收益：
- 能够描述人工智能在日光、日照和能源模拟工作流程中的数据准备、解释和报告中的作用
- 在使用 AI 总结仿真结果时能够清楚地跟踪假设、边界条件和不确定性
- 能够理解能源/舒适度结果必须通过官方计算方法和认可的软件进行验证，并且人工智能不会产生数字
一座建筑不仅看起来很漂亮，而且还很漂亮。它使居住在里面的人在炎热时保持凉爽，在寒冷时保持温暖，在白天让光线进入，并且不会消耗不必要的能量。为了预测这些，建筑师使用模拟：计算机分析，以数字方式计算建筑物在阳光、光线和空气的作用下的表现。日光分析（有多少自然光进入空间）、日照/阴影分析和能量模拟是主要的。经过认可和验证的特殊软件进行这些计算；人工智能本身不会产生这些数字。人工智能的作用是准备数据、组织场景、解释和报告结果。在本单元中，您将学习如何将人工智能放在能源和日光工作流程中的正确位置，以及如何避免最危险的错误：让人工智能产生数字。
为什么人工智能不模拟
语言模型可以为“有多少阳光进入这个房间”这个问题提供一个可靠的数字。但这个数字是估计/捏造的，而不是真实的计算结果。日光乘数、能源负荷、阴影时间；这些是基于建筑物的几何形状、地理位置、材料特性和气候数据的物理计算。只有对物理进行建模的模拟软件才能正确实现这些目标。
人工智能的真正贡献是：准备模拟的输入（场景列表、物料清单）、理解其输出（总结数百页的结果、查找模式）并编写报告。所以AI在账前、账后都是有价值的；不在帐户本身中。
注意：不要向 AI 询问日光乘数、能源消耗或阴影时间等数字。只有经过认可/验证的模拟软件才能产生这些值。除非是来源帐户，否则不应使用 AI 提供的任何号码。
准备输入：人工智能的第一个好处
模拟的质量取决于输入的质量。人工智能可以帮助您编排一组复杂的场景：哪些立面方向、哪些玻璃类型、哪些遮阳选项、要测试哪些使用时间。将它们转化为结构化表格并阐明每个场景将测量的内容可以节省时间并减少错误。
AI还可以编制材料属性（导热率值、透光率等）并放在表格中；但有必要从制造商的文档中确认这些值，因为AI可能会记错。
口译输出：人工智能的第二个好处
模拟输出通常庞大且复杂：每小时的温度、每个房间的光照水平、每月的能量分布。根据这些数据，人工智能会生成清晰的摘要：“最热的三个地方”、“低于日照目标的区域”、“哪个月份的冷负荷最高”。这份简报加快了建筑师的设计决策。但请务必指定您将结果提供给人工智能的软件和假设；评论应该放在这个上下文中。
提示：当向人工智能提供模拟结果时，请说“这些结果是由[软件]产生的，并做出以下假设；您只需评论并指出这些假设如何影响结果。”因此，人工智能使不确定性变得可见，而不是隐藏它。
一步一步：人工智能驱动的分析工作流程
- 澄清问题。您想知道什么：过热、缺乏光线、能量？
- 使用 AI 编辑场景。列出要测试的变体。
- 编译并验证材料数据。他们说人工智能，你可以从制造商的文档中验证它。
- 使用合适的软件运行模拟。这就是数字的来源。
- 用 AI 解释输出。通过陈述假设进行总结。
- 做出决定并报告。结论和理由均附有来源。
三个迷你箱子
案例 1 — 场景编辑。一位建筑师想要测试 4 个立面方向、3 种玻璃类型和 2 种遮阳选项的日光。 AI 将这些组合转化为包含 24 个场景的清晰表格，架构师可以看到哪些场景是不必要的重复，并将范围缩小到 16 个。模拟时间和不规则性都会减少。
案例 2 — 解释和模式。每小时出现 800 行温度输出。架构师将其交给 AI 并要求进行总结。人工智能标志着西南角的两个办公室下午的气温高于目标。为了验证这一发现，架构师查看了相应的模拟图并添加了阴影。 AI 没有在这里生成这个数字；它使现有的数字可读。
案例 3——危险的捷径。为了节省时间，实习生询问 AI“这个房间的日光倍数是多少？”并将结果数字放入报告中。经核实，这个数字显然不是基于任何计算，而是编造的。该报告已被撤回。教训：数字总是来自有能力的软件。
四个可复制的提示
将以下分析目标待测试的SCENARIOS转化为表格。栏目：场景号|前方方向 |玻璃类型 |阴影|它测量什么？标记不必要/重复的场景。目标：[...]
将该材料列表的热透过率和透光率值编制在表格中。将每个值标记为“待从制造商文档中确认”；不要给出确切的值。列表： [...]
以下模拟结果由[软件名称]产生，并做出以下假设：[假设]。结果摘要：3 个最关键的地方、模式和假设的影响。不要生成新数字，只需解释给定的数字。结果：[...]
用建筑师的语言组织这份能源/日光报告草稿：包含方法、假设、发现、建议等部分。留下 [SOURCE] 字段以指示每个问题的来源（软件/帐户）。草稿：[...]
弱提示/强提示
弱者：“这个房间的能耗是多少？”
Strong：“我在下面粘贴了基于 EnergyPlus 的模拟的每月能源输出。假设：[气候文件、使用时间、设定温度]。总结这些结果：哪个月份的负载最高、哪个位置突出、哪个假设对结果影响最大。计算一个新数字；只需解释我提供的数据。”
强大的提示让AI扮演翻译角色；它不会陷入产生数字的陷阱，并使假设可见。
商业
人工智能能做到吗？
编号是谁生产的
脚本编辑
是的
—
材料数据整理
是（已确认）
制造商证书
模拟账户
不
认可的软件
结论评论/总结
是的
—
报告撰写
是（焊接）
—
常见错误
- 让人工智能产生数字。日光/能源值仅来自软件。
- 不陈述假设。这种解释仍然没有上下文并且具有误导性。
- 未确认材料价值。 AI 可能会给出不正确的温度/光照值。
- 不将AI总结与原始数据进行比较。摘要可能突出显示不正确。
- 将编造的数字写在报告上。报告中不包含任何未提供来源的数字。
综上所述
能量和日光计算基于物理学，只有经过认可的模拟软件才能正确计算。人工智能不做这个计算；编辑输入、编译（验证）材料数据、解释结果并编写报告。切勿让人工智能生成诸如日光乘数或能源消耗之类的数字。引用每个数字的来源，使假设可见，并与有能力的专家验证最终评估。
应用任务
为空间设计日光或过热分析场景。借助人工智能，将测试用例转化为表格，并为材料值留下确认字段。如果您有模拟输出（或样本表），请将其汇总给AI，陈述假设，并检查AI是否不会产生任何新数字。
清单
- [ ] 我澄清了分析问题。
- [ ] 我用AI编辑了场景。
- [ ] 我确认了制造商文档中的材料值。
- [ ] 我仅从认可的软件获得该号码。
- [ ] 我让人工智能通过陈述假设来解释它。
- [ ] 我检查了一下，AI 没有生成新的数字。
- [ ] 我在报告中写下了每个问题的来源。