AutoSAM：利用多模态检索增强生成实现SAM程序输入文件自动生成的智能体框架

在先进反应堆系统的设计与安全分析中，为系统分析模块（SAM）等系统级热工水力程序构建输入文件仍然是一项劳动密集型任务。分析人员必须从异构工程文档中提取并核对设计数据，再手动将其翻译为求解器特定的语法。本文提出AutoSAM，一个自动化SAM输入文件生成的智能体框架。该框架将大语言模型智能体与覆盖求解器用户指南和理论手册的检索增强生成（RAG）相结合，并配备分析PDF、图像、电子表格和文本文件的专用工具。AutoSAM摄取非结构化工程文档（包括系统图、设计报告和数据表），将仿真相关参数抽取为可供人工审计的中间表示，并综合生成经过验证、与求解器兼容的输入卡组。其多模态检索管线集成了科学文本抽取、基于视觉的图形解读、语义嵌入与查询应答。我们在四个复杂度递增的案例上评估AutoSAM：单管稳态模型、带温度反应性反馈的固体燃料通道、先进燃烧试验堆堆芯以及熔盐堆实验（Molten Salt Reactor Experiment）一回路。在所有案例中，该智能体生成的SAM模型均可运行且与预期热工水力行为一致，同时显式标示缺失数据并标注假定值。该框架实现了结构化输入100%利用、PDF文本抽取约88%、基于视觉的几何抽取100%完整。这些结果展示了迈向提示驱动反应堆建模的可行路径：分析人员提供系统描述与支持文档，智能体将其转化为透明且可执行的SAM仿真。