Création assistée par IA

Les agents IA peuvent créer des modèles .twin.yaml et des templates .miravo.yaml depuis une description en langage naturel. Le skill model-author enseigne le workflow complet de modélisation à tout agent compatible.

Installation

Agent Skills CLI :

npx skills add amine-amaach/miravo/skills/model-author

Claude Code :

ln -s /path/to/miravo/skills/model-author ~/.claude/skills/model-author

Codex :

ln -s /path/to/miravo/skills/model-author ~/.codex/skills/model-author

Pas de dépendances. Fonctionne avec tout agent supportant Agent Skills.

Utilisation

Crée un modèle twin pour un variateur de fréquence contrôlant un ventilateur industriel

Modélise une pompe centrifuge avec réponse hydraulique et pannes de cavitation

Écris un template pour une station de traitement d'eau avec 3 étages de pompage

L’agent suit un workflow en 8 étapes : rechercher l’actif physique, définir les paramètres, ordonner les membres par dépendance, composer les chaînes de générateurs, concevoir le cycle de vie et les pannes, puis auto-valider contre une checklist de 25 points.

Correspondance phénomène-générateur

Le skill associe la physique réelle au type de générateur approprié :

Phénomène physique	Générateur	Exemple
Consigne / programme	timetable ou step	Profil de vitesse journalier
Accélération moteur	slew-rate-limiter	200 rpm/s montée, 320 rpm/s descente
Inertie thermique	first-order-lag	Temp palier suit la vitesse (tau 120s)
Couplage de process	correlated	Débit carburant = 0.19 * charge + 8
Charge stochastique	mean-reverting-noise	Facteur de charge oscille autour de 0.72 pu
Tout-ou-rien avec hystérésis	hysteresis-relay	Charge/décharge compresseur
Combinaison multi-signaux	weighted-sum	Courant = vitesse*k1 + charge*k2
Accumulation	integrator	Totalisateur kWh, niveau de cuve
Lié à l’usure	health-dependent	Vibration augmente avec le cycle de vie

Exemple de sortie

Une chaîne de contrôle de vitesse produite par l’agent pour une pompe :

speed_setpoint:
  kind: variable
  data_type: Double
  access: readwrite
  unit: rpm
  eu_range: [0, 3600]
  generator:
    type: timetable
    repeat: true
    interpolation: step
    points:
      - { time: 0, value: 0 }
      - { time: 21600, value: 1200 }
      - { time: 64800, value: 900 }
      - { time: 79200, value: 0 }

speed_reference:
  kind: variable
  data_type: Double
  access: read
  unit: rpm
  generator:
    type: gate
    enabled_member: run_command
    input: { member: speed_setpoint }
    disabled_value: 0

speed_feedback:
  kind: variable
  data_type: Double
  access: read
  unit: rpm
  eu_range: [0, 1850]
  generator:
    type: slew-rate-limiter
    input: { member: speed_reference }
    rate_up: 220
    rate_down: 320
    min: 0
    max: 1850

Les moteurs n’atteignent pas leur pleine vitesse instantanément (slew-rate-limiter). Les signaux de process sont à zéro quand l’actif est arrêté (gate).

Checklist de validation

L’agent vérifie chaque modèle contre ces règles :

• schema_version: "2" présent, les membres ne référencent que des membres déclarés avant eux
• Pas de températures instantanées — doit utiliser first-order-lag (tau 60-600s)
• Pas de changements de vitesse instantanés — doit utiliser slew-rate-limiter
• Effets du cycle de vie observables au-dessus du bruit (multiplier >= 1.3)
• gain * entrée_nominale + bias produit la sortie attendue
• factor * plage_source reste dans eu_range

Limitations

Les générateurs utilisent des mathématiques linéaires. La physique non linéaire (loi cubique de puissance, racine carrée du débit) est approximée avec des facteurs linéaires ajustés pour la plage de fonctionnement principale. L’agent documente ces simplifications avec des commentaires YAML.