材料模拟技能包

为 AI 编程代理注入数值方法与计算材料科学专业知识,用经过测试的脚本替代猜测。

Star 数
★ 94
最近更新
5 天前
License
Apache-2.0
主语言
Python

30 秒速览

运行形态
Agent 插件 / 技能命令行工具
可在哪里用
通用 · 跨平台Codex · Claude Code
费用
软件免费,模型调用费用自付
上手难度
低 · 几分钟可跑通
开始前需要
Python 3.10-3.12pipNode.js (npx)Shell / 命令行网络访问本地文件系统
典型场景
计算流体/传热研究者想知道时间步长是否满足 CFL 条件,让代理调用 numerical-stability 技能直接给出稳定性和最大 dt。
不适合
  • 期望技能能让智能体给出更好科学答案的团队:README 明确表示这一点尚未验证。
  • 只使用单一非主流代理工具、且无 Agent Skills 标准支持的用户。
官网
skills.sh ↗ 来自 GitHub 仓库设置
维护状态
近 30 天有提交最近提交 2026-11-15最新版本 v1.0.0(2026-11-15)

这个 Agent 能做什么,适合哪些场景?

Materials Simulation Skills 是一个面向计算材料科学的 Agent Skills 集合,包含 24 个技能,覆盖核心数值方法、模拟工作流、本体、HPC 部署、验证与确认、数据管理、鲁棒性和元技能。每个技能是「指令 + 经过测试的小脚本」的组合,代理在需要时自动加载并运行脚本,例如用 cfl_checker.py 检查 CFL 稳定性。技能遵循开放的 Agent Skills 标准,可安装到 Claude Code、Codex、Cursor 等 20+ 工具中。项目同时提供 pip 包与 mss CLI,可用于列出、安装、校验和评估技能,并配有确定性评测门禁和跨 Python 3.10–3.12、Linux/macOS/Windows 的 CI。需要说明的是,README 明确指出「代理使用这些技能后科学答案是否更好」尚未被证明,相关测量工作仍在进行中。

该仓库以文件夹形式提供技能,每个技能包含说明文档和可独立运行的小脚本。代理读取用户问题后选择匹配技能,调用对应脚本(如 cfl_checker.py --dx 0.01 --dt 0.001 --velocity 2.0 --json),再把脚本输出解释给用户。用户也可以手动运行:mss list 列出技能,mss run numerical-stability cfl_checker -- --dx 0.01 --dt 0.001 --velocity 2.0 --json 直接执行脚本,mss bundles 查看技能包,mss install --agent claude --bundle verification-and-validation 将技能装到指定代理。仓库还提供 skill-evaluator 元技能,用于跨代理 CLI 评估任意技能;评测层通过 mss eval 运行确定性 eval 门禁,断言每个文档数值与脚本输出一致。

  1. 计算流体/传热研究者想知道时间步长是否满足 CFL 条件,让代理调用 numerical-stability 技能直接给出稳定性和最大 dt。
  2. 做网格收敛性研究的工程师希望判断网格是否进入渐近区,使用 convergence-study 技能对 h=0.4,0.2,0.1 的应力结果做检查。
  3. 需要为 SLURM 集群写提交脚本的 HPC 用户,用 HPC Deployment 技能生成 sbatch 脚本并诊断运行时问题。
  4. 准备论文或项目归档的材料模拟团队,用 Data Management 技能按 FAIR 原则打包可复现数据。
  5. 想统一团队代理能力的负责人,通过 mss install --agent claude --bundle … 将一个精选技能包安装到 Claude Code。
  6. 构建或评估代理技能的开发者,使用 skill-evaluator 和 mss validate/mss eval 检查技能是否达到确定性输出标准。

安装与配置要点

摘自下方的安装和使用说明,以项目 README 的最新说明为准。

安装 / 启动命令
  • npx skills add HeshamFS/materials-simulation-skills
  • pip install materials-simulation-skills

如何安装或部署这个 Agent?

推荐使用 Agent Skills 安装:

npx skills add HeshamFS/materials-simulation-skills

其他安装方式(来自 README):

gh skill install HeshamFS/materials-simulation-skills --pin v1.0.0

作为 Claude Code 插件:

/plugin marketplace add HeshamFS/materials-simulation-skills

通过 pip 安装 mss CLI 并安装精选技能包:

pip install materials-simulation-skills
mss bundles
mss install --agent claude --bundle verification-and-validation

开发仓库本身:

git clone https://github.com/HeshamFS/materials-simulation-skills.git
cd materials-simulation-skills && pip install -e ".[dev]"

如何使用这个 Agent?

安装后直接用自然语言向代理描述问题,代理会自动选择技能:

Is dt=0.001 stable for advection with v=2.0 m/s and dx=0.01?

也可以显式指定技能:

Use convergence-study to check if my mesh is in the asymptotic range:
h = 0.4, 0.2, 0.1 gave stress = 98.5, 99.6, 99.9 MPa.

手动复核脚本输出:

pip install materials-simulation-skills
mss list
mss run numerical-stability cfl_checker -- --dx 0.01 --dt 0.001 --velocity 2.0 --json

运行评测与测试:

mss eval
python -m pytest tests/

这个 Agent 有哪些优点和局限?

优点
  • 技能附带经过测试的确定性脚本,每个文档数值都由 eval 断言校验(README 称最新一次 115 个用例、131 项检查、725 条断言通过),结果可手动复核。
  • 严格遵循开放的 Agent Skills 标准,README 称可在 Claude Code、Codex、Cursor、GitHub Copilot 等 20+ 工具中使用,避免单一代理锁定。
  • 覆盖 24 个技能、8 个类别,并提供 skills_index.json 机器可读目录,便于检索与集成。
  • 规则引用权威来源,如 ASME V&V20、SchedMD sbatch 规范和 CMSO IRI,提升可审计性。
局限
  • README 明确承认尚未证明「使用技能后代理的科学答案更好」,只有测量框架,相关工作仍在 issue #13 中。
  • 使用前需要具备 Python 3.10–3.12 环境;npx 安装路径还依赖 Node.js。
  • 技能质量依赖脚本覆盖范围,超出脚本能力的模拟问题仍需用户自行判断。
  • 需要向代理运行时提供 API 密钥或付费 LLM 服务,产生额外模型调用成本。

这个 Agent 与同类方案有什么区别?

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
材料模拟技能包 当前 56 · 缺口较多 Agent 插件 / 技能免费 + 模型费 ★ 94 5 天前 Python Codex · Claude Code
agnix 配置检查器 79 · 表现良好 命令行工具免费 ★ 491 今天 Rust Codex · Claude Code
J-Space 认知套件 72 · 存在缺口 Agent 插件 / 技能免费 + 模型费 ★ 3k 2 个月前 Python —
Harness AI Kit 64 · 存在缺口 命令行工具免费 ★ 26 2 个月前 Python Codex · Claude Code

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
56/ 100 五分制 2.8 / 5
信任安全 13/29
可靠稳定 8/14
适用触发 12/18
规范维护 12/18
有效结果 7/13
证据核验 4/8
查看各维度的扣分理由
信任安全13 / 29 · 2.2/5

least_privilege:SECURITY.md 按工具面划分 HIGH/MEDIUM/LOW 三级,CI 默认 GITHUB_TOKEN 只读,属较扎实的权限收敛(2)。但 user_confirmation 仅 1:脚本会写文件、生成 SLURM 脚本、执行命令,SKILL.md 未见执行前确认或 dry-run 要求。data_flow_transparency 与 sensitive_data_handling 仅 1:docs/SECURITY.md 提到文件大小上限、allow_pickle=False、shlex.quote,但样本 SKILL.md 未展示具体数据流说明,敏感数据(如 HPC 凭据、路径)处理无证据。external_effects 与 rollback 仅 1:mss install 有 --force 覆盖但无备份/回滚说明,生成脚本的外部副作用未声明。dependency_security 得 2:有 pip-audit、dependency-review、CodeQL,但依赖版本仅下限约束(numpy>=1.21),无锁定。source_attribution 得 2:standards 字段引用 ASME V&V20、Saad、Leche 等,README 致谢 Agent Skills 标准。

可靠稳定8 / 14 · 2.9/5

self_consistency 得 2:SKILL.md 的 CLI 示例、JSON 输出字段与 CI smoke 命令基本一致,但样本中部分 SKILL.md 被截断,无法全量核对。dependency_availability 仅 1:requirements.txt 只列 numpy,而 linear-solvers 等声明需要 SciPy,SciPy 仅在 optional full 中,普通安装可能缺依赖。failure_messages 得 2:SKILL.md 有 Error Handling 表,CLI 捕获 OSError/KeyError/ValueError/RuntimeError 并返回码 2,但错误信息覆盖度有限。

适用触发12 / 18 · 3.3/5

audience_and_scenarios 得 2:README 明确面向材料科学/数值模拟用户,含 24 个技能与场景示例。capability_boundaries 得 2:每个 SKILL.md 有 Goal、Requirements、Decision Guidance,边界较清晰,但未系统声明不适用场景。trigger_precision 得 2:description 含丰富触发短语('is my mesh fine enough' 等),但多技能描述重叠可能误触发。environment_fit 得 2:docs/INSTALL.md 覆盖 Claude Code、Codex、Copilot、Cursor、Antigravity 等多环境,Python 3.10-3.12 跨平台 CI。

规范维护12 / 18 · 3.3/5

information_architecture 得 2:README、docs/SKILLS.md、skills_index.json、marketplace.json 结构清晰,但样本中 marketplace.json 被截断。install_notes 得 3:docs/INSTALL.md 详尽覆盖 npx、gh skill、pip mss、插件市场与手动复制。naming_stability 得 2:技能名与目录一致,metadata 有 version 字段,但各技能版本号不一(1.2.2/1.2.3)。examples_and_faq 得 2:有 CLI 示例与对话式工作流,但无独立 FAQ。known_limitations 得 2:README 明确'尚未证明 live agent 提升科学答案'并链接 VALIDATION_SCOPE,属诚实披露。license 得 3:Apache-2.0 全文与 pyproject 一致。versioning_changelog 仅 1:有版本号但无 CHANGELOG 文件。maintenance_responsibility 仅 1:发布者未经验证,仅 marketplace.json 署名 Hesham Salama,无治理/维护承诺说明。

有效结果7 / 13 · 2.7/5

output_usability 得 2:脚本输出结构化 JSON,字段在 SKILL.md 中列明,可直接被 agent 消费。marginal_value 仅 1:README 自承尚未证明技能能提升 agent 科学答案质量(issue #13),相对通用数值库的增量价值未验证。cost_benefit 得 2:技能按需加载、脚本轻量(多为 stdlib),安装成本低,但 24 技能全量安装可能带来上下文开销。

证据核验4 / 8 · 2.5/5

claim_traceability 得 2:standards 字段逐条引用标准与文献,README 声称'规则引用来源'。cross_source_corroboration 仅 1:README 声称 115 案例/725 断言通过,但样本未含 docs/evaluations 报告,无法交叉核对。fact_inference_separation 得 2:README 明确区分'已测试'与'尚未证明',VALIDATION_SCOPE 提示勿将通过检查当作物理仿真证据。

风险与缓解建议
  • 脚本会写文件、生成 SLURM 脚本并执行命令,但 SKILL.md 未要求执行前用户确认或 dry-run;在真实 HPC 环境使用前应人工审阅生成物。
  • linear-solvers 等技能声明依赖 SciPy,但 requirements.txt 仅含 numpy,SciPy 只在 optional 'full' 中,普通 pip 安装可能缺依赖。
  • README 自承尚未证明技能能提升 agent 科学答案质量(issue #13),增量价值未经验证。
  • 发布者身份未经验证,维护责任与更新路径不明确;依赖仅设下限无锁定,供应链可复现性有限。
  • 样本中多个 SKILL.md 与 marketplace.json 被截断,未覆盖全部 24 个技能,未审阅文件为未知而非缺失。
证据充分度:低 评估于 2026年11月16日 审查版本 a4bd93c4224f
查看完整评分方法 →
你是这个项目的维护者?把 FARS 徽章加到 README

徽章显示当前的评审分数和结论,点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/materials-simulation-skills.svg?lang=zh)](https://followagents.com/zh/agents/materials-simulation-skills)
<a href="https://followagents.com/zh/agents/materials-simulation-skills"><img src="https://followagents.com/badge/materials-simulation-skills.svg?lang=zh" alt="FARS 评测"></a>

最近版本

来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。

  1. v1.0.0
    发布说明摘录
    First tagged release. It makes the version-pinned install in the README work: ```bash gh skill install HeshamFS/materials-simulation-skills --pin v1.0.0 npx skills add HeshamFS/materials-simulation-skills ``` What's in it 24 skills across 8 categories: core numerical methods (8), simulation workflow (7), ontology (3), HPC deployment (2), verification & validation (1), data management (1), robustness (1) and the skill-evaluator meta skill. Full catalog: [docs/SKILLS.md](https://github.com/HeshamFS/materials-simulation-skills/blob/v1.0.0/docs/SKILLS.md). Checks at this tag …
    在 GitHub 查看 ↗

常见问题

这些技能能让我的代理给出更准确的科学结论吗?
README 明确表示尚未证明这一点。技能提供的是经过测试的脚本和确定性输出,能防止数值和文档漂移,但不能保证物理模拟结论正确;评估方法和剩余局限见 docs/VALIDATION_SCOPE.md。
支持哪些代理工具?
遵循 Agent Skills 标准,README 列出 Claude Code、Codex、Cursor、Antigravity、GitHub Copilot 等 20+ 工具。具体安装步骤按代理不同,见 docs/INSTALL.md。
运行技能需要什么环境?
脚本在 Python 3.10–3.12 上运行;npx skills add 安装路径需要 Node.js。CI 在 Linux、macOS、Windows 上测试。
技能输出和文档数值如何保持一致?
每个 eval 用例都会运行对应脚本并断言精确输出,mss eval 是确定性门禁;最新一次运行结果记录在 docs/evaluations/2026-10-20.md。
材料模拟技能包 官网是什么?
材料模拟技能包 的 GitHub 仓库填写的官网是 https://www.skills.sh/heshamfs/materials-simulation-skills。这个链接由仓库作者设置;源码在 GitHub(HeshamFS/materials-simulation-skills)。
材料模拟技能包 免费吗?
软件本身免费,但 材料模拟技能包 要调用 AI 模型,模型的调用费用由你向模型服务商支付(也可以接本地模型)。
材料模拟技能包 开源吗?
开源。源码在 GitHub(HeshamFS/materials-simulation-skills),许可证是 Apache-2.0。
材料模拟技能包 安全吗?
FollowAgents 的 FARS 评审(2026年11月16日)给 材料模拟技能包 的“信任与安全”打了 13/29 分。评审检查的 8 项安全措施没有完全缺失的。
材料模拟技能包 还在维护吗?
在维护。GitHub 上最近一次提交是 2026-11-15,在最近 30 天内。最新版本是 v1.0.0(2026-11-15)。
材料模拟技能包 是谁开发的?
材料模拟技能包 由 GitHub 账号 HeshamFS 发布。FollowAgents 没有核实这个账号背后是哪个人或公司。
这页内容对你有帮助吗?
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关核心概念