数十年的商业软件已经让结构分析中纯数值的部分变得又快又省。组装刚度矩阵并求解线性方程组,是一个被充分研究的问题,计算成本也很低。工程师的时间花在别处:建立模型,每当建筑方案变化就重新建模,定义荷载和组合,按设计规范逐个验算构件,以及编制计算书和图纸。
瓶颈在于计算周围的这些手工工作。建立、修改、验算和记录模型,正是 AI 智能体能够提供帮助的地方,但有一个条件:它绝不能触碰计算本身。
语言模型无法保证什么
语言模型以概率方式生成文本。它并不了解物理规律,也不了解真实系统的行为,还可能产生幻觉:给出听起来合理却毫无意义的答案。在结构分析中,这种风险是具体的。建模需要空间推理和拓扑一致性,而当模型分多个步骤建立时,错误会不断累积。
不过,最强的约束来自执业实践。每一项结构计算结果都要签字,随签字而来的是署名责任和法律责任。决定一根柱截面尺寸的那个数值,是签字确认的注册工程师作出的承诺。如果智能体交出未经核查的结果,由专业人员承担签署一份无人验证过的计算书的风险。
正确性必须是求解器的属性,而不是语言的属性。
确定性边界
该架构把自然语言推理与数值计算分开。智能体提出设计方案和情景,但只有当结果来自一个智能体无法修改、并编码了问题物理规律的程序时,这个结果才算数。模型选择调用哪个确定性工具、使用什么参数,并使用工具返回的内容开展工作。它从不自行产生数值,也从不编造几何。
实际上这需要三层。意图层就是智能体:它理解自然语言,提出澄清问题,并输出带类型的操作。确定性计算层包含所有产生工程数据的部分:求解器,执行设计规范验算的 CIRSOC 模块,以及把结构类型展开为完整模型的生成器。文档层则根据已经算出的结果生成报告、图纸和工程量清单。
这并不是新的模式。它在近期关于工程智能体的文献中占主导地位,也出现在相邻领域:编程智能体之所以有效,是因为编译器和测试套件会告诉它们代码能否构建、能否通过;AlphaProof 之所以能证明定理,是因为形式化验证器不放过任何错误。我们有意将其作为设计原则采用。
边界保证了什么,又有哪些在边界之外
有必要具体说明这条边界保证什么、不涵盖什么。它保证的是:
- 智能体给出的每一个数值都能追溯到某一个具体的求解器结果:组合、截面位置、单元。
- AI 的每一项输出在导入之前都要按模型模式验证,格式错误或包含未知字段的输出会被拒绝。
- 如果 AI 服务不可用,求解器、编辑器和设计规范验算仍然正常工作。
它不保证的是:理想化模型是否适用于真实问题(这是工程决策),设计是否最优,荷载和假定是否完整,以及对规范的理解是否无需复核。
一个必须重新求解模型的案例
工程师描述了一个钢筋混凝土门式刚架,跨度 6 m、高 4 m,柱底固定,梁上作用分布荷载。智能体询问缺少的信息:钢结构还是混凝土?柱底固定还是铰接?有没有水平荷载?随后它输出创建该框架的操作。后端将其确定性地展开为一个有 4 个节点、3 个单元和 6 个自由度的模型。设计采用 H-21 混凝土,梁先取 25×40 cm,柱 30×30 cm,梁上荷载 30 kN/m。
模型求解之后,每根柱承受 90 kN 的竖向反力,整体平衡精确成立:ΣRz = 180 kN = q·L。控制梁弯矩为跨中 Mu = 80.8 kN·m。按 CIRSOC 201 对配有 3Ø16 的 25×40 梁进行受弯验算,承载力为 φMn = 73.3 kN·m,因此该梁不满足验算。

| 状态 | 截面 | 配筋 | Mu [kN·m] | φMn [kN·m] | D/C | 是否通过 |
|---|---|---|---|---|---|---|
| 初始 | 25×40 cm | 3Ø16 | 80.8 | 73.3 | 1.10 | 否 |
| 修改后 | 30×55 cm | 3Ø16 | 105.6 | 108.6 | 0.97 | 是 |
请看 Mu 一列。把梁从 25×40 加大到 30×55,需求从 80.8 kN·m 升到 105.6 kN·m。在均布荷载 q 作用下,静力平衡给出 M_mid − (M_L + M_R)/2 = qL²/8 = 135 kN·m,其中 M_L 和 M_R 为带符号的两端弯矩,M_mid 为跨中弯矩。刚度改变端部与跨中的弯矩分配。相对于柱而言更刚的梁,从柱获得的端部约束更小,性状更接近简支梁,因此在这里起控制作用的跨中弯矩反而增大。
智能体如果不重新求解而只是估计这一影响,就会估错,而且说起来依然同样令人信服。
这个例子说明了为什么除了重新计算新截面的承载力之外,还必须重新求解模型。在超静定结构中,加大截面会改变内力的分布,需求可能恰恰在您本想减轻的那个构件上增大。
从已经设计完成的建筑中拆除一根柱
第二个案例从这样一个框架开始:4 个 5 m 跨,3 个 3 m 层高,柱底固定,梁 25×50 cm(4Φ16),柱 35×35 cm,每根梁上作用 25 kN/m:20 个节点、27 个单元和 45 个自由度。求解并验算之后,所有梁都轻松通过。
一项建筑方案变更取消了首层的一根内柱。编辑操作在进行结构完整性验证后将其删除,并重新求解模型;变更前后整体平衡都成立(ΣRz = 1500 kN)。原先由该柱支承的梁现在跨度为 10 m,并与其上方对齐的梁一起承担失去的支承。六根梁超过 D/C = 1。
| 状态 | 截面 | Mu [kN·m] | φMn [kN·m] | D/C | 是否通过 |
|---|---|---|---|---|---|
| 完整 | 25×50 (4Φ16) | 54.2 | 125.3 | 0.43 | 是 |
| 拆除柱后 | 25×50 (4Φ16) | 203.9 | 125.3 | 1.63 | 否 |
| 调整截面后 | 30×65 (5Φ20) | 189.8 | 313.7 | 0.61 | 是 |
控制梁的弯矩增大到接近原来的四倍。将受影响的梁改为 30×65 cm 和 5Φ20 并重新求解,所有梁再次通过。这个案例还表明,一项变更若靠手工处理意味着重新建模、重新分析、重新验算、重新配筋许多构件,现在通过一次简短的对话就能完成,每个数值都可追溯到求解器,并由工程师批准。
边界背后的四项设计决策
- 使用带类型的操作,而不是自由形式的代码生成。在此前的若干系统中,模型编写 Python 脚本,再交给外部求解器运行。这里智能体的输出被限制在一个封闭的调用集合内,具有明确的输入输出约定,每个调用在运行前都按模式验证。这条边界比任意代码更窄,也更易于审计。
- 自有求解器,而不是叠加在他人求解器之上的一层。计算引擎完全从零用 Rust 编写,不依赖外部线性代数库,并有自己的验证套件,对照解析解和参考基准算例:约 6,800 个通过的测试,以及与一款商业程序在相同模型上的比较,差异小于 0.1%。
- 原生支持设计规范。按 CIRSOC 201 和 301 验算,我们尚未发现有任何开源软件原生实现了这一点。混凝土模块已经实现并通过测试;钢结构模块目前仍只存在于前端,没有专门的测试套件。我们如实说明,以免夸大其成熟程度。
- 在浏览器中运行。计算引擎编译为 WebAssembly,在用户本机上运行,无需计算服务器,也无需安装任何东西。
从经过测试的求解器到经过证明的求解器
这条边界保证智能体的每一项陈述都能追溯到求解器的输出。这一保证也继承了一个局限:求解器之所以可信,是因为经过了大量测试,但它的正确性并未得到形式化证明。测试套件无论多么全面,也只覆盖其作者想到的情形。
在这一场景中,这一点更为重要。智能体建立模型,分多个步骤修改,并读取结果以提出新的操作;在此过程中,求解器收到的输入在到达引擎之前没有任何工程师审阅过。如果引擎在某个边缘情形下行为异常(近奇异的刚度矩阵、退化的几何、极端的荷载组合),智能体可能不加任何警告地引用这个结果。
有两种技术可以缩小这一差距。基于性质的模糊测试会生成成千上万个有效的随机模型,并检查对任何输入都必须成立的不变量:
- 静力整体力平衡满足 ∑𝐑 + ∑𝐏 = 𝟎,其中 𝐑 为支座反力,𝐏 为外加荷载,两者均按矢量求和。
- 刚度矩阵的对称性:K = Kᵀ,由构造保证。
- 对于任何没有机构的结构,K 是正定的。
- 刚体变换下的不变性:对模型平移或旋转不会改变内力。
形式化验证从另一侧处理同一个差距:为这些性质写出数学规约,并借助 Lean 4 这类证明助手证明实现满足该规约。测试可以发现错误,形式化验证则可以证明在规约范围内不存在错误。二者相辅相成:当模糊测试发现某个输入破坏了某项性质,这项性质就成为待证明的候选。
目前的进展
最后说明哪些已经可用,哪些尚未实现。求解器、编辑器、CIRSOC 验算、教学模式以及报告和图纸生成,今天已经可以在 stabileo.com 的浏览器中运行,无需安装,也无需账户。智能体层仍在积极开发中:它的路由在开发和测试环境中针对我们自己的后端运行,使用与其他所有功能相同的求解器和相同的数值,但该后端尚未成为公开网站的一部分。
闭环的求解器在环循环,即智能体在无人干预的情况下提出方案、求解、评估并修改,已列入路线图,尚未实现。原生设计规范的覆盖范围仅限于 CIRSOC 201 和 301,其余属于未来工作。
CAD 接管了制图中的机械部分,电子表格接管了重复性的算术,而工程判断仍然留给工程师。智能体是这条路线上的下一步:它承担建立和修改模型、输入荷载、运行验算以及准备文档的工作。这些都不会转移责任:签字的数值仍然是工程师的。