في عالم التقنية المتقدم، تبرز نماذج اللغات الكبيرة (Large Language Models) كأداة قوية في مختلف التطبيقات، لكن استخدامها في محاكاة MAPDL لم يكن خاليًا من التحديات. فعدم وجود سيطرة منظمة على التنفيذ، وعدم تكامل الأدوات، وعدم وجود آليات لتعافي الأنظمة يؤدي إلى نتائج غير متسقة وفشل دائم في المهام. ولتجاوز هذه القيود، تم تقديم نموذج CAX-Agent، وهو وكيل خفيف مصمم خصيصاً لأغراض الأتمتة في MAPDL.

يتضمن تصميم CAX-Agent ثلاث طبقات رئيسية وهي: خدمة LLM، ووكيل الأتمتة، والمحرك الخلفي للحلول، مع

درجات تعافي تخطو من تصحيح القواعد الحتمية إلى التجديد القائم على النماذج، ثم إثراء السياق، وأخيرًا تدخل الإنسان. في التجارب، تم تقييم ثلاث استراتيجيات للتعافي: عدم وجود تعافي، فقط القواعد، فقط النموذج، باستخدام 50 معيارًا هيكليًا قياسيًا مع ثلاث محاولات مكررة لكل استراتيجية.

النتائج أظهرت أن استراتيجية "فقط النموذج" قد حققت أعلى نسبة إنجاز (0.9267) وأفضل درجات للمهام (3.59/4)، مما أسفر عن تفوق ملحوظ على الاستراتيجيتين الأخريين. كما حصلت على نسبة تدخل صفرية (0.84) مما يشير إلى كفاءتها العالية في التعامل مع التحديات.

من خلال استخدام هندسة بسيطة، تم عزل تأثيرات سياسة التعافي، مما يدعو للدراسة في أبعاد أوسع والمزيد من التحقق من النتائج. إن CAX-Agent يمثل تحولًا حقيقيًا في كيفية إدارة أتمتة MAPDL، ويعد خطوة هامة نحو تحسين نتائج المحاكاة وتعزيز موثوقيتها.