2026a

# MWORKS AI

# 产品简介

MWORKS AI 是 Syslab 内置的 AI 助手。它可以结合当前工程、文件、终端输出、运行环境和 Syslab 本地能力，帮助用户完成问答、代码生成、错误诊断、脚本运行、性能优化和代码迁移等任务。

与通用聊天工具不同，MWORKS AI 的重点是让 AI 在 Syslab 内理解上下文、调用工具并协助完成工程任务。

# 适用场景

解释 Syslab、Julia、M 代码和工程结构；
根据自然语言生成或修改脚本；
分析报错、终端输出和运行结果；
调用 Syslab MCP Server 查询帮助、执行代码或获取环境信息；
使用 Syslab Skills 完成性能优化、M 转 Julia 等专项任务。

# 快速入门

本节介绍首次使用 MWORKS AI 的基本配置流程，包括运行环境确认、功能入口打开、账号登录、在线模型选择以及本地模型切换。

# 前置条件

使用 MWORKS AI 前，请确认当前环境满足以下要求。

当前系统为 Windows 10/11 64 位或 Linux（Ubuntu 20.04+、CentOS 8+）；
已安装 Syslab 2026a V26.3 及以上版本；
当前网络可以正常访问同元官网。

# 启动 MWORKS AI

在 Syslab 中打开 MWORKS AI 功能入口。

首次启动 MWORKS AI 时，将进入登录界面。

# 登录或注册账号

MWORKS AI 需要使用苏州同元软控技术股份有限公司 (opens new window)（下方简称同元）账号登录后才能调用可用模型。如果尚未注册账号，请先完成注册，再登录使用。

账号注册入口如下：

# 配置在线模型

完成注册并登录账号后，可在模型配置界面选择在线模型。账号登录后，系统会提供一定的免费额度，可用于调用 deepseek 的相关模型进行建模使用。

模型名	模型功能	额度耗费对比
tongyuan/deepseek-v4-flash	DeepSeek-V4-Flash 模型，支持思考与非思考模式，具备长上下文、JSON 输出、工具调用等能力，适用于常规问答、代码生成和建模辅助场景	基础计费倍率，免费额度消耗较慢，可支持更多轮次对话
tongyuan/deepseek-v4-pro	DeepSeek-V4-Pro 模型，支持思考与非思考模式，具备长上下文、JSON 输出、工具调用等能力，适用于复杂推理、长文本分析和高难度建模优化场景	计费倍率较高，免费额度消耗更快，相同使用量下可用轮次较少

# 自定义模型配置

MWORKS AI 需依赖本机存在可用的智能体程序。在 Syslab 2026a V26.3 及以上版本中，软件安装时会自动安装特定 opencode 版本。该版本仅在 Syslab 中调用，不影响全局配置。

如需使用本地模型，目前支持切换为本地 opencode 设置。切换前，请确认已完成以下准备：

本地已经安装 opencode 客户端或 cli 终端（非 Syslab 自带版本），并已配置相关模型；
已经完成一次同元账号登录。

完成准备后，按以下步骤切换为本地客户端。

进入全局配置路径 C:\Users\用户名\.config\opencode。
找到 opencode-mworks.json 文件，并将其重命名为 opencode-mworks.json.bak；

opencode-mworks.json 是 MWORKS AI 默认添加的配置文件。opencode 启动时会优先读取该文件中的配置；将文件名增加 .bak 后，系统将不再识别它为有效配置文件，从而回退到 opencode 的默认配置，并切换为本地 opencode 客户端。
重启 opencode 和 Syslab。

提示

产品支持在多种模型间进行切换，不同模型的部分能力可能存在差异，属于正常现象。

# 发送第一个问题

在输入框中输入自然语言问题或任务描述，按 Enter 发送。常用输入方式包括：

直接提问，例如：如何生成稀疏矩阵？
描述任务，例如：读取 data.csv，生成一个非线性指数拟合脚本，并保存到当前目录。

建议尽量把目标、输入文件、期望输出和限制条件写清楚。任务越具体，AI 助手越容易给出可执行结果。

AI 返回结果后，可根据结果继续追问、要求生成脚本、运行验证或修改文件。

如果 AI 正在回复或执行任务，发送按钮会切换为停止按钮。需要中断当前任务时，可单击停止按钮，再补充新的约束或重新发送任务。

# 带上下文提问

上下文用于告诉 AI 当前问题所依赖的材料。对于代码开发、错误诊断和工程分析，添加上下文通常比单纯描述问题更有效。

常见上下文添加方式

在编辑器中选中代码或文本后，通过右键菜单添加到 AI 上下文；
将文件或文件夹拖入 AI 面板；
在输入框中使用 @ 选择文件；

上下文不宜一次加入过多。复杂工程任务建议先加入关键文件或报错信息，再根据 AI 的分析逐步补充材料。

# 核心功能

# 功能总览

AI 助手主要包含以下功能：

区域	功能
新建会话	开启一个新的对话上下文，用于处理新的独立任务。
历史会话	打开历史对话，回看或继续之前的任务。
设置	配置模型服务、工具、MCP 与诊断。
常用命令	提供常见任务的快捷入口，单击后可将示例问题填入聊天框。
聊天框	输入问题、任务描述、`/` 命令或 `@` 上下文。
切换模型	选择本次会话使用的大模型。
切换模式	选择当前工作模式，例如 Build 模式或 Plan 模式。
发送/停止	发送当前提示词；AI 正在生成或执行时，可用于停止当前响应。

# 会话

一次会话保存一组连续对话和上下文。新建会话可以隔离不同任务，避免旧上下文影响当前结果。历史会话可用于回看和继续之前的工作。

当一个任务已经结束，建议为新任务开启新会话；当任务需要连续迭代，例如“分析错误 -> 修改代码 -> 运行验证 -> 继续修复”，建议保留在同一会话中。

会话相关入口通常位于 AI 面板顶部：

单击新建会话，创建独立对话上下文并开始新任务；
单击历史会话，查看历史任务并选择需要继续的会话；
在继续历史会话前，先确认旧上下文是否仍然适用于当前工程状态。

# 模式与模型

MWORKS AI 支持不同模式和模型组合。它们的职责不同：

模式：控制工作方式，例如规划优先或直接执行；
模型：负责理解、推理和生成的底层大模型能力。

常见模式包括：

Build：规划、搜索、开发等一站式完成任务、工作目录内操作无需用户确认；
Plan：为完成任务制定详细的执行方案，仅生成步骤与建议，不执行任何实际操作。

对于可能改动大量文件、运行外部命令或影响工程状态的任务，建议先使用 Plan 模式明确方案。

模型和模式可在 AI 面板中切换：

通过聊天框左下角的模式入口切换工作模式；
通过模型下拉框切换当前使用的大模型。

切换模型或模式后，建议在当前输入中明确任务目标，避免旧会话上下文影响新设置下的结果。

# MCP 服务

MCP 通常指 Model Context Protocol，即模型上下文协议。它用于让 AI 助手以标准方式连接外部工具、数据源和本地服务。提供工具能力，解决 AI 能调用什么。

MWORKS AI 可通过 Syslab MCP Server 获取 Syslab 环境信息、查询函数和帮助文档、执行 Julia 代码等。常见用途包括：

查询 Syslab 已安装工具箱和运行环境；
搜索 Syslab 函数、帮助和示例；
运行或验证 Julia 代码；
将本地能力提供给智能体调用。

如果 MCP 服务不可用，AI 仍可回答一般问题，但与 Syslab 本地环境相关的能力会受限。

# Skills

Skills 是面向专项任务的工作流说明，提供任务流程规范，可让 AI 按既定规范完成复杂任务。例如：

性能优化；
M 代码迁移到 Julia；

使用 Skills 时，建议在任务描述中明确说明要使用哪个 Skill，以及输入文件、输出目录和验收标准。

# 典型案例

# 错误诊断

当脚本运行失败时，优先把报错信息、相关代码和运行环境作为上下文提供给 AI。MWORKS AI 也提供 AI 错误诊断入口，可将当前错误上下文发送到右侧 AI 助手，由 AI 分析原因并给出修复建议。

以下示例运行时会出现错误：

using TyPlot
using TyMath

x = 0:0.2:10
y = besselj.(0, x)

xconf = [x..., x[end:-1:1]...]
yconf = [y .+ 0.15..., y[end:-1:1] .- 0.15...]

figure()
p = plt_fill(xconf, yconf, "red")
plt_set(p, "facecolor", [1 0.8 0.8])
plt_set(p, "edgecolor", "none")

hold(true) # 此行代码有错
plot(x, y, "ro")
hold("off")

发生错误后，可选中报错信息并单击 AI 错误诊断。

AI 助手会先定位错误原因，再给出修改建议。

# 算法开发

可用自然语言描述输入数据、算法目标和输出形式，让 AI 生成脚本。示例数据可使用 data.csv。

在 AI 聊天框输入：

使用 Syslab 读取 data.csv，实现一个非线性无偏置指数拟合脚本，绘图并给出拟合曲线参数，该脚本保存到 data.csv 同一目录。

输入完成后，AI 助手开始工作，最后自动生成非线性指数拟合文件。

# 性能优化

存在一个二维热扩散模拟示例，该示例优化前运行耗时约为 1.2 秒，需要优化其性能。

function make_initial_temperature(nx::Int, ny::Int)
    u = zeros(Float64, nx, ny)
    for j in 1:ny
        for i in 1:nx
            dx = i - nx ÷ 2
            dy = j - ny ÷ 2
            r2 = dx * dx + dy * dy
            if r2 < 900
                u[i, j] = 100.0
            elseif r2 < 3600
                u[i, j] = 40.0
            end
        end
    end
    u
end

function diffuse_slow(u0::Matrix{Float64}, alpha::Float64, steps::Int)
    u = copy(u0)
    for _ in 1:steps
        next = copy(u)
        next[2:end-1, 2:end-1] =
            u[2:end-1, 2:end-1] .+
            alpha .* (
                u[1:end-2, 2:end-1] .+
                u[3:end, 2:end-1] .+
                u[2:end-1, 1:end-2] .+
                u[2:end-1, 3:end] .-
                4.0 .* u[2:end-1, 2:end-1]
            )
        u = next
    end
    u
end

u0 = make_initial_temperature(500, 500)
@time u = diffuse_slow(u0, 0.12, 260)
println("center temperature = ", u[250, 250], ", corner temperature = ", u[1, 1])

在 AI 聊天框输入：

使用 Syslab skills，优化 slow_heat_diffusion.jl 的性能，并将优化版本保存到 slow_heat_diffusion-opt.jl

输入完成后，AI 助手开始工作：

# M 转 Julia

对于历史 M 脚本迁移，建议同时提供主脚本、依赖数据文件和期望输出目录。示例文件包括 FindLocalMaximaInDataExample.m 和 spots_num.mat。

在 AI 聊天框输入：

使用 syslab skills，将 FindLocalMaximaInDataExample.m 转为 Julia 代码，输出保存到 FindLocalMaximaInDataExample-translated 文件夹。

转换过程中，AI 可能会分阶段生成迁移计划、问题记录、Julia 脚本和验证结果。如果发现方向不符合预期，可以中途补充约束后让 AI 继续。

# 常见问题

# 找不到 Syslab MCP

如果 AI 助手无法调用 Syslab MCP，可先让它检查配置和服务状态：

读取 ~/.config/opencode/opencode.json，测试 Syslab MCP 是否可以调用，并说明失败原因。

常见原因包括：

MCP 配置文件路径不正确；
Syslab MCP Server 未启动或版本不匹配；
当前运行环境无法访问本地服务；
权限配置阻止了相关工具调用。

# 响应慢或生成超时

可尝试以下方法：

减少单次上下文数量，优先提供关键文件和报错；
将复杂任务拆成多个阶段；
先使用 Plan 模式明确方案，再进入 Build 模式执行；
清理过长历史会话，或为新任务开启新会话；
检查模型服务和网络连接状态。