HABIT: A Self-Evolving AI-Agent Harness for GUI-Based CAE Software---Application to Aerospace
本文介绍了 HABIT，一种自我演进、与宿主无关的 AI 代理控制台，旨在通过将可靠的工具调用与实时软件状态同步，并利用基于记忆的学习系统持续适应用户习惯，来实现航空航天领域复杂的基于图形用户界面（GUI）的计算机辅助工程（CAE）工作流自动化。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个这样的世界：你的计算机程序就像是功能极其强大、但又有点固执的机器人。你告诉它们要做什么，它们会尽力而为。但有时，这些机器人会被复杂的菜单搞糊涂，或者忘记了你在五分钟前要求它们做的事情，甚至不小心弄坏了它们正试图修复的东西。这就是使用“CAE 软件”（专门用于模拟风力、应力和热量的设计飞机和火箭的工具）的航空航天工程师们的日常现实。这些工具非常强大，但与它们交流就像是在给一个只说严格技术语言且记忆力极短的机器人指路。
欢迎来到“AI Agent（人工智能智能体）”的世界。把这想象成一个超级聪明的数字助手，它能读懂你的自然语言（比如“显示机翼上的压力”），并为你点击正确的按钮。但问题在于：大多数 AI 助手就像是只来过一次城市、拍了几张照片就离开的游客。它们不记得你最喜欢的咖啡馆，不知道你喜欢喝黑咖啡，也绝对不会随着时间的推移学习你如何在这个城市中穿行。对于每天使用这些工具的工程师来说，一个“用完即走”的助手是不够的。他们需要一个能够进化、学习他们的习惯，并随着合作的深入而变得越来越好的伙伴。这正是这项新研究旨在解决的挑战。
认识 HABIT：学习你节奏的 AI
来自中国商飞（COMAC）的研究团队开发了一种新型 AI 助手，名为 HABIT。这个名字代表“通过轨迹推断自适应行为的控制（Harness with Adaptive Behavior Inferred from Trajectories）”，这是一个很高级的说法，意思就是：“一个观察你的工作方式、学习你的快捷键偏好，并随着你每次使用而变得越来越聪明的工具。”
想象一下，你有一个非常有才华但记性不好的实习生。如果你要求他们“检查机翼”，他们可能会检查错误的部位，或者可能会忘记将颜色设置为你最喜欢的蓝色。HABIT 则不同。它就像一个不仅能听从你的命令，还会记录你习惯的“秘密笔记本”实习生。如果你总是先查看飞机的“壁面（WALL）”部分，或者总是使用特定的颜色图谱来观察热量，HABIT 都会记住。下次当你说“分析这个”时，它不仅仅是完成任务，它还会以“你的方式”自动完成。
“愚笨型”AI 的问题
论文解释说，现有的工程 AI 工具就像是一个戴着眼罩开车的人。他们可能声称自己转动了方向盘，但车子实际上根本没有移动。在工程软件的世界里，仅仅让 AI 说 它更改了一个设置是不够的；软件本身必须真正发生改变。如果 AI 说“我将压力设为 500”，但屏幕上显示的仍然是 100，那将是一场灾难。
此外，大多数 AI 智能体是“无状态”的，这意味着它们对过去的对话没有任何记忆。它们把每一次新的请求都当作是第一次见面。研究人员认为，对于复杂的工程工作来说，这是无法接受的。你需要一个了解你、记得你的偏好，并且能够处理工程软件中复杂、多步骤舞步的智能体。
HABIT 如何运作：五层大脑
HABIT 不仅仅是一个聊天机器人；它是一个基于五个层级构建的复杂系统，旨在实现安全、智能和自我改进。
- “不吹牛”规则： HABIT 的一大原则是它绝不撒谎。如果 AI 试图假装它做了某事而实际上并未做，HABIT 会识破它。系统会在每次操作后检查实际的软件状态。如果 AI 说“我打开了红灯”，但灯还是熄灭的，系统就会知道出了问题并尝试重试。这就像一位老师，不仅接受“我做完作业了”作为答案，还会亲自检查笔记本。
- 记忆笔记本（被动学习）： 这是最酷的部分。HABIT 拥有一个“记忆层”，可以被动地学习你的习惯。你不需要告诉它“记住这个！”，相反，它会观察你的行为。如果你反复选择特定的颜色图谱或查看飞机的特定部分，HAB-IT 就会注意到这种模式。经过几次会话后，它会开始自动执行这些操作。这就像一位咖啡师，在你进门之前就知道你要点一杯燕麦奶拿铁。
- 安全护栏： 工程软件如果使用不当是非常危险的。HABIT 拥有严格的规则来确保安全。例如，它知道某些操作是无法撤销的（比如删除文件），因此它会先征求你的许可。它还会确保 AI 不会尝试同时做两件可能导致程序崩溃的事情。这就像一位副驾驶，清楚地知道什么时候该接管控制权，什么时候该让飞行员做决定。
- “上下文”技巧： 为了防止 AI 被过多的信息搞混，HABIT 使用了一种被称为“上下文工程”的聪明技巧。它会给 AI 一个关于当前屏幕情况的微小、紧凑的摘要，而不是把整个宇宙的历史都塞进它的脑子里。这让 AI 保持专注且高效。
- 四种控制模式： HABIT 知道何时主导，何时等待。它有四种模式：
- 自动驾驶模式（Auto-Pilot）： 对于简单、安全的任务，它直接执行。
- 同步模式（Sync Mode）： 它在工作时为你更新屏幕。
- 先询问模式（Ask First）： 对于重大、高风险的更改，它会停下来问：“你确定吗？”
- 建议模式（Suggestion Mode）： 它会说：“嘿，我觉得你可能想做这个，”然后你只需点击“是”。
证明：它真的有效吗？
研究人员不仅构建了 HABIT 并寄希望于好运；他们还对其进行了测试。他们创建了一套包含 33 种不同任务的套件，涵盖了从简单的单步点击到复杂的、多步骤的工程问题。他们在真实的航空航天数据上进行了测试，包括一个著名的机翼-机身模型 CRM-WBT。
结果令人印象深刻。当 AI 需要实际改变软件并获得最终正确结果时（这是最难的部分），它的成功率达到了 96.6%。这比那些只尝试一次性猜测答案的旧方法有了巨大的飞跃。更棒的是，这个 AI 从未“假装”做了它没做的事情。它是诚实、可靠且一致的。
在一次演示中，一名工程师要求 HABIT “根据我的习惯分析当前数据集”。因为 HABIT 在之前的会话中一直在观察这位工程师，它立即知道只需显示飞机的“壁面（WALL）”部分，使用特定的“冷暖（coolwarm）”颜色图谱，并查看机翼的特定切片。工程师无需重复任何这些指令，AI 就已经“明白”了。
为什么这很重要
论文指出，这种“自我进化”的 AI 是工程领域的未来。它将计算机从一个需要你不断微观管理的工具，转变为一个与你共同成长的伙伴。工程师不再需要每天花费数小时点击菜单并设置相同的视图，而是可以将精力集中在真正的科学和设计上。
HABIT 表明，AI 不必是一个给所有人提供相同答案的通用机器人。它可以是一个个性化的助手，学习你的风格，尊重你的安全规则，并随着你的使用而变得越来越好。对于精度和效率高于一切的航空航天工业来说，这不仅仅是一个“锦上添花”的功能，更是一个游戏规则的改变者。研究人员已经在考虑如何将此扩展到其他类型的工程领域，例如检查飞机如何处理热量或应力，这证明了对于这些学习型机器来说，天空绝不是极限。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。