企业官网建设流程全解析

目标读者：

• MATLAB 工程师

• 控制算法研究人员

• Simulink 用户

• 想学习 AI Agent 的科研人员

内容会按照“为什么 → 原理 → 安装 → 基础 → 工具调用 → DeepSeek → Simulink → 工程实践 → 高级应用”展开。

下面先给你完整文档正文（可直接复制到公众号、知乎、CSDN、GitHub README 等平台）。

MATLAB AI Agent SDK 使用入门到精通

—— 从大语言模型连接到 Simulink 智能仿真 Agent

1. 什么是 MATLAB AI Agent SDK？

1.1 AI Agent 与普通大模型有什么区别？

近年来，大语言模型（Large Language Model, LLM）如：

• GPT

• Claude

• DeepSeek

• Gemini

• Qwen

已经具备非常强的文本理解和代码生成能力。

但是，传统 LLM 存在一个限制：

它只能“回答”，不能真正操作 MATLAB 环境。

例如：

用户：

帮我优化一个 MR 半主动悬架控制器。

普通 ChatGPT：

建议调整参数 lambda 和 q 可以尝试优化控制律

但是它无法：

• 打开你的 Simulink 模型

• 运行仿真

• 修改 MATLAB 参数

• 分析.mat数据

• 自动循环实验

AI Agent 的出现解决了这个问题。

1.2 MATLAB AI Agent SDK 是什么？

MATLAB AI Agent SDK 是 MathWorks 开源的一个用于：

在 MATLAB 内部创建和运行 AI Agent 的开发框架。

它允许 MATLAB：

• 调用大语言模型

• 创建 Agent

• 定义 MATLAB Tool

• 让 AI 自动调用 MATLAB 函数

• 连接大量 MATLAB 数据

• 构建自动化工程流程

官方仓库：

MATLAB AI Agent SDK GitHub

目前状态：

Research Preview（研究预览版）

API 仍在持续开发中。(GitHub)

2. MATLAB Agent 的核心思想

一个完整 Agent 系统：

用户任务 ↓ 大语言模型 LLM ↓ MATLAB AI Agent ↓ ------------------------ | | | MATLAB函数 Simulink 数据分析 | | | ------------------------ ↓ 返回结果

其中：

LLM负责：

• 理解任务

• 制定计划

• 判断需要调用什么工具

MATLAB负责：

• 数值计算

• 仿真

• 数据处理

• 绘图

核心思想：

AI 负责“思考”，MATLAB负责“执行”。

3. MATLAB AI Agent SDK 安装

3.1 从 GitHub 获取

官方仓库：

git clone https://github.com/matlab/matlab-ai-agent-sdk.git

进入 MATLAB：

addpath("matlab-ai-agent-sdk")

官方安装方式见仓库说明。(GitHub)

4. 第一个 MATLAB Agent

4.1 创建 LLM Client

MATLAB Agent 支持：

• OpenAI

• Ollama

• OpenAI-compatible API

例如：

client = aisdk.LLMClient(... "openai",... "gpt-4o");

这里：

openai

表示接口类型。

gpt-4o

表示模型。

4.2 创建 Agent

agent = aisdk.AIAgent(client);

现在：

Agent = LLM + 任务管理能力

4.3 调用 Agent

response = run(agent,... "介绍一下四分之一车辆模型");

输出：

四分之一车辆模型包含： 1. 簧上质量 2. 簧下质量 3. 弹簧 4. 阻尼器 5. 轮胎模型

此时：

Agent 只是聊天。

还没有调用 MATLAB 工具。

5. 接入 DeepSeek

DeepSeek 提供 OpenAI-compatible API。

因此 MATLAB Agent 可以直接调用。

5.1 设置 API Key

setenv(... "OPENAI_API_KEY",... "你的DeepSeek Key")

5.2 设置接口地址

setenv(... "OPENAI_API_ENDPOINT",... "https://api.deepseek.com/v1")

5.3 创建客户端

注意：

模型名必须作为第二个参数：

正确：

client = aisdk.LLMClient(... "openai",... "deepseek-chat");

错误：

Model="deepseek-chat"

因为当前 SDK：

LLMClient(API, MODELNAME)

模型是位置参数。

5.4 创建 Agent

agent = aisdk.AIAgent(client);

测试：

response = run(agent,... "解释Bouc-Wen滞回模型");

如果返回：

Bouc-Wen模型用于描述非线性滞回行为

说明：

MATLAB ↓ AI Agent SDK ↓ DeepSeek

连接成功。

6. Agent Tool：让 AI 调用 MATLAB 函数

这是 Agent 最核心能力。

普通 LLM：

输入 ↓ 回答

Agent：

输入任务 ↓ 判断 ↓ 调用工具 ↓ 获得结果 ↓ 继续分析

7. 第一个 Tool 示例：计算 RMS

创建 MATLAB 函数：

calculateRMS.m

function result = calculateRMS(data) result = sqrt(mean(data.^2)); end

测试：

calculateRMS([1 2 3 4 5])

结果：

3.3166

注册 Tool

tool = aisdk.LLMTool(@calculateRMS);

创建带工具 Agent

agent = aisdk.AIAgent(... client,... Tools=tool);

调用

response = run(agent,... "计算振动信号[1 2 3 4 5]的RMS");

Agent流程：

用户 ↓ DeepSeek ↓ 发现需要计算 ↓ 调用calculateRMS ↓ 返回结果

8. MATLAB Agent 调用 Simulink

这是工程应用核心。

8.1 为什么不能让 Agent 直接操作 Simulink？

不推荐：

Agent | 直接修改模型

原因：

• 不稳定

• 不可重复

• 容易修改错误

推荐：

Agent ↓ MATLAB函数接口 ↓ Simulink模型

9. Simulink Tool 示例

假设：

模型：

MR_Model.slx

输入：

lambda q

输出：

簧上加速度

创建包装函数：

runMRSimulation.m

function result = runMRSimulation(lambda,q) assignin("base","lambda",lambda); assignin("base","q",q); simOut = sim("MR_Model.slx"); acc = simOut.acceleration; result.RMS_acc = sqrt(mean(acc.^2)); result.lambda=lambda; result.q=q; end

测试：

result=runMRSimulation(25,35)

输出：

RMS_acc: 0.823 lambda: 25 q: 35

注册：

simTool = aisdk.LLMTool(@runMRSimulation);

创建：

agent = aisdk.AIAgent(... client,... Tools=simTool);

输入：

response=run(agent,... "测试MR悬架模型 lambda=25 q=35，并评价舒适性");

执行流程：

DeepSeek ↓ 理解任务 ↓ 调用runMRSimulation ↓ 运行Simulink ↓ 读取结果 ↓ 生成分析

10. MATLAB Agent Prompt 管理

MATLAB 对多行文本支持较弱。

推荐三种方法。

方法1：字符串数组（推荐）

task=[ "你是一名车辆控制专家" "测试MR悬架模型" "lambda=25" "q=35" ]; task=join(task,newline);

方法2：文本文件管理（工程推荐）

目录：

Project ├── prompts │ ├── simulation.txt │ ├── optimize.txt │ └── analysis.txt

读取：

task=fileread( "prompts/simulation.txt");

优点：

• 易维护

• 易版本管理

• 适合论文项目

11. Agent 不应该做什么？

工程应用中：

不要：

Agent直接修改核心算法代码

例如：

不要让：

DeepSeek ↓ 修改 NESO.m

更合理：

Agent ↓ 调整参数 ↓ 调用仿真 ↓ 评价性能

12. 一个完整工程结构

推荐：

MR_Agent_Project │ ├── main.m │ ├── agent │ └── createAgent.m │ ├── tools │ ├── runSimulation.m │ ├── calculateMetrics.m │ └── optimizeParameter.m │ ├── prompts │ ├── simulation.txt │ └── analysis.txt │ ├── Simulink │ └── MR_Model.slx │ └── results └── data.mat

13. 高级应用：自动优化控制参数

例如：

目标：

找到最佳 DLSMC-NESO 参数。

Agent：

输入目标 ↓ 选择实验方案 ↓ 调用Simulink ↓ 计算指标 ↓ 修改参数 ↓ 重复 ↓ 输出最佳参数

评价指标：

• RMS acceleration

• suspension travel

• tire dynamic load

最终：

最佳参数： lambda=30 q=40 舒适性提升： 18.5%

14. MATLAB Agent 与 LangChain 对比

15. 总结

MATLAB AI Agent SDK 的核心不是让 MATLAB 变成聊天工具，而是：

构建一个能够理解工程任务，并自动调用 MATLAB 计算能力完成任务的智能实验系统。

典型流程：

用户目标 ↓ DeepSeek/GPT ↓ MATLAB Agent ↓ MATLAB Tool ↓ Simulink ↓ 实验结果 ↓ AI分析

对于：

• 控制系统设计

• 机器人仿真

• 自动调参

• Simulink优化

• 科研实验

具有非常大的应用价值。

推荐学习路线

1. 学会 LLM API 调用

2. 掌握 MATLAB AI Agent SDK 基础

3. 学会创建 Tool

4. 封装 MATLAB/Simulink 接口

5. 构建工程 Agent

6. 实现自动实验与优化系统

本文示例基于 MATLAB AI Agent SDK Research Preview 版本编写，接口可能随版本更新变化。(GitHub)

这份是“教程正文版”。如果你准备发到网上，我建议下一步继续加工成：

1. CSDN/知乎风格版（带目录、配图、代码高亮）

2. GitHub README版

3. PDF教程版（类似官方文档）

4. 增加完整案例：DeepSeek + MATLAB Agent + Simulink 自动优化 MR 悬架控制器

其中第4个会明显提高文章价值，因为目前网上几乎没有“MATLAB Agent + 控制系统仿真”的完整案例。