控制系统设计是化工温度调节、航空发动机等工业领域的核心任务。传统流程依赖专家经验和大量手工参数调优，效率低且难以规模化。为此，本文提出 AI 控制科学家 (AICS)，首个基于大语言模型的智能体，能够从自然语言的设计需求自动生成优化的控制器。
系统由三层代理组成：
- 任务建模代理读取用户的功能描述，将其转化为工程约束（如稳态误差、上升时间、鲁棒性指标）。
- 控制器设计代理在约束空间内搜索控制器结构（PID、LQR、MPC 等），并输出可直接编译运行的代码片段。
- 参数调优代理采用闭环性能指标（如 $J = \\int_0^T e(t)^2 dt$）在仿真环境中迭代优化参数，直至满足设计目标。
实验在多个典型控制任务上进行，包括温度控制回路和航空发动机转速调节。结果显示，AICS 能自动生成多种代表性控制系统，设计成功率和优化效率均显著高于现有自动化基线。
意义：该工作展示了从人驱动向智能体驱动的控制系统设计转变，为模型预测控制等高级控制策略的自动化奠定基础。
博主点评：AICS 的三层代理架构逻辑清晰，尤其在代码自动生成与闭环调参之间的闭环闭合令人眼前一亮，预示着工业控制领域的 AI 赋能将进入新阶段。