PSPP 逆向设计 Agent

业务痛点，讲人话

客户提出一个需求："我需要一种材料，在 650 °C 下工作十万小时，屈服强度不低于某个值，还要能焊接。"

传统研发的回答方式是：老专家凭经验想几个候选成分 → 各熔一小炉 → 热处理 → 测性能 → 不行再改。一轮几周到几个月，走完通常要几年。

问题不在于专家不行，而在于：

• 设计空间大到无法穷举 ——十几种元素，每种一个浓度区间，再叠加工艺路径
• 经验难以外推 ——老专家的直觉在熟悉的体系里很准，换个新体系就失效
• 失败不留痕 ——"这条路走不通"的宝贵信息，往往连报告都不写

逆向设计要做的，就是把这个搜索过程从"凭经验试"变成"有依据地搜"。

这个 Agent 编排什么

它本质上是一个工具编排器，自己不做科学判断：

目标性能（自然语言）
   ↓ [LLM] 解析成结构化目标 + 约束
   ├─ 硬约束：成分范围、可焊性（碳当量上限）、成本上限
   └─ 目标：屈服强度、蠕变寿命、韧性
   ↓
候选成分采样（条件生成 / 贝叶斯优化选点）
   ↓
┌── 物理可行性过滤 ──────────────────────┐
│  · CALPHAD：这个成分在目标温度下会析出什么相？   │
│  · 相图/热力学：固相线温度、加工窗口          │
│  · 代理模型：预测组织与性能（带不确定度）       │
│  · 历史试验库：类似成分做过吗？结果如何？       │
│  · 文献证据：有无相关报道                  │
└────────────────────────────────────┘
   ↓
候选排序（按预测性能 × 置信度 × 验证成本）
   ↓ [LLM] 组织成一份可执行的验证方案
输出：成分区间 + 工艺窗口 + 置信度 + 建议先做哪几炉

数据长什么样

# 一条可被模型消费的试验记录（教学示意，也是治理的目标形态）
experiment:
id: "EXP-XXXX"
material_system: "Ni-base superalloy"
composition_wt:                    # ★ 必须有统一的元素键名与单位
  Ni: 62.1
  Cr: 16.0
  Co: 8.5
  Mo: 1.7
  Al: 3.4
  Ti: 3.4
process:                           # ★ 工艺是路径不是标量
  - {step: "固溶", temp_c: 1080, hold_h: 4, cooling: "空冷"}
  - {step: "一次时效", temp_c: 845, hold_h: 24, cooling: "空冷"}
  - {step: "二次时效", temp_c: 760, hold_h: 16, cooling: "空冷"}
structure:                         # ★ 关键隐变量，往往缺失
  gamma_prime_fraction: 0.42
  grain_size_um: 65
properties:
  - {name: "屈服强度", value: 920, unit: "MPa", temp_c: 650, method: "…"}
  - {name: "蠕变断裂寿命", value: 1200, unit: "h", temp_c: 760, stress_mpa: 380}
outcome: "partial"                 # 成功 / 失败 / 部分达标
notes: "室温冲击功偏低，疑与晶界析出粗化有关"
#
# 治理的难点不在写这个 schema，在于把几十年前的报告对齐到它上面：
# 同一牌号三种写法、同一参数两种单位、组织数据大面积缺失、失败案例根本没记录

实施建议

先选一个材料体系做通，不要铺开。

一上来同时做高温合金、非晶、粉末冶金必然失败——每个体系的机理模型、表征手段、数据格式都不同。选一个有产线闭环、有历史数据积累的体系做通，再复制方法论。

数据治理必须单列项目、单列预算和 KPI。

寄生在业务项目里的数据治理，一定会在赶进度时被砍掉。而这个场景 70% 的工作量在这里。

先做正向预测，再做逆向设计。

正向（给成分工艺预测性能）可以用现有数据验证，能快速建立信心；逆向（给性能反推成分）需要正向模型足够可信才有意义。跳过正向直接做逆向，等于在没有评估器的情况下做搜索。