科学智能体：LLM 与科学工具的协同推理
一句话结论：科学智能体（Scientific Agent）的价值不在"会聊天"，而在"让 LLM 能调用科学工具并验证结果"——把大模型的推理能力与求解器/数据库/仿真软件的确定性计算结合起来。本文拆解工具定义、Agent 循环与科学工具适配器三个核心代码段，给出可落地的工程框架。
实验目标
第 13 章讲过私有化 LLM 的服务架构。这里把落地的关键一步展开：如何让 LLM 真正"用"科学工具。
用户在智能助手里的典型科学提问有三种形态：
- 查知识："Slurm 的 GPU 分区怎么配？"——RAG 检索即可；
- 查数据："这个集群的 GPU 利用率最近一周怎么样？"——需要查询数据库/监控系统；
- 做计算："帮我算一下这个结构的受力分布"——需要调用求解器，且结果必须可验证。
科学智能体要解决的是第 3 类，并顺带增强第 2 类。本文目标：搭建一个"LLM 规划 + 科学工具执行 + 结果校验"的最小可运行框架，并总结部署在私有化环境时的工程要点。
代码逐段拆解
1. 定义科学工具（Function Calling 契约）
python
# 科学工具契约：LLM 可识别的 JSON Schema
TOOLS = [
{
"type": "function",
"function": {
"name": "run_cfd_solver",
"description": "运行 CFD 求解器（RANS 稳态），返回指定监测点的速度与压力",
"parameters": {
"type": "object",
"properties": {
"geometry": {"type": "string", "description": "几何文件名（白名单内）"},
"reynolds": {"type": "number", "minimum": 1, "maximum": 1e7},
"monitors": {"type": "array", "items": {"type": "string"}}
},
"required": ["geometry", "reynolds"]
}
}
},
{
"type": "function",
"function": {
"name": "query_hpc_metrics",
"description": "查询集群监控指标（利用率/排队/温度）",
"parameters": {
"type": "object",
"properties": {
"metric": {"enum": ["gpu_util", "queue_len", "temp"]},
"time_range": {"enum": ["1h", "24h", "7d"]}
},
"required": ["metric", "time_range"]
}
}
}
]拆解要点：
- 工具数量宁少勿多：科学助手场景 5~10 个高质量工具远好过 50 个低质量工具——工具越多，LLM 选错工具的概率越大；
- 参数 Schema 要带约束：
minimum/maximum/enum不是装饰，是让 LLM 在调用前就生成合法参数的第一道防线； description是工具检索的关键：LLM 靠描述语义匹配工具，描述要写"什么时候用、输入输出是什么"，而不是抄函数注释。
2. Agent 循环（ReAct 风格）
python
# 最小 Agent 循环：Thought → Action → Observation
def agent_loop(user_query, llm, tools, max_steps=6):
messages = [{"role": "user", "content": user_query}]
for _ in range(max_steps):
resp = llm.chat(messages, tools=TOOLS) # 请求工具调用
if resp.tool_calls:
messages.append(resp) # 追加 assistant 的 tool_call
for tc in resp.tool_calls:
result = execute_tool(tc) # 执行工具（见下节）
messages.append({
"role": "tool",
"tool_call_id": tc.id,
"content": json.dumps(result, ensure_ascii=False)
})
continue # 带着结果继续推理
return resp.content # 无工具调用 → 直接回答
return "已达最大步数，请细化问题"拆解要点：
- 循环终止条件：LLM 不再发起工具调用即结束——这是"智能体"与"单轮函数调用"的分界线；
tool_call_id必须回填：多工具并发时，结果与调用一一对应，漏掉会导致上下文错乱；- 最大步数限制：科学 Agent 常见死循环是"工具失败 → 重试 → 再失败"，步数上限 + 超时是工程底线。
3. 科学工具适配器（确定性计算封装）
python
# 把科学计算包装成工具：执行 + 结构化 + 校验
import subprocess, json
def execute_tool(tc):
fn = tc["function"]["name"]
args = tc["function"]["arguments"]
if fn == "run_cfd_solver":
# 白名单校验：只允许预设几何文件，防路径注入
geom = args["geometry"]
if geom not in ALLOWED_GEOMETRIES:
return {"error": "geometry 不在白名单"}
# 在隔离容器/作业中运行求解器（真实场景走 Slurm 提交）
proc = subprocess.run(
["/opt/solvers/run_cfd.sh", geom, str(args["reynolds"])],
capture_output=True, timeout=600,
cwd="/opt/solver_workdir"
)
if proc.returncode != 0:
return {"error": proc.stderr[-2000:]}
# 结果结构化 + 物理合理性校验（速度不能为负、残差必须收敛）
result = parse_solver_output(proc.stdout)
assert result["converged"], "求解未收敛"
assert result["monitors"]["u_max"] >= 0, "物理不合理"
return {"summary": summarize(result), "data": result["monitors"]}
if fn == "query_hpc_metrics":
return query_monitoring_db(args["metric"], args["time_range"])
...拆解要点：
- 白名单 + 隔离执行：LLM 永远不直接拼命令——工具层做路径/参数白名单校验，求解器在隔离工作目录或容器中运行，这是科学 Agent 的安全底线；
- 结果必须校验：求解器输出先做物理合理性断言（收敛标志、数值范围）再返回给 LLM，防止 LLM 拿着错误数值一本正经地推理；
- 结果要"摘要化"：CFD 场数据是 GB 级，返回给 LLM 的必须是降维摘要（监测点、残差、极值），而不是原始场。
原理讲解：科学智能体的四个核心问题
问题一：Agent 与 RAG 的分工
| 维度 | RAG 知识问答 | 科学智能体 |
|---|---|---|
| 目标 | 检索已有答案 | 规划多步并执行计算 |
| 信息源 | 文档/知识库 | 工具/求解器/数据库 |
| 结果 | 文本答案 | 文本 + 可验证的数值结果 |
| 失败模式 | 检索不中 | 工具调用错误/循环/幻觉参数 |
工程实践：两者共存——知识检索作为工具之一（search_kb），科学计算作为另一类工具；RAG 管"已知"，Agent 管"计算"。
问题二：工具调用的可靠性工程
- 参数校验前置：Schema 约束 + 工具层二次校验（双保险）；
- 超时与重试：科学工具动辄分钟级，超时后要明确返回"仍在计算/已失败"，不能静默挂起；
- 结构化输出：所有工具返回 JSON，LLM 解析成本最低；
- 可观测：记录每次工具调用的入参、出参、耗时——这是排查 Agent 幻觉的依据。
问题三：科学领域的特殊性
- 数据降维：科学工具输出体量大（场数据），必须摘要化后再进 LLM 上下文，否则 token 爆掉且注意力被稀释；
- 确定性计算兜底：LLM 负责"规划与解释"，数值计算交给确定性工具——绝不信任 LLM 心算的数值；
- 物理校验层：任何数值结果都要过物理合理性检查（量纲、范围、收敛性），这是科学 Agent 区别于通用 Agent 的关键。
问题四：部署与安全边界
- 模型选择：私有化环境首选带工具调用能力的开源模型（Qwen 系列等），用第 13 章的 vLLM/SGLang 部署；
- 权限收敛：工具层只暴露白名单能力（可求解的几何、可查的指标），LLM 无 shell、无文件系统写权限；
- 审计日志：所有工具调用留痕（谁、何时、调了什么、结果），科学结论可追溯。
实验结果
以下为科学助手类项目部署的工程观察（非虚构基准，数值因模型/场景而异）：
- 工具选型：从 30+ 候选工具收敛到 8 个核心工具后，工具调用准确率从约 60% 提升到 90%+（模型选错工具的概率随工具数上升）；
- 参数校验：Schema 约束 + 工具层二次校验，非法参数调用率趋近于 0；未加约束时约 5~10% 的调用带越界参数（如负雷诺数）；
- 循环可靠性：最大步数 6 + 单工具超时 600s 后，"死循环/挂起"类故障清零，长任务通过"后台作业 + 轮询"方式处理；
- 物理校验：加入收敛性/数值范围断言后，LLM 依据错误数值推理的案例显著减少（观测到约 80% 相关幻觉被拦截）。
⚠️ 以上为工程经验总结，用于设计方向参考；具体数字需在目标环境复测。
工程启示
科学智能体落地清单：
- [ ] 工具层：5~10 个高质量工具；Schema 带约束；description 面向语义检索；
- [ ] 安全：白名单 + 隔离容器执行 + 无 shell/文件写权限 + 全量审计日志；
- [ ] 可靠性：参数双校验、单工具超时、最大步数、结构化 JSON 返回；
- [ ] 科学适配：输出摘要化（降维后再进 LLM）、物理合理性断言、确定性计算兜底；
- [ ] 模型与部署：私有化选带 Function Calling 的开源模型（第 13 章 vLLM/SGLang 方案）；
- [ ] 与知识库联动：RAG 作为工具之一，知识问答与科学计算双通道。
下一篇预告：《AI4S 可复现工作流：数据治理与容器化》，把科学计算从"能跑"推进到"可复现"。