MOOSEnger——面向MOOSE生态系统的领域专用AI Agent

MOOSEnger是一个为Multiphysics Object-Oriented Simulation Environment（MOOSE）定制的工具增强型AI Agent。MOOSE案例以HIT的".i"输入文件指定；庞大的对象目录和严格的语法使初始搭建和调试都很缓慢。MOOSEnger提供对话式工作流，通过在精选文档与示例上做检索增强生成，并结合确定性的、MOOSE感知的解析、验证与执行工具，将自然语言意图转化为可运行的输入。核心加领域的架构将可复用的Agent基础设施（配置、注册表、工具调度、检索服务、持久化和评估）与MOOSE插件分离，后者增加了基于HIT的解析、保持语法的输入文件摄取，以及用于输入修复和检查的领域专用工具。输入预检流水线清除隐藏的格式残留，用有界的语法约束循环修复畸形的HIT结构，并通过对应用语法注册表的相似性搜索来解析无效对象类型。随后输入被验证，并可通过MCP支持的执行后端（含本地回退）在MOOSE运行时参与下进行可选的冒烟测试，将求解器诊断转化为迭代的验证-修正更新。内置评估报告RAG指标（忠实度、相关性、上下文精确率/召回率）和按实际执行统计的端到端成功率。在一个覆盖扩散、瞬态热传导、固体力学、多孔流动、不可压Navier–Stokes、相场和塑性的125个提示的基准上，MOOSEnger取得0.90的执行通过率，而纯LLM基线仅为0.06。