为产品存在，为工程求知

世界是连续的函数，产品是函数的实例

你可能觉得我在故弄玄虚，那我来说一个简单的例子：

自然界的设计，生物的形态，都是函数的结果，是规律的体现，以最少的生物能消耗应对严酷的自然环境，从噬菌体 到人类骨骼密度的分布，从青蛙腿部肌肉的连杆到水母的排水泵，找到规律是PDE科学家的事，我的任务是应用规律：按手掌 握持压强分布去设计手柄，按工况的不同阶段去设计连杆，转化和联立方程，以点坐标方程去组织产品形态，以Mesh算法 去蒙皮，把传动件作为单元去按律配置……你可以说它是仿生，但生物并不是规律的全部，流体力学、热力学、材料力学、控制论、信息论……都是函数的实例。

直白的说：传统画图用SW，我们的流派画图用Python/Rhino,把函数做成图纸，这就是“参数化设计”，这是我的研究生课题，我在此研习了将近10年。

• 当然这是有代价的：慢，但在LLM盛行的当下，似乎不是问题了
• 并不适用于所有产品设计，但所有产品的存在都适用这套逻辑（必要不充分）。
• 学术起源于：英国建筑师扎哈-哈迪德，伟大的参数化设计先行者
• 这个领域的国内同行者很少，我将继续前行。

以粒子群模拟为核心的方法

有限元是个老大难问题，大家用它无非是验证和优化设计，最深入的研究就是写一个产品优化设计论文。 我不想泡在高密度的数学公式里，也是因为我总出错。

我的应用主要局限在简化问题，快速收敛，批量处理。

技术以人为本，验证一个原理或理论数值，动辄花费数周，领导的脸色恐怕不太好看~ 无论是大接触问题、动力学问题还是多物理场耦合（流/固），无网格的粒子群效率都奇高，虽然准确性和模型上 有点争议，但在工程上是足够的，学术的事就让学术的人去讨论吧。

所以我是无网格派的忠实拥趸

有限元法（工程模拟），除了工程验证还有用途：其在数值模拟中的应用，能让我们更好地理解产品的物理规律，进而能在产品优化（融入参数化设计流） 上有大用，比如风阻适应性的车身设计，或是流体力学的泵体设计，医学上抓持组织的最佳植入物形状等等。

有限元是工作中的必要一步，快才好用

• 我不喜欢商业FEM，更多地用SPH或MPM开源库。
• 写一些新模型和脚本也蛮有意思的。
• 虽然不追求工具的精度，但追求方法的正义。

代码承载规则，抽象万物，是技术的最强增益

最初接触代码还是在学校，python和Matlab、C++，工作以后，代码业务断断续续，后来2025AI技术革命，被迫在工作中捡起代码。 从FEM工艺模拟到CAD自动绘图，从办公自动化爬取资料到LLM的代理机器人，没有任何技术可以脱离代码而存在。 另一方面，“从软件到软件”的工作模式的割裂感让人困扰，软件使用者被原生束缚，生产力得不到最大程度的解放。

尤其是近期的AI技术革命。我想我们没有理由不去学习。

工程、设计的图形元素的创建可被拆解、抽象为相互耦合的函数从而工具化，被LLM提取调用，从而实现 “像真人一样工作”，openclaw的出现，是让我意识到“AI辅助工作”的时代刚刚到来就要宣告结束了， 一个简单的轮询模式反复检查结果、状态和计划，居然能达到主动工作的效果。 LLM应用、调试技术应该是每个工程师的必修课，尤其是“重脑力劳动者”，独属于自己的工作机器人是未来 的核心竞争力，我也在着手抽象化自己的工作，将技术栈从闭源软件逐步转为开源框架，录制脚本，定义方法和Skill。

美中不足的是，我对架构还没有自己的理解

持续学习，保持饥饿，保持好奇心，保持对技术的敬畏。

打磨文字和思维

思想生产文字，文字优化逻辑，循环往复，打磨思维。我喜欢写作，喜欢用文字表达自己的观点和思考，备忘一些冒着热乎气儿的知识， 反思技术/策略上的踩雷。

与其继续输出学术垃圾，不如打打基础

现在，AI会写文章了，只花两块钱，AI就可以在10分钟内输出一份5W字、 引用200余篇文献的优质长文，我也就腾出了一些时间梳理思路，记录学习的点滴， 顺便将之前的笔记欠账一股脑儿补回来。

另外，我也想试试我做的写作机器人性能如何，探索新的文章写作模式

见过不少文辞生硬的AI博客和公众号水文，也学习过一些大牛的随笔，我想论证一下，到底是Human in loop的 内容更优质，还是纯深度研究的架构更强，另一方面也借此机会锻炼一下提示工程能力。