将工程需求转化为可执行的 PDE 仿真需要统一的几何、物理、边界条件和数值设置。近期的智能体辅助系统能够自动完成仿真搭建，但仅能成功运行并不等同于规格保持了原始意图或正确处理了缺失信息。我们研究了智能体在生成完整可执行 JSON 规格（包括几何创建、网格划分、求解和结果导出）方面的可靠性。\n\n工作流包括模型抽取、确定性的科学与能力检查、显式澄清以及保留无关已接受字段的局部修补。我们分别评估规格正确性、执行完成度和数值验证。对 120 条模板相关请求，完整工作流在首次给出规格时的正确率为 98.3%，相比仅使用 schema 辅助的单次提交（92.5%）和仅模型抽取（82.5%）分别提升 5.8 和 15.8 个百分点。对需要澄清或拒绝的 42 条请求，未出现误判为可直接执行的情况。\n\n组件剔除实验表明科学检查和条件修补对提升效果贡献显著。下游独立实验覆盖 1D、2D、3D 的稳态与非稳态、线性与非线性问题，包括流体和弹性以及复杂三维机翼几何。30 案例的画廊展示了从保留的 JSON 规格到全自动执行的全过程；在 12 项实时用户‑结果测试中，有 9 项实现了规格、执行、导出和数值参考的全链路成功（75.0%）。这些结果支持在已测范围内提供可追溯、工程师审查的仿真辅助，但新响应的回归错误提示一致性仍是后续改进的重点。\n\n点评：本文通过系统化的检查与修补机制显著提升了智能体在复杂 PDE 规格生成中的可靠性，为工程实践中的自动化仿真奠定了可验证的基础，但仍需加强跨请求的一致性保障。