注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 自动建模
自动建模 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 自动建模 的推特
AI 自动完成 CST 电磁仿真任务。 Codex 通过我开发的 CST MCP 和 CST Simulation Workflow Skill,自动控制 CST Studio Suite 完成一个汽车 77GHz 毫米波雷达电磁仿真案例。 整个流程从自然语言对话开始,由 Codex 自动调用 CST MCP 完成项目创建、参数化建模、材料设置、4 端口激励、Open/Add Space 边界设置、E/H/Farfield 监视器配置、Time Domain Solver 求解,以及 S 参数结果导出。 Codex + CST MCP 控制专业仿真软件完成自动建模、求解、导出与结果验证的真实演示。 #CodeX# #CST# #MCP# #自动建模# #AI工具# #电磁仿真# #GPT#
显示更多
🧮 离谱,MathModelAgent 能把数学建模比赛从读题、建模、写代码到出论文一路自动跑完。 MathModelAgent 在 GitHub 已经 4700+ star,最近 10 天连发了 5 个版本。更意外的是,作者自己说这是个边学边写的练手项目,单次任务成本大概 1 块钱。 打过数模比赛的都知道,三天里建模、编程、写论文轮轴转,代码报错一卡就是半天,论文排版还得熬通宵。 它把这三件事拆给三个 agent:建模手分析问题、定模型,代码手写代码、跑数据、自己纠错,论文手把结果写成论文。内置 17 套 Typst 论文模板,国赛、华数杯、华为杯、美赛都有。桌面版 Mac 和 Windows 都能装,里面已经带好 Claude Code 和全套 skills,不用自己配 Python、Node.js、Redis。 作者也写得很清楚:AI 生成的内容只能参考,靠它直接拿国赛奖还不现实。 拿来当队友打草稿、验证思路,已经能省下不少通宵。 GitHub:
显示更多
ChatGPT 5.6 Sol接管Ansys,有限元仿真全流程自动跑通! ChatGPT 5.6 Sol自动驱动 Ansys 完成有限元结构仿真的全过程。从几何建模、材料与接触定义,到载荷边界、三档网格收敛和非线性求解,模型都能自动执行并逐项校核。 这是一套三耳板销轴双剪连接结构的有限元仿真:中间耳板承受拉力,两侧外耳板固定,载荷通过销孔接触传递到销轴。 ChatGPT 5.6 Sol 不仅能自动后处理生成应力、变形和接触压力云图,还能识别最差网格单元、检查反力平衡,最终输出完整的仿真验收报告。 #有限元仿真# #AI仿真# #ChatGPT# #Ansys# #CAE#
显示更多
花了5天的时间,终于把我的Agent自动化流水线做完啦哈哈。 起因是因为我的Agent自动化任务实在太多了,有直接在桌面端里定时触发的的,有Webhook然后用后台CLI触发的,还有在Dots里面设的等等等等,所以我想给自己做一个可视化的Agent自动化管理界面。 第一版先做成了普通网页列表,但是感觉太没意思了,于是灵感大爆炸...想到了戴森球计划,于是,那不如做成一个可视化的流水线吧,平时还能加个小屏幕,当个桌搭用。 说干就干,在调个N版美术风格之后,还是选定用这种微缩景观风格了,我觉得更有趣一点。 整体来说,流水线就是预设的自动化,有包裹发出去就是具体的对应单次任务,会路由到两个Agent上做执行,并且跟现实世界时间和天气完全打通,现实下雪❄️,那这个自动化小镇里也会下雪。 工作上主要是Claude Opus 5.5搭整体的视觉和框架,然后Opus 5.5指挥GPT-6 Astra建模+渲染,Codex在我自己的CI机上做海量的端到端测试,整体应该是用了30%的Claude周额度,和两管Codex额度。 最后,终于做完啦,顺道还渲染了一个小小的演示视频~ 喜欢。 对于所有想玩转Agent的朋友,相信我,把一切能自动化的都自动化,一定是你能感受到的最棒的事。
显示更多
0
181
851
54
转发到社区
建筑行业的“外挂”? 不用画图、不用建模,输入地块数据,AI 自动帮你把空间利用率拉满,秒出大师级总规方案。
聪明人说话尖锐并非刻薄,而是源于认知层面的高效筛选机制。 这类人存在认知扭曲低容忍度,会对模糊表达、无效铺垫产生生理排斥,大脑会自动过滤冗余信息,直接完成逻辑建模。与其模仿说话风格,不如采用开门见山的方式,提供简洁清晰的有效信息,真诚比客套更能获得信任。他们并非难相处,只是不愿在无意义的社交铺垫上耗费时间。能否在沟通中精准输出有效信息,决定了与这类人的相处深度。 所以珍惜你身边总能对你一阵见血评论的朋友吧,你可能会不爽,但打心里知道他说的是有道理的那种,当然如果有第三者在还是知道收的人😂。。。
显示更多
为什么自己摸自己和别人摸的你差别这么大? 第一层:预测抑制:大脑会提前预测自己发出的触感,并自动“降敏”,所以感觉会变弱。 第二层:不可预测性:别人带来的触碰无法提前建模,大脑会自动提高警觉与感知强度。 第三层:社会信号:触碰不仅是物理刺激,还包含关系信息:亲密、信任、边界进入。 第四层:控制权差异:自己触碰是完全可控的;他人触碰意味着你在被动接收,敏感度会上升。 第五层:注意力聚焦:自己触碰时注意力分散在动作执行;他人触碰时注意力集中在感受本身。
显示更多
🧪 炸裂!这个开源项目能把论文、新闻和监管文件自动整理成随时查得回来的量化研究知识库 GitHub 上 2.6K stars,对应论文 arXiv 2509.21507,已被 NeurIPS 2025 GenAI in Finance Workshop 接收。 做量化研究,真正吃时间的不是建模,是天天翻 arXiv、盯新闻、扒监管文件,看完记两笔,过一个月想找回某个结论,只能在截图和笔记里大海捞针。QuantMind 把这些材料处理成带类型、带引文、带时间戳的结构化知识,论文用 PaperFlow 收,新闻用 collect_news 收,批量丢进去用 batch_run,随手粘一段文字也能解析。 存下来之后本地就能语义搜索和推理式检索,找的是结论,不是关键词。工程上也不含糊,验证脚本按固定顺序跑代码检查、类型检查、导入边界检查和测试,持续集成用的是同一个脚本。评测基准 quantmind-bench 和 SEC 文件采集还在路线图上,暂时没有评测结果。 研究做久了才发现,稀缺的不是信息,是查得回来的信息。 GitHub:
显示更多
0
6
126
27
转发到社区
真的看腻了网上一群无知者的集体狂欢,堪称科技圈最大的笑话,没有之一。 随便刷一刷舆论场,满屏都是学历认知双匮乏的普通人,拿着自己一知半解的零碎信息,大言不惭辩论自动驾驶的路线之争。纯视觉、激光雷达、多传感器融合,明明是涉及算法逻辑、硬件算力、工程落地、场景冗余的高端技术博弈,是行业顶尖工程师反复迭代、实测验证的专业课题。 结果一群初中、高中毕业,连基础传感原理、二维图像建模、三维点云测距都搞不懂的门外汉,张口就评判孰优孰劣,肆意指点行业方向。说得头头是道、煞有介事,实则全程跟风复读、人云亦云,本质就是猪脑子被流量牵着鼻子走,沦为资本和舆论操控的工具,蠢得可笑又可悲。 更极致的讽刺还在后面。 这群高谈阔论、肆意否定自动驾驶技术的人,恰恰是路面驾驶素质最差的一批人。日常开车变道不打灯、跟车过近、超速乱开、应急车道乱窜,情绪驾驶、预判为零,驾驶水平连行业基础及格线都够不上。 说实话,如今普及的L2级辅助驾驶,稳定性、安全性、反应速度、路况预判,全方位吊打绝大多数普通人的人工驾驶。更不用提持续迭代的高阶自动驾驶技术,早已规避了人类疲劳、浮躁、预判失误的所有致命短板。 最需要自动驾驶兜底保命、纠正陋习、规避事故的人,是他们;最看不懂技术、无脑抹黑排斥自动驾驶、跟风质疑技术路线的人,也是他们。 无知却好为人师,无能却酷爱指点江山。自己一身短板,却看不起精准迭代的硬核科技,拿着浅薄认知亵渎专业,用愚昧对抗进步。 这世间最滑稽的悖论,大抵莫过于此。
显示更多
🛠️ 开眼了,sand3d 让 AI 写几行 Python 就能搭出带关节的 3D 零件,直接导出给机器人仿真用。 sand3d 11 月 3 日才建仓,已经上了 Trendshift 日榜,fork 也有 70 多个,作者 Thibault Neveu 和 Andréa Loy 还在 Hugging Face 放了五个配套数据集。 以前让大模型写 Blender 脚本建模,孔开在哪、两块板怎么对齐,坐标往往要一个个算,脚本又长又费 token。 sand3d 在 Blender 的 bpy 之上包了一层更短的建模语言,零件、边和面都按名字引用,不用再手算坐标。项目自称同一个零件比 Blender Python、CadQuery 少用 2 到 6 倍 token,整套 API 文档才 3600 个 token 左右,塞进上下文毫无压力。 同一段程序每次生成的网格逐位一致,导出也只要一行,GLB、STL、OBJ 都行;导成 URDF 时,每个运动部件会自动带上关节和限位。 让 AI 建模从「画个大概」变成「按图纸施工」。 GitHub:
显示更多