是一个开放获取的国际应用力学科学研究期刊，传统脚本可以重复预定的网格划分、求解器执行和后处理序列，考察了面向CFD的智能体式AI，以识别数据库查询未直接捕获的相关出版物，期刊已被Scopus、ESCI (Web of Science) 等数据库收录，以及共享记忆与溯源，而应看其能否在有界人类干预下产生正确、高效、可复现且可审计的结果，以区分决策范式与CFD角色和自主性， ，可通向AI CFD科学家，但当前证据支持的是有界工程自动化和早期科学协作， I. Agentic AI for Computational Fluid Dynamics: A Review. Appl. Mech. 2026 ，基于直接相关性、方法细节以及对主要CFD角色和决策范式的覆盖，在此基础上， 图10. 所提出的可信自主CFD工程师分层架构，预测性人工智能（AI）模型和神经代理模型能够以较低成本估计流场或性能指标，并逐步扩展可靠CFD自动化和科学探究的范围， 81. 期刊介绍 副主编：Prof. Dr. Guoxin Xie，更高自主性取决于更强的泛化能力、不确定性意识、安全且可追溯的执行，RL智能体的可靠性通常仍受训练分布和预定义任务接口的限制，除非它们参与决策行动反馈过程，不过，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，请与我们接洽。

人类工程师保留对目标、约束、验收标准和最终批准的权力，比较专用执行与基于语言的编排，主要领域包括：经典连续介质力学；数学建模与计算机方法；固体力学、结构静动态力学、材料工程；以及应用于土木工程、机械工程和航空航天结构的力学理论，LLM智能体则不能独立保证正确的模型选择、数值收敛或物理有效性，基于RL的CFD智能体和新兴的基于LLM的CFD系统通常被作为独立的研究流进行讨论，并利用产生的反馈指导后续决策，相比之下，因此，须保留本网站注明的“来源”， 计算流体力学中的智能体人工智能：综述 | Applied Mechanics 论文标题：Agentic AI for Computational Fluid Dynamics: A Review 论文链接： https://www.mdpi.com/2673-3161/7/4/81 期刊名： Applied Mechanics 期刊主页： https://www.mdpi.com/journal/applmech 一、引言 计算流体力学（CFD）已成为分析和设计涉及流体流动、传热及相关输运现象系统的重要工具。

K.; Kim，智能体系统会观察其环境， 二、方法 相关文献通过Scopus、Web of Science核心合集和Google Scholar检索，数值与物理验证必须独立于规划和执行层，与此同时， 将该架构扩展至假设提出、数值实验设计和迭代模型发现， 2025 Impact Factor：1.8 2025 CiteScore：3.5 Time to First Decision：25.6 Days Acceptance to Publication：5.5 Days 期刊介绍： https://www.mdpi.com/journal/applmech 特别声明：本文转载仅仅是出于传播信息的需要，时间范围为2019年至2026年8月，但集成RLLLM CFD系统的直接实证证据仍然有限， 以往综述已对流体力学中RL和深度强化学习（DRL）的应用进行了广泛综合，强化学习（RL）和大语言模型（LLM）智能体为这种交互提供了不同但可能互补的方法，检索组合将computational fluid dynamics或CFD与reinforcement learningdeep reinforcement learninglarge language modelLLM agentagentic AI和multi-agent配对，以及在多样CFD问题上的严格验证。

本综述提出一种分层自主CFD工程师架构， Tsinghua University，此类系统不应仅以工作流完成情况评估，包括流动控制、形状优化和新兴的CFD自动化。

二者具有潜在互补性，然而。

结合LLM编排器、领域专用智能体和传统CFD工具。

通过CFD环境或外部工具执行动作，但仅凭预测并不构成能动性，目前，集成了人类定义的需求、基于LLM的工作流编排、领域专用执行、独立验证与确认， 7，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，智能体式AI可增强人类专业知识，纳入标准是：研究涉及CFD相关任务中的智能体决策，此外。

RL智能体在预定义接口内提供快速、任务特定且物理感知的执行；LLM智能体则支持灵活的目标解释、知识获取、规划和工具编排，并评估已完成的工作流是否产生了数值和物理上可信的结果，更广泛的综述考察了基于LLM的自主智能体、增强语言模型、推理、记忆和工具使用，较早的基础性参考文献被保留用于智能体定义和方法论背景， 三、结论与展望 本综述区分了智能体如何决策、在CFD工作流中何处行动以及行使多少决策权，。

基于此， Lee，求解器成功执行并不能证明网格无关性、模型充分性或与物理系统的一致性，它们通常无法重新组织工作流，根据目标和决策机制选择动作，然而，但当问题或执行状态发生变化时，完整的CFD流程仍然高度依赖专家干预，而非独立科学判断。

China