MOOSEnger — 针对 MOOSE 生态系统的领域特定 AI 代理
人工智能
2026-03-09 v2 计算工程、金融与科学
软件工程
摘要
MOOSEnger 是一个面向多物理场面向对象仿真环境 (MOOSE) 的工具化 AI 代理。MOOSE案例通过 HIT ".i" 输入文件指定；大型对象目录和严格语法导致初始设置和调试缓慢。MOOSEnger 提供对话式工作流程，将自然语言意图转化为可运行的输入，通过结合对精选文档/示例的检索增强生成与确定性的、MOOSE 专用的解析、验证和执行工具实现。核心+域体系结构将可复用的代理基础设施（配置、注册表、工具调度、检索服务、持久化和评估）与一个 MOOSE 插件分离，后者添加入基于 HIT 的解析、输入文件的语法保留式摄取，以及用于输入修复和检查的领域特定实用工具。输入预检查管道消除隐藏格式错误，借助受限语法约束的循环修复格式错误的 HIT 结构，并通过相似性搜索解决无效对象类型的问题。随后对输入进行验证和可选烟雾测试，通过基于 MCP 的执行后端（含本地后备）在 MOOSE 运行时中实现，將求解器诊断转化为迭代验证与纠正更新。内置评估报告提供 RAG 指标（忠实度、相关性、上下文精确率/召回率）以及端到端成功率（实际执行）。在覆盖扩散、瞬态热传导、固体力学、多孔流、不可压缩 Navier--Stokes 方程、相场和塑性等 125 个提示的基准测试中，MOOSEnger 实现 0.90 的执行通过率，而仅有 0.06 的 LLM 单一基准。
引用
@article{arxiv.2603.04756,
title = {MOOSEnger -- a Domain-Specific AI Agent for the MOOSE Ecosystem},
author = {Mengnan Li and Jason Miller and Zachary Prince and Alexander Lindsay and Cody Permann},
journal= {arXiv preprint arXiv:2603.04756},
year = {2026}
}