - y2) / detJ B[1, 1] (x3 - x2) / detJ B[1, 3] (x1 - x3) / detJ B[1, 5] (x2 - x1) / detJ B[2, 0] B[1, 1] B[2, 1] B[0, 0] B[2, 2] B[1, 3] B[2, 3] B[0, 2] B[2, 4] B[1, 5] B[2, 5] B[0, 4] Ke B.T D B * detJ / 2 * t return Ke def assemble(nodes, elems): nnode len(nodes) ndof 2 * nnode K lil_matrix((ndof, ndof)) F np.zeros(ndof) for e in elems: n1, n2, n3 e coords nodes[[n1, n2, n3]] Ke element_stiffness(*coords.flatten()) dofs [2*n1, 2*n11, 2*n2, 2*n21, 2*n3, 2*n31] for i, di in enumerate(dofs): for j, dj in enumerate(dofs): K[di, dj] Ke[i, j] # 荷载右边界均布拉应力 10 MPa等效节点力按边界长度分配 xmax nodes[:, 0].max() right_nodes [i for i, (x, y) in enumerate(nodes) if abs(x - xmax) 1e-6] right_nodes.sort(keylambda i: nodes[i, 1]) for i in range(len(right_nodes) - 1): y1 nodes[right_nodes[i], 1] y2 nodes[right_nodes[i1], 1] length abs(y2 - y1) # 分配方式中间节点承担整段长度两端节点承担一半 mid right_nodes[i1] F[2*mid] 10.0 * length * t / 2.0 # 第一个点承担半段 if i 0: F[2*right_nodes[i]] 10.0 * length * t / 2.0 else: F[2*right_nodes[i]] 10.0 * length * t / 2.0 # 约束左边界所有自由度固定 xmin nodes[:, 0].min() fixed_dofs [] for i, (x, y) in enumerate(nodes): if abs(x - xmin) 1e-6: fixed_dofs [2*i, 2*i1] for d in fixed_dofs: K[d, :] 0 K[:, d] 0 K[d, d] 1 F[d] 0 return K.tocsc(), F nodes, elems read_mesh() K, F assemble(nodes, elems) U spsolve(K, F)这段代码的核心逻辑就是读出节点和单元数据对每个单元计算4x4刚度矩阵通过自由度映射累加进全局K再处理边界条件并求解。CST单元刚度矩阵计算公式看起来很复杂但实际就是B矩阵乘D矩阵再乘B的转置再乘单元面积和厚度。GPT生成这部分时通常不会出错因为它训练数据里这种范例太多了。最容易错的是自由度编号。如果你没在提示词里写“节点i对应dof 2i和2i1”GPT很可能从1开始编号节点或者把dof顺序搞反最终结果就是K矩阵对角线错乱解出来的位移乱七八糟。所以自由度映射这件事必须写进提示词。另外荷载施加也有讲究。均布拉应力“施加在边界上”听起来简单变成有限元模型时你得把分布力等效为节点力按照边界长度分配给右侧边界上的所有节点否则位移和应力结果都不对。我第一次调这个程序的时候因为这个载荷分配问题卡了大半天数值解就是比理论值小一半。后来检查F向量才发现等效节点力的分段加载逻辑写漏了。2.4 后处理应力云图与理论对比验证编程求解不是终点验证才是。对每个单元应变B U_e应力D 应变。这些计算直接在GPT生成的代码上补几行就行。关键是把圆孔边缘的最大周向应力提取出来和理论值做对比。理论解采用无限宽板的Kirsch解周向应力在孔边 θ90°且ra处最大等于3倍远场应力。考虑到我们的板宽100mm、孔径10mm有限宽修正系数大约1.3左右预测孔边最大应力在39~40 MPa附近。计算程序算下来如果落在38~42 MPa区间说明网格足够密、边界条件加载合理、刚度矩阵组装正确整个求解流程可信如果只有30 MPa出头那说明孔边网格太粗或者圆孔边界呈现锯齿状应力奇异被抹平了。我实际跑出来的结果是40.2 MPa应力集中系数约4.02。这里要说明一下修正后的应力集中系数根据孔径与板宽的比值d/W可以查表通常从3.0逐渐上升到接近5.0所以4.02是合理的。看到结果和理论大致吻合才能确认这份代码是能用的。很多人让GPT写完代码直接拿去算完全不做理论验证这是非常危险的。提示跑完有限元一定要做“标准件验证”。最实用的方法是把圆孔半径改到极小比如0.1mm此时板近似均匀拉伸孔边应力系数应趋近3或者直接把网格改粗、改细各跑一遍看应力集中系数是否稳定。网格相关性大的话说明计算本身有问题不是后处理的事情。可视化部分用了matplotlib.tri.Triangulation直接绘制单元云图注意坐标和节点的映射。GPT生成后处理代码时经常把triangulation参数搞混导致云图颜色错位但又不报错。遇到这种问题建议把网格信息顺便打印到终端用数字去对照别只看图。3. 提示工程在材料计算中的四大关键技巧实例跑通之后其实更值得总结的是那些能让“GPT配合度”大幅度提升的提示词技巧。这些细节是我反复尝试之后沉淀下来的每个都对应具体的“为什么”。3.1 写提示词的四层结构角色、目标、约束、输出四层结构不是花架子是从无数失败对话里归纳出来的。第一层角色设定让GPT调用它训练数据里更接近“某个专业领域的代码风格”。让它扮演“计算力学工程师”比“Python程序员”生成的代码更规范因为它倾向于补充物理注释、强调边界条件和收敛性。第二层目标越具体越好把“我要算应力分布”扩展成“我要用平面应力CST单元计算带孔板模型的应力分布并输出应力集中系数”得到的结果天差地别。第三层约束是最容易被忽略的它决定代码能不能直接跑限定库版本和数据结构第四层输出格式决定你是否需要二次加工。3.2 一步到位是错觉迭代式提示才是常态我见过太多人第一次把需求全抛给GPT满怀期待地等结果然后代码跑不通就认为“GPT写代码不行”。实际上复杂工程代码一次性生成正确的概率很低正确做法是把它当作“迭代式结对编程”第一轮先确定整体框架和数据流第二轮补充核心算法实现第三轮处理边界条件和可视化第四轮再根据报错一点一点修。以带孔板程序为例我第一轮只让GPT画一个带孔板的网格和节点分布不写求解器第二轮让GPT写单个单元的刚度矩阵并用一组人为设定的简单节点坐标手算去检验第三轮才组装全局矩阵并加上约束第四轮添加后处理。每一步都验收过再走下一步最后出错的概率反而低。这就像盖楼每层都验收再往上盖整体质量才稳。提示在每轮对话开头重复一遍关键约束。GPT有上下文窗口限制也有“遗忘”前面细节的概率。你可以在新一轮消息里说“继续之前的平面应力带孔板项目。使用同一个材料参数E210000 MPa, nu0.3和相同节点顺序在上一版代码基础上增加应力输出。”这样比“接着写”靠谱得多。3.3 单位制与材料参数最容易出事的“隐形炸弹”材料计算里单位制的混乱是GPT生成代码最常见的错误源。你前面说的E210000 MPa后面的一句“力为N”就是矛盾的因为N和mm、MPa组合时应该用N/mm²MPa。如果用N/m²Pa作为应力单位弹性模量就得是2.1e11。GPT会在不同对话轮次里混淆这两套单位然后画出来的应力云图数值会差6个数量级。我建议从第一句提示词开始就固定一套单位制并反复重申。例如“本程序长度单位mm、力单位N、应力单位MPa、弹性模量单位MPa、密度单位t/mm³”。这样定义出来的代码分布力是N/mm²边界位移是mm。只要你在每个涉及参数计算的提示词里都带上这句话GPT基本不会跑偏。3.4 识别GPT“幻觉”代码的三个实用信号GPT会一本正经地生成看起来完全正确、实际上根本不存在的API。判断代码是否靠谱有几个信号值得注意。第一个信号是“过度依赖不常见库”。材料计算常用库就那几个numpy、scipy、matplotlib、meshio、pyvista、fenics、abaqus二次开发接口。如果GPT提出用某个小众库先查一下这个库是否真实存在别浪费一下午。第二个信号是“代码不报错但结果离谱”。这种最恶心。比如应力值恒为0、位移全等于0、边界约束没生效、网格变形图完全不对。这通常是自由度编号、边界条件映射或者力向量分配的逻辑错位。排查办法是在代码里print几个关键中间量K矩阵对角线的最大值、F向量非零分量的总数、U向量最大位移。这些数值一看就能判断问题出在哪一层。第三个信号是“单元应力比理论值小数倍”。通常不是求解器的问题而是后处理取应力点的位置错了。CST单元的应力是常数一般代表单元的质心处应力如果你要把该应力匹配到“孔边节点”得做节点平均或外推GPT经常忘了这一步。对比验证时务必使用同一物理位置的应力。4. 进阶让GPT帮你搞定材料本构与热力耦合线弹性只是热身。材料计算真正复杂的场景是塑性、粘弹性、晶体塑性、热力耦合这类需要“状态变量”和“增量求解”的问题。GPT在这种场景下到底还能不能帮上忙我的结论是能但玩法要升级。4.1 从线弹性到弹塑性用“增量描述法”引导代码续写弹塑性计算的核心是“每个增量步要迭代更新应力状态判断屈服函数做塑性修正”。这套逻辑用大白话描述就是每一步加载先猜一个弹性增量应力看看屈服函数是否超过零超了多少就把它拉回到屈服面上同时记录塑性应变增量。材料力学的人看到这里都知道是径向返回算法。写提示词的时候如果能把这个物理过程用“状态控制的句子”描述清楚GPT就能生成正确的算法骨架。比如请将上面的线弹性求解器扩展为理想弹塑性材料。 材料参数屈服应力250 MPa服从von Mises屈服准则。 采用增量加载方式右侧位移分10个增量步施加。 每个增量步内使用径向返回算法更新应力返回后的应力必须满足屈服条件。 输出每个增量步的等效塑性应变云图。这段提示词里“径向返回”“增量加载”“屈服函数”都是力学术语GPT对这类词极其敏锐一旦识别出来它就会自动补充对应的数值算法块。如果你用大白话“材料到一定应力就不长了帮我算一下塑性区域”生成效果就差很多。4.2 用GPT辅助验证“手推公式”的数值实现计算材料科学里经常需要自己推导本构方程的切线刚度矩阵或一致性切线算子。这部分数学推导工作量大、容易算错而GPT可以作为一个“符号推导代码实现”的辅助工具。你把自己的推导结果给它看让它用SymPy做符号验证比手工检查快很多。比如推导平面应力的弹塑性一致性切线算子你可以把最终公式丢给它我推导了一个平面应力状态的弹塑性切线刚度矩阵表达式为 D_ep D - (D * m * m^T * D) / (H m^T * D * m) 其中m是流动方向向量H是塑性模量。 请用SymPy展开并检查这个算子是否对称以及当H0时是否与理想塑性的结果一致。这个用法本质上就是把GPT当成“数值/符号验证的加速工具”它的价值不在于替你思考而在于替你完成繁琐的代数展开和符号代入。我自己用这招查出了两处手推公式的错误都是符号推导时符号方向搞错了检查起来快多了。4.3 多物理场耦合用提示词拆解变量之间的耦合顺序热力耦合是典型的多物理场问题温度场影响材料参数同时热应变作为载荷输入到力学场力学变形又反过来影响热接触条件。这类问题最需要的是“解耦顺序”的描述。让GPT直接写“热力耦合求解器”大概率得到一堆错误但我如果在提示词里写明“每一个增量步先求解热传导方程得到温度场再把热应变作为等效节点力加入力学方程力学求解完成后再更新热导率”GPT生成的代码就可用度大增。原因是关联了变量之间的更新顺序之后代码的循环结构就明确了GPT只需要按顺序把两块求解器拼起来。这也提示我们多物理场的提示词工程本质上是在描述一个“时间积分方案”物理上把时序说清楚代码结构就清晰了。提示如果你让GPT从零写多物理场耦合求解器第一版就要求全功能大概率会得到一个无法收敛的超级大杂烩。建议先让它分别生成热传导求解器和力学求解器两个都单独验证通过了再用上面的“分步耦合”提示词把它们拼起来。5. 常见问题与排查技巧实录这部分是纯经验型内容我把实际使用GPT生成材料力学代码时最常碰到的几类问题整理出来附带排查顺序和解决方案方便直接对照。5.1 自由度编号与索引越界问题报错信息典型是IndexError: index 240 is out of bounds for axis 0 with size 240。原因几乎都是自由度编号从1开始而numpy数组下标从0开始。网格节点数组是0基索引但GPT生成的循环里用了1基索引结果dof编号比实际数组最大下标大1。排查方法很简单打印单元数组的最小最大值再对照节点数组的长度看看是否存在一致的偏移。修复方法是在提示词里明确写“节点数组和单元数组的下标全部从0开始”。另一种情况是绕开网格文件、直接在代码里硬编码一个简单网格时单元连接表里的节点编号顺序错了导致单元面积计算出来为负。报错可能不会出现但刚度矩阵里会出现负对角元解出来的位移完全不对。排查方式是在每个单元计算detJ并检查符号。5.2 线性方程组求解失败矩阵奇异或主元为零报错Matrix is singular是所有有限元新手都会撞上的墙。原因一般是约束不足模型存在刚体位移。单个带孔板固定了左边边界理论上足够消除刚体位移但如果约束条件加漏了某些节点矩阵就奇异。此时第一步检查固定边界上节点是否真的同时约束了x和y两个自由度第二步约束施加之后主对角线是否被设置为1如果没有你只是把K矩阵的某一行清零可方程依然奇异。这一行代码K[d,d] 1是求生关键缺它必炸。排查时看固定自由度对应的K对角线值非1即错。另一个常见解法是让GPT改用伪逆或最小二乘求解器来“强行”求解但这只是掩盖问题不推荐。应认真检查约束的施加逻辑。5.3 数值结果偏差的排查顺序先查单位再查网格最后查后处理当应力集中系数算出来明显偏大或偏小我的排查顺序非常固定也建议你照着做检查项具体操作常见问题单位制确认E、力、长度单位统一把Pa和MPa混用结果偏差千万倍网格密度孔边网格加密单元尺寸约为孔径的1/10网格太粗导致应力集中被钝化边界荷载检查等效节点力总量是否等于名义应力*截面积载荷分配遗漏总量不够自由度编号检查节点dof映射是否对齐错一位全盘错单元质量检查是否存在面积接近0的畸形单元劣质单元导致应力震荡后处理取值明确应力提取位置是单元质心还是节点挪用节点应力与理论值比较时出现偏差这份表格看着简单但每一条都对应着我实际撞过的坑。单位错了你很难发现因为曲线形状“看起来对”网格太粗结果偏小但你拿不出证据说明哪里错了载荷分配遗漏结果永远差一个固定的比例。有了这个顺序半小时内基本能定位问题。5.4 让GPT调试已有代码的提示词模板GPT不只是用来生成代码也适合用来调试已有代码。但直接甩错误信息往往不够因为它的修复建议可能是“假修复”即只解决报错不解决物理错误。我推荐的模板是下面这段Python代码用于平面应力有限元分析但应力集中系数结果偏小。 请先帮我检查以下内容 1. 自由度编号映射是否一致 2. 边界荷载是否按边界长度正确分配 3. 后处理提取应力的位置是否与理论值对应 4. 网格生成部分是否保证圆孔边界光滑 请逐项分析不要直接给我修改后的完整代码先给排查结论。这个模板的精髓在于最后一句“先给排查结论不要直接给完整代码”。限制输出顺序会让GPT处于“分析模式”而不是生成模式。实测下来这种方式的修复正确率明显高于直接让它改代码。因为直接改经常会引入新的风格问题或者只改表面没改物理。6. 一点实操体会这次的带孔板有限元程序从第一版GPT生成骨架到最终结果验证通过前后大约三天时间。过程中大部分时间花在排查载荷分配和单位制错误上真正写算法的时间反而很短。我个人的体会是GPT在计算材料科学和力学编程里的定位更像一个“极其熟悉代码套路、但对物理正确性没有直觉”的实习研究员。它能帮你把骨架搭建飞快但每一个关键参数、每一处边界条件的物理含义还得你自己盯着。把单位制写死在提示词里、用理论解做锚点验证、让网格加密验证数值收敛这三件事做好了GPT就是一台高效的代码生产力机器这三件事不做它就只是一个花哨的代码拼写器。如果你也想试试从今天这个带孔板应力集中分析的例子入手是最合适的几何简单、理论清晰、坑也不算多。跑通一次之后再上手弹塑性、多物理场你心里就有底了。一点补充如果想让这类代码沉淀成自己的工具建议把生成代码按“前处理—求解器—后处理”三个模块拆开保存每个模块单独测试。等GPT生成新功能时只替换对应模块比整体重构快得多。我后面计划把弹塑性径向返回算法、晶体塑性滑移系分解这些更进阶的内容也按同样的方式来一遍到时再跟有兴趣的同学继续交流。
阅读完成 · 觉得有帮助？
