Vibe SRM：用自然语言设计固体火箭发动机，AI做到了
你跟AI说"复刻一枚FG02上面级发动机，推力118 kN"，它就会自己去查资料、补参数、跑计算、写报告------偏差不到1%。
什么是 Vibe Engineering 和 Vibe SRM？
软件圈有个词叫 Vibe Coding ------你描述需求，AI写代码，你来审查。我们把这种范式搬到工程领域，就成了 Vibe Engineering：设计师用自然语言描述任务目标，AI智能体在规则约束下调度知识库和计算模块，生成可审计的工程方案。
固体火箭发动机（SRM）的总体设计，原本是一桩极度依赖经验的手艺活。燃烧室压力、喷管面积比、装药几何、壳体材料、推进剂配方------这些变量互相耦合，牵一发而动全身。传统的设计流程：翻手册、查公式、假设参数、迭代计算、核对结果......一个方案下来，大量的时间消耗在"检索"和"核对"上，真正的工程判断反而被挤到角落。
如果把这些机械劳动交给AI呢？
知识飞轮：让LLM长出"工程记忆"
大语言模型（LLM）很能聊，但在工程问题上有一个致命缺陷：它不懂物理。让LLM直接猜发动机参数，跟在酒吧找人问火箭公式没区别。
我们的方案是 知识飞轮（Knowledge Flywheel）------一个四模块闭环系统：
wiki → paper → code → data → wiki
- wiki：740条文献、61个知识页，可追溯的工程知识
- paper：论证结构与设计报告
- code：7类专业计算模块（推进剂热力、等熵流、装药、喷管、壳体、质量、校核）
- data：计算结果、图表、注册表
每一次设计产生的判断、参数和偏差，都会沉淀为下一次设计的输入。设计不白做。
LLM在这里的角色不是"计算器"，而是"过程编排器"------理解自然语言需求、检索 wiki 知识、调用 code 计算、把结果写入 data、最终生成 paper。LLM提供先验知识（语义理解、任务分解），知识飞轮提供后验知识（验证过的工程数据、可追溯的公式来源）。
真正干活的计算，还是确定性程序模块来做。
管槽型装药：解析方法的数学之美
装药设计是整个发动机设计中最头疼的环节之一。药柱的几何形状决定了燃面面积随时间的变化曲线，进而决定推力曲线。传统的做法是：假设几何参数 → 数值积分求燃面 → 迭代修正。
我们走了一条更"直接"的路线：全程解析。
管槽型（tube-slot）装药的每一个燃烧区域，燃面表达式都是 h h h、 R R R、 β s l \beta_{\mathrm{sl}} βsl 的初等函数。不需要数值迭代，在固定外径下，装药几何由方程组一步反解得到。
从装填分数 η \eta η 出发，经过 α h → w max → r b → A b t → α → L t u , L s l \alpha_h \to w_{\max} \to r_{\mathrm{b}} \to A_{\mathrm{bt}} \to \alpha \to L_{\mathrm{tu}}, L_{\mathrm{sl}} αh→wmax→rb→Abt→α→Ltu,Lsl 的链条，全程只含三角函数和幂函数，Python单次求解 < 1 ms。
这不仅快，更重要的是可解释------AI能告诉你每一项是从哪个几何关系来的，而不是给你一个黑箱数字。
FG02验证：误差不到1%
为了验证系统，我们选择了一个硬骨头：FG02上面级固体发动机。这是长征一号的芯三级动力，1970年就送东方红一号上了天。
公开资料存在内部矛盾：推力118 kN、总冲4500 kN·s、燃烧时间40 s------但 118 × 40 = 4720 ≠ 4500 118 \times 40 = 4720 \neq 4500 118×40=4720=4500。AI自动检测到这一矛盾，以推力和总冲为基准反算出燃烧时间应为 38 s。
在38 s燃烧时间下，我们给出了三个方案：
| 方案 | 总质量 | 总长度 | 比冲 | 亮点 |
|---|---|---|---|---|
| 传统复现 | 2051.8 kg | 3923.5 mm | 2531 m/s | 与FG02参考值偏差 < 1.0% |
| 现代材料 | 1907.7 kg | 3964.2 mm | 2530 m/s | 碳纤维壳体，质量降 7.0% |
| 含铝HTPB+潜入喷管 | 1722.9 kg | 3286.0 mm | 2813 m/s | 推进剂升级+紧凑构型，质量降 16.0% |
传统复现方案的总冲、推进剂质量、总质量、总长、壁厚、喉径、出口直径与参考值偏差均小于1.0% ------这不是AI"猜"出来的，而是在结构化规则约束下、调用确定性程序计算出来的。每个参数都能追溯到 wiki 文献、code 公式或 data 注册表。
真正智能的系统长什么样？
我们不是给传统计算程序套了一层聊天壳。我们做的是让AI理解它调用的每一个公式，使其真正达到一名行业"专家"的水平。
在附录中，你可以看到AI回答这样的问题：
"含铝HTPB推进剂的比冲增益从何而来？"
AI从 c ∗ c^* c∗ 提升（1400→1546.5 m/s）、 γ \gamma γ 下降（1.207→1.195）、 C f C_f Cf 微增（1.808→1.819）三个维度逐一解释，并注明计算由自研化学平衡热力程序完成。
这种能力不是训练得来的------是知识飞轮赋予的。 AI读取的是经过审计的wiki条目，调用的是经过验证的Python模块，输出的每一行都登记在数据注册表里。
Vibe Engineering 意味着什么？
对工程师而言，这意味着：
- 不再从零开始翻手册------知识飞轮已经记住了
- 不再手工核对参数一致性------AI自动审计
- 不再担心设计经验流失------每次设计都沉淀为可复用的知识
- 用自然语言驱动设计------"如果改用含铝HTPB会怎样？" 几毫秒后有答案
这不是替代工程师。这是把工程师从重复劳动中解放出来，让他们专注于真正的创新决策。
相关链接
PS： 上面这篇论文也是AI生成的