新论文：基于AI Vibe Coding的有限元软件开发研究——以Bathe-Ramaswamy本构向OpenSees集成为例

论文：基于AI Vibe Coding的有限元软件开发研究——以Bathe-Ramaswamy本构向OpenSees集成为例

DOI: 10.6052/j.issn.1000-4750.2026.03.0119

00

太长不看版

工业有限元软件开发中，“集成既有理论与代码到新平台”是最常见的研发形态，但该过程需要遗产代码解读、接口适配、数值稳定性保障与系统化验证等交叉能力，长期依赖稀缺复合型人才。同时，生成式AI技术正深刻改变软件开发模式，AI vibe coding在代码生成方面达到较高水平，并展现出显著的生产力增益。然而，工业有限元软件开发属于高度专业化的领域编程，AI vibe coding 能否有效胜任此类高专业门槛的开发任务，是一个尚未得到系统论证的科学问题。因此，本文选取Bathe与Ramaswamy[1]提出的混凝土本构模型向OpenSees 的集成作为研究案例，论证AI vibe coding 在工业有限元本构集成开发中的可行性。

本文首先提出“AI生成—Standalone测试驱动—渐进迭代”的开发方法，采用Cursor 与 Claude Opus 4.6 等大语言模型，完成 Fortran 90 子程序开发，并构建了多层级的测试项目。随后，总结AI开发过程的典型错误模式，并开展了多层级的验证。结果表明，AI vibe coding 可显著降低本构集成开发的人力与时间成本。

01

基于AI的本构集成开发方法

本文提出的本构集成开发方法可概括为三阶段闭环，如图1所示。

图1 基于AI的本构集成开发方法框架

首先，向AI发送必要的资料与蓝本（ADINA源代码、OpenSees接口约定等），通过自然语言向AI描述需求，由AI生成代码骨架。随后，在不编译OpenSees的前提下，AI自主开展单元级测试，结合反馈结果，进行代码修正。随后，将forumat.f90编译进OpenSees，进行结构级校验；若发现新问题则返回阶段二，形成闭环。

开发过程中的典型提示词案例，如图2所示。

图2 AI自主阅读论文并设计Standalone独立测试案例

02

AI开发的典型错误模式总结

开发过程中发现，AI生成代码的错误并非随机分布，而呈现出可归类的模式特征，总结如表1所示。

表1 AI在本构集成中的典型错误模式

这些错误模式表明，AI在代码生成方面表现良好，但在需要深层力学与数值分析知识的环节存在系统性不足，需要领域专家在解读Standalone测试结果后加以识别和引导修正。

03

多层级验证设计与结果

（1）单元级验证

单元级材料测试覆盖单轴压缩、单轴拉伸、纯剪切、循环压拉与四阶段循环5条典型路径。测试均顺利完成且无失败步，为后续结构级与软件级算例提供了可追溯的正确性保证。

（2）结构级校验

结构级校验聚焦两类最具代表性的平面应力应用场景，验证集成后的本构在较简单、可控、且具有代表性的结构场景中的正确性。测试结果分别如图3和图4所示。

图3 单轴拉伸与压缩测试结果

图4 悬臂剪力墙测试结果

对比结果表明，AI开发的本构模型（B&R）与参考模型在单轴峰值与软化段吻合良好；剪力墙滞回环形态一致，包络线与退化趋势吻合。

（3）软件级校核

为检验本构在更贴近工程使用场景的稳定性，进一步选取Lu等[2]使用的剪力墙算例（sw1-1/sw2-1）,并与OpenSees中的分层壳单元算例开展软件级校核,测试结果如图5所示。

图5 sw1-1剪力墙测试结果

开发记录表明，B&R本构模型可完成sw1-1的分层壳单元模型计算，并且精度与收敛性都与参考模型相当；而sw2-1在大位移后期完成约90%进度后出现矩阵奇异相关的收敛困难。更详细的测试结果和讨论，可以参考论文原文。

04

（1）AI辅助开发的能力边界

本研究的实践表明，当前 AI 在有限元本构集成中的能力呈现显著的层次分化。在代码框架生成方面表现良好，在测试编写与结果解读方面表现合格；但在关键数值细节方面存在一定不足，详见表1。

因此，AI 适合承担代码生成与高频迭代的“执行层”角色，而领域专家在需求规格、数值细节审查与失效模式判断等“决策层”仍不可替代，二者构成互补协作关系。

（2）效率与成本分析

本次集成开发总耗时约2天，大模型调用约1.2×10⁸ token，直接成本约100美元，产出约1250行的forumat.f90 子程序以及配套测试分析脚本。相比于传统的研发方式，估计效率提升5～10倍，成本降低1～2个量级。

本次实践表明，AI可从历史代码理解与复用、高效开发、自动闭环等三个层面，显著提升研发效率。

（3）方法的可推广性

本文提出的方法并不局限于B&R模型或OpenSees平台，可适用于任何满足以下条件的本构集成任务：

（a）存在可供参照的既有实现（例如本文中的ADINA源代码）；

（b）目标平台提供明确的代码接口约定；

（c）本构行为可通过单元级应力-应变路径加以验证。

05

结语

AI 技术的发展正深刻改变着工业软件的开发模式，而AI vibe coding 能否在有限元软件开发领域完成高专业性的编程任务，目前尚缺乏深入的研究。本文以Bathe-Ramaswamy平面应力混凝土本构从ADINA向OpenSees的集成为对象，较为完整地评估了AI vibe coding 在本构集成开发任务中的适用性，总结如下：（1）在约2天内、约100美元直接成本下完成了目标任务，验证了AI 辅助的本构集成开发可行且具有可重复性；（2）提出了“AI生成—Standalone测试驱动—渐进迭代”的本构集成开发方法，对比传统方法具有显著的效率增益；（3）表明了AI适合承担代码生成与高频迭代的“执行层”角色，而领域专家在需求规格与数值细节审查的 “决策层”仍不可替代。

06

参考文献

[1] BATHE K J, RAMASWAMY S. On three-dimensional nonlinear analysis of concrete structures[J]. Nuclear Engineering and Design, 1979, 52(3): 385-409.

[2] LU X, XIE L L, GUAN H, et al. A shear wall element for nonlinear seismic analysis of super-tall buildings using OpenSees[J]. Finite Elements in Analysis and Design, 2015, 98: 14-25.

联络邮箱:

唐雨晨：tangyuchen2023@163.com

林楷奇：linkq@fzu.edu.cn

陆新征：luxz@tsinghua.edu.cn

研究相关Markdown文件以及源代码已上传至GitHub：https://github.com/poxiao2024/AI-vibe-coding-assisted-integration-of-the-Bathe-Ramaswamy-concrete-model-into-OpenSees

---End---

建筑结构生成式智能设计软件：

3分钟视频演示剪力墙结构智能设计完整操作流程

1分钟视频建筑户型平面生成与编辑流程

相关研究

学术报告视频

专著

人工智能与机器学习

---结构智能设计

---其他土木工程领域人工智能研究

城市灾害模拟与韧性城市

高性能结构与防倒塌

26. 新论文：抗震&防连续倒塌：一种新型构造措施