AI 10倍速CAE二次开发1：找到脆弱点，10倍速才有可能

AI的能力越来越强，作为一名工作十多年的CAE工程师，我自然也想把AI用在CAE上，提升仿真效率。从哪方面入手呢？我最先想到的是CAE软件的二次开发：我负责部门的二次开发，对这一块比较熟悉，AI写代码的能力也确实越来越强。

AI能提升多少效率呢？如果只能提升30%的效率，我会失望。我希望它能够带来数量级上的提升，10倍速二次开发。这真的可以实现吗？可以，但要找对二次开发的“脆弱点”，找到最限制二次开发速度的瓶颈，再解决它们。

AI时代之前，限制二次开发效率的问题主要有3个：学习门槛高、开发进度慢和版本兼容难。

学习门槛高

想做好二次开发，必须同时熟悉仿真流程和编程，这样的人不多，大多是CAE工程师。但CAE工程师往往没有系统学过编程，要掌握一种新的思维方式，难度较大。而且，编程命令的数量往往很多。以HyperMesh为例，首先需要掌握tcl或者Python编程语言，然后还要掌握HyperMesh的API命令。

我统计了tcl/tk 8.6 核心命令，其中tcl 101个，tk 71个，一共172个，看上去好像并不多。那么再看看HyperMesh的tcl API命令，分成Modify、Query和GUI三种类型，Modify 2049个，Query 649个，GUI 77个，一共2775个。再加上tcl/tk，一共近3000个命令，新手根本不知道该从哪里学起。

开发进度慢

这是二次开发的又一个瓶颈，主要有两个原因。一个是前面说的学习门槛高，直接导致掌握二次开发技术的人才数量稀少。这也是二次开发明明可以大幅提高工作效率，却无法普及的原因。像我们部门一百多人，也就只有一两个人会做二次开发。

另一个原因是开发时间少。我在部门负责二次开发，但和大多数做二次开发的工程师一样是兼职，大部分时间还是在做仿真分析。我有一个文档专门用来记录同事们的需求，往往积累了十几条还没有实现。

忙的时候，自己的任务都完不成了，哪还有时间做二次开发呢？

版本兼容难

就算公司有人做二次开发，做好版本兼容也不是容易的事情。比如我们公司原来的HyperMesh 脚本是基于14版开发的，后来有的同事升级到了2017版，有人升级到了2021版，结果不少脚本不兼容，无法使用。

而我们的工作流、项目时长、甚至分析结果的评估，都是建立在这些脚本上的，大大影响了项目进度。

好在AI时代来了，AI编程的能力越来越强，二次开发也迎来了新局面。AI是怎么解决这三大问题的？

学习门槛高：AI辅助学习

AI可以写代码，但基础知识还是要掌握，否则AI瞎编也看不出来，全程被AI牵着鼻子走。

即使是基础知识，学习门槛也不低，主要表现在两个方面：编程知识难以理解，以及编程命令数量太多。

不管是编程书籍，还是官方文档，往往晦涩难懂。遇到难点，我更喜欢让AI用通俗易懂的语言来解释。举个例子，对于新手来说，tcl的命令替换功能理解起来比较困难，当时学习这个概念时，细细琢磨了多个例子，才完全弄懂。

现在，我直接调用Claude Code的内置技能/eli5（Explain Like I'm 5，把我当做5岁小孩来解释），它会直接给我生成一个网页文档，图文并茂地解释这个功能。当然，如果你使用的AI工具没有这个内置技能，直接跟AI说“把我当做5岁小孩来解释”，或者“请用高中生能够理解的话解释”，都可以。

另一个难点是编程命令太多了，以HyperMesh二次开发为例，近3000个命令，新手根本无从学起。更好的方法是先学习高频命令，先写出几个基础脚本。其他不常用的命令，等需要的时候再学。

那么问题来了，什么命令是高频命令？直接让AI告诉我吗？可行，但是不太靠谱，高频命令应该从实际的脚本中统计出来。

我整理了自己开发的几十个脚本，再从网上收集了上百个高质量脚本，让AI一起统计。结果发现，覆盖80%使用场景的高频tcl/tk、HyperMesh API命令，只有51个，占总命令数量的1.7%。从2947 降低到51，大大降低了学习门槛。

可能你觉得51个命令还是挺多，还有个小技巧可以降低学习压力：分组。让AI按照不同的类型，对这些命令分组，每组只有四五个命令，很容易记住。限于篇幅，这里不展开介绍。如果你对统计方法和结果有兴趣，欢迎在评论区告诉我，我会再写篇文章详细介绍。

最后，再让AI以真实有用的脚本为主线，把这些命令串联起来，通过编写脚本去学习这些命令，而不是一个一个地零散学习，难度进一步降低。

开发进度慢：AI辅助开发

随着AI编程能力越来越强，vibecoding也流行起来了，让AI写脚本可以极大增强编程速度。

但是，AI编程也会出现一些问题，比如出现幻觉。我记得有一次同事的脚本运行出错，让我帮他看看怎么回事。公司的脚本基本上都是我写的，但是这个我没见过，就问他哪来的。他也不回答，反而是让我先看看。我看了下报错信息，说的是脚本调用了一个不存在的命令。我再次询问，他才告诉我，这是他让AI写的脚本。难怪，AI出现幻觉了，开始瞎编命令。

这种问题不少见，尤其是在二次开发领域。因为二次开发需要使用软件提供的API命令，但是这方面的资料太少了，喂给AI的语料不够，导致AI在这方面的能力较弱。

解决这个问题也有个小技巧，可以让有经验的工程师编写一套SKILL，告诉AI应该怎么去写这些脚本。另外，还可以把官方API 命令提前抓取下来，让AI在写脚本的时候去核对，如果AI用到的API 命令不是来自这里，就让它检索、重写。

版本兼容难：AI检查版本变更

人工查找哪个API 命令版本更新了，难度很大。毕竟公司有几十上百个脚本，一个脚本又有上百行，很难一个个查验。通常都是在脚本报错的时候，才被动发现API 命令变了。

这种大量文本的查找工作，AI很擅长。我抓取了HyperMesh tcl API从14版到2026版的所有命令变更记录，重新整理成文档：每个命令首次出现在哪个版本、每个版本中是否变化、如何变化。这个文档是给AI看的。

我把这个信息告诉AI，让它检查现有脚本中哪些命令因为版本升级而发生了变化。如果发生变化，是新增、修改、移除还是弃用？有了这些检查结果，就可以主动调整脚本了。

以2021版更新到2026版为例，两个版本之间有504个命令存在变化，约占命令总数的17%。

全量API命令（2775个）和版本（25版）数量过于庞大，这里只展示34个高频API命令和14、2017、2021、2026四个版本。

小结

AI时代的变化真的很快。有段时间，IT大厂的技术博客都在讨论MCP这门技术，我还教过这门课。但是，课程结束不到3个月，就很少有人讨论它了。现在，几乎每个月都有新模型、新技术来刷屏。

与其不断追新技术、新概念，不如挑出其中有用的，和自己的业务结合起来。我做的结合，就是AI 10倍速CAE二次开发。这是一个专栏，这篇文章是专栏的总论，后面我会继续分享技术细节。如果你也对这方面感兴趣，或者有什么希望我分享的，欢迎写在评论区。