OPENFOAM FOUNDATION V13 · 开源 SKILL 库

EasyFoam

Skill-Oriented OpenFOAM Agents
with Evidence-Driven Evolution

Peng Yin^1* Zhiwei Chen^2,1* Tianyi Liu³
Chen Li³ Kai Li^1† Jian Cheng^1†

¹ 中国科学院自动化研究所
² 南京大学 ³ 空气动力学国家重点实验室

* 共同第一作者 † 共同通讯作者

论文 GitHub 数据集开始使用

复用 CFD 知识，以可检查的工作流支撑有证据的判断。

EasyFoam 将 OpenFOAM 专业知识组织为模块化 Skill、Reference、Schema 与确定性工具。具备文件和命令执行能力的编程智能体可以据此规划、构建、运行、评估和修复 CFD 工作流。

运行完成，还需要证据支持

仿真成功结束，并不意味着满足数值或物理要求。配套论文研究这种“可执行性与可接受性之间的差距”，并探索如何让 CFD 知识跨智能体实现复用与改进。

执行完成

规定的工作流是否成功完成？

数值合理性

解是否满足任务要求的数值检查？

QoI 满足度

关注量是否满足任务的验收标准？

任务通过需要三个维度同时通过。缺少证据不能判定为通过。

双循环，共享证据链

任务内，结构化证据指导构建与定向修复；任务间，经验可转化为可复用的 Skill 修订。

论文框架：Plan、Write、Run 与 Postprocess 由执行、数值和 QoI 证据评估；Root–Stage–Specialist 架构连接候选提案、配对评估和带回归惩罚的选择。 — 研究框架（论文图 2）：证据驱动的工作流构建与修复、分层 Skill 架构，以及通过配对评估完成的跨任务进化。论文 ↗

从研究框架到可使用的库

任务内工作流

Plan → Write → Run → Postprocess

CaseSpec 明确任务要求。修复从最早受影响的阶段重新开始，并使依赖它的完成声明失效，同时保留历史运行记录。

任务间进化

Experience → Candidate → Validation → Human decision

论文研究通过配对评估选择候选更新。发布库提供人工审核、可回退的更新流程：应用、保留与回滚变更均需要明确的人工指令。

论文中的结果摘要

论文中的四个系统使用相同的 DeepSeek-V4-Flash 主干与 OpenFOAM Foundation v13。表 1 对应跨任务进化前、人工编写的初始 EasyFoam Skills。任务通过率（TAR）要求三个评估维度同时通过。

超越教程级参数变化的评估

在 Hugging Face 下载 ExtFoamBench ↗：100 个任务、7 个几何资产，以及逐任务评价指标与接受准则。离线参考数据和评价工具作为配套资源提供。

FoamBench Basic 包含 110 个任务，Advanced 包含 16 个任务；ExtFoamBench 包含十类物理问题、五个变化轴，共 100 个任务。 — 基准设计（论文图 1）：ExtFoamBench 配对任务要求与参考算例，覆盖十类问题，并沿运行条件、几何、物理模型、数值设置和研究工作流五个轴构造变化。论文 ↗

论文中的结果摘要
评估集合	系统	执行完成率	任务通过率
FoamBench · 126	MetaOpenFOAM 2.0	28.6%	4.8%
	Foam-Agent	59.5%	4.0%
	ChatCFD	34.9%	16.7%
	EasyFoam	97.6%	41.3%
ExtFoamBench · 100	MetaOpenFOAM 2.0	8.0%	0.0%
	Foam-Agent	27.0%	0.0%
	ChatCFD	13.0%	0.0%
	EasyFoam	72.0%	6.0%

来源：论文 PDF 第 6 页，表 1。这些数据对应论文中的实验系统，并非本库的性能保证。ExtFoamBench 包含十类物理问题、五个变化轴，共 100 个任务。论文 ↗

发布库提供什么？

Workflow

规划、编写、运行、诊断、验证和后处理 CFD 算例。可恢复的状态与不可变运行记录保留完整证据链。

Evolution

记录有依据的经验，提出冻结补丁，完成验证后请求人工决策。变更可以延期、拒绝或回滚。

Reference & tools

只读的 OpenFOAM 与 CFD 知识、七类产物 Schema，以及用于解析、验证、执行和状态管理的确定性 Python 脚本。

开始使用 EasyFoam

需要 Python 3.11 或 3.12、OpenFOAM Foundation v13、Git，以及能够操作文件和执行命令的编程智能体。Windows 通过 WSL 执行 OpenFOAM；Linux 和 WSL 支持原生执行。

01克隆与安装

git clone https://github.com/CAS-CLab/EasyFoam.git
cd EasyFoam
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt

git clone https://github.com/CAS-CLab/EasyFoam.git
Set-Location EasyFoam
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt

02检查 OpenFOAM 环境

export EASYFOAM_OPENFOAM_BASHRC=/opt/openfoam13/etc/bashrc
export EASYFOAM_EXEC_BACKEND=auto
python skills/_shared/scripts/openfoam_env.py discover

$env:EASYFOAM_OPENFOAM_BASHRC = "/opt/openfoam13/etc/bashrc"
$env:EASYFOAM_EXEC_BACKEND = "auto"
python skills/_shared/scripts/openfoam_env.py discover

将 bashrc 路径改为实际 OpenFOAM 安装路径。Windows 下应填写 WSL 内可见的路径。

03向智能体提出任务

从本仓库根目录加载 skills/SKILL.md，使用 EasyFoam Skills
完成以下 OpenFOAM v13 任务。

CFD 任务：
<你的仿真要求>

固定运行目录：
<你的运行目录>

根 Skill 负责路由任务。关键输入缺失时，先澄清需求，再放行算例编写。

阅读完整安装与使用说明 →

配套论文

EasyFoam: Skill-Oriented OpenFOAM Agents with Evidence-Driven Evolution 介绍了本 Skill 库背后的研究框架，包括证据驱动的工作流修复与跨任务 Skill 进化。基准设计、评估协议与完整实验见论文。

论文 ↗