rfauto：RF/微波设计自动化与 LLM 编排框架

geer1895/rfauto · RF/microwave design automation + LLM orchestration: 16 EM/EDA engines behind one interface, 75 parameterized template families, 340 deterministic calculators, 87 calibration anchors; AI agents drive everything via MCP (157 tools) — physics numbers come only from deterministic kernels, never from the LLM. 28000+ unit tests, GPL-3.0

GitHub原文发布未知首次收录 2026-10-28上架 2026-10-28 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

rfauto 将 RF/微波设计流程中描述器件、参数化建模、调用求解器、质量门禁判定和尺寸优化等环节整合为一条可复现的自动化闭环。项目提供 75 个参数化器件模板、340 个确定性计算器、87 个校准锚点，并通过统一的适配层接入 HFSS、ADS、openEMS、COMSOL 等 16 个 EM/EDA 引擎通道。核心约定是物理数值只能由确定性内核或求解器产生，LLM 仅负责编排与解释。AI 助手可通过 MCP（157 个工具、10 个资源）驱动整个框架；项目还提供本地审阅工作台、运行数据湖、远程执行和批量任务能力。

# MCP # RF 微波 # EM 仿真 # LLM 编排 # 设计自动化

核心能力与快速开始

★ 2 · Python

能做什么: 提供 RF/微波器件参数化建模与首版尺寸综合（75 个模板）、多引擎仿真适配（16 个通道，含 HFSS、ADS、openEMS、COMSOL 等）、TPE/CMA-ES/NSGA-II 优化与代理模型路线、六类质量门禁、87 个校准锚点、运行产物与数据湖管理、远程执行与批量任务、本地审阅工作台（24 个视图），以及由 157 个 MCP 工具和 10 个资源组成的 AI 编排接口。物理数值由确定性内核或求解器产生，LLM 不生成物理数字。
适用场景: 适用于需要在 RF/微波设计中进行参数化器件综合、批量仿真、尺寸调优和多目标优化的工程流程；也适合通过 MCP 让 Claude Desktop、Cursor 或自建 Agent 编排 SOLVER 与模板流程，并在带沙箱草稿与校验门禁的约束下操作。内置 fake 通道可用于无许可证验证完整流水线。
项目形态: 开发框架
部署方式: Python 包，可用 pip 以可编辑方式安装；核心流程无需商业工具许可证，商业引擎为可选扩展。工作台为本地回环访问。
主要依赖: Python 3.10–3.12；工作台需 [ui] 额外依赖；测试套件需 [dev]；HFSS 通道需 AEDT 2025 R1 与对应依赖；openEMS 可按文档自行构建。
使用限制: fake 通道是基于闭式解析的模型，不是 EM 求解，只用于验证流水线；商业引擎的许可、成本和完整部署限制未说明。
许可证: GPL-3.0
最近推送: 2026-10-27 09:00

官方入门核对 README 依据 ↗

资料检查：2026-10-28 07:00 · 卡片整理：2026-10-28 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为 Python 框架，rfauto 提供可复现的自动化闭环，程序员可通过 MCP 让 AI 助手以类型化工具调用驱动 RF/微波设计流程，并利用 28000+ 单元测试和沙箱草稿加验证门禁机制进行开发与测试。

查看内容依据

AI assistants can drive all of it over MCP, under one iron rule

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Web Research Stack：LLM 驱动带引用的网页抓取与研究工具

该项目是一个生产就绪的全栈网页抓取与研究工具，后端采用 Python FastAPI，前端采用 React/Next.js，提供 CLI 与 REST API 两种接口。它包含本地网页研究工具（多角度搜索、抓取、站点地图、后台爬取与结构化抽取），并通过 stdio MCP 服务器暴露为 web_search、web_scrape 等工具；同时提供带引用的 LLM 研究能力，支持 SSE 实时进度、SQLite 历史与缓存、Docker 部署、Prometheus/Grafana 监控以及 SSRF 防护。

GitReins：面向 AI 辅助编码的 Git 原生质量护栏与评估工具

GitReins 以 Git 仓库内的质量护栏形式运行，提供任务生命周期管理的 MCP 工具、按任务验收标准判断代码完整性的 agentic evaluator（代理式评估器），以及阻止检查绕过的 Git hooks。工作流上分两层：Tier 1 静态检查（密钥、构建、Lint、测试，可配置），Tier 2 由 LLM 读取文件、运行测试并逐条给出 PASS/FAIL，判定结果持久化在 .gitreins/history/，可通过 gitreins report 或本地 web 浏览器查看。它还支持通过 manifest 并行运行多个 worktree lane，并在合入前根据判定结果进行门控。

SyntaxRAG：面向 AI 代理的本地代码检索 MCP 引擎

SyntaxRAG（SYNRAG）是一个本地代码搜索 MCP 引擎，通过 Tree-sitter 按函数、类、类型等 AST 结构切分代码，在 CPU 上用 FlashRank（TinyBERT）对 BM25 候选重排序，并构建依赖影响图。它提供搜索、文件大纲、仓库地图、影响范围分析、测试定位及受控编辑等工具，以减少 AI 代理定位代码时的 token 消耗；附带安装脚本、CLI、可选的变更监视服务和 Gemini 相关可选功能。

Brito：带代码知识图谱与可审核技能的终端编码智能体

Brito 是一个面向软件开发的编码智能体，提供命令行工具 brito-cli 和 macOS/Windows/Linux 桌面应用。它不依赖逐文件 grep 阅读，而是用 tree-sitter 增量索引构建代码知识图谱（符号、调用、导入），支持 TypeScript/JavaScript、Python、Svelte/Vue/Astro 组件及多种后端语言，可通过 graph_search、graph_callers、graph_impact 等工具快速回答“改这里会影响什么”。它还会保存记忆笔记，并在任务完成后反思生成项目技能，新技能先进入试用期，经多次成功使用后转正，涉及危险命令或修改已批准技能时需用户审批，并提供隐私检查（如拒绝密钥、curl | sh 等）与手动/自动编辑/计划/全允许等权限模式。支持 Anthropic API 或 Claude Code 订阅作为后端，也可接入 OpenAI 兼容端点，并可作为 MCP 服务器向其他客户端暴露图谱、记忆与技能。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。