感觉被AI取代的概率无限大

前阵子捣鼓了个利用AI写PyFluent进行自动Fluent仿真的skill，上周末调试了一波。

这个是在工作完成后形成的报告中摘取的部分，感觉必填项还是有点多，后面还得改改，很多信息可以从网格信息中获取，但是如果在输入文本中明确说明的话，可以大幅降低脚本调用量。

后面是调试及纠错过程。

下图显示的是仿真流程调试成功，能够自动进行计算。

计算完毕后，后处理时发现计算结果与理论解偏差很大，自动进行检查，发现单位用错了。

然后AI自动修正，并重新计算。

有点儿费token，这么简单的问题，耗费了2百万token。不过这是第一次测试skill，存在较多的错误回撤，相信随着使用次数的增加，不断打磨之后，token消耗量会降低。

计算完毕后发现计算误差有点儿大，然后自动调整残差标准重新计算。

计算结束后比较仿真结果与理论值。

整个过程除了有点儿费token之外，人工参与量几乎为零（当然前期信息收集及问题描述目前还得人工）。

AI时代，仿真应用模式可能会发生根本性的变化，人的作用更多的体现在对物理问题的精准描述，以及对计算结果的反馈利用上。

（完）