Az egyik leginkább elterjedt használata a különböző LLM, vagy GPT és hasonló rendszereknek a programozás támogatása. A Claude, a Gemini, a Copilot az elterjedt nyelvekből, mint például a Python, R vagy SQL hihetetlen jó minőségű programkódot tudnak készíteni egy jól megadott prompt alapján.

Hát, ez viszont nagyon nincs így a Plant Simulation esetében. A Plant Simulation programozási nyelve a Simtalk eredetileg az Eiffel programozási nyelvből származott, de a 2.0-ás verzió óta már magán visel egy csomó Java és Python jellegű szintaktikai jegyet. Így aztán kevéssé használhatók a többi nyelvnél megtalálható minták, amikből az LLM-ek dolgoznak.

Teszt jelleggel megkértem a Copilotot (ChatGPT háttérrel), hogy generáljon egy egyszerű kilépési kontrollt… hát nem lett túl jó, ahogy az alábbi képen is látható… a legfontosabb hibák:

• Simtalk 1 jellegű a kód
• A ? szimbólum nem az aktuális darab. arra a @ szolgál
• Hallucinált a változó deklarációnál egy local kulcsszót, ami nem létezik

Röviden, ez egy használhatatlan kód…

A probléma az, hogy az LLM-ek az egész interneten keresgélnek bármilyen hasonló információt és megpróbálnak mindenképpen összerakni valamilyen választ a kérdésünkre, még ha az a válasz sületlenség is.

Mit lehetne tenni? Jogosan merülne fel a kérdés, hogy ha lenne egy saját LLM-ünk és az csak Plant Simulation anyagokból tanulna, akkor az vajon jobb lenne-e? De honnan tudnánk elég Plant Simulation anyagot találni a betanításhoz? Az ötlet jó, nézzük meg a megvalósítást.

Készítsünk saját LLM-et!

A saját LLM legfontosabb tulajdonsága az kell, hogy legyen, hogy a saját adatainkból, fájljainkból tudjon dolgozni. Ezt például az alapban ingyenesen elérhető Google NotebookLM tudja, ami elérhető a Google NotebookLM | AI Research Tool & Thinking Partner címen.

Röviden a feladat az, hogy feltöltjük a fájljainkat, ő megtanulgatja őket és utána azok alapján a fájlok alapján ugyanúgy tudunk beszélgetni vele, mint bármely másik LLM-mel. Emellett még számos egyéb módon tudja a feltölttött adatokat prezentálni, szintetizálni a NotebookLM, pl. videó, infografika, stb… de ezekkel most nem foglalkozunk.

Egy ingyenes NotebooLM jegyzetfüzetben 50 forrást lehet felhasználni, amelyek az alábbi fájltípusok lehetnek:

Támogatott fájltípusok: PDF, .txt, Markdown, Hang (pl. mp3), .docx, .avif, .bmp, .gif, .ico, .jp2, .png, .webp, .tif, .tiff, .heic, .heif, .jpeg, .jpg, .jpe

Nekünk a továbbiakban a pdf és a txt megfelelő lesz.

Honnan szerezzünk tartalmat?

Ok, készítettünk egy saját jegyzetfüzetet, már csak fel kellene tölteni tartalommal.

Plant Simulation Súgó

Az első és legjobb forrás a Plant Simulation gyári súgója. Ezt, ha belépünk a Siemens támogatási oldalaira, akkor az alábbi lépéseket követve le tudjuk tölteni PDF formátumban.

Ezzel rögtön lett 12000 oldalnyi tanulnivaló a jegyzetfüzetünkbe.

Internetes források

Az interneten számos jó anyag elérhető a Plant Simulation rendszerről, ezeket is beszerezhetjük.

Például nagyon jó a holland Twente egyetem oktatóanyaga, ami innen érhető el: tutorialplantsimulation2404-v20250502.pdf

Egy kis kereséssel még további jó anyagokat lehet találni.

Small examples

A Plant Simulation tartalmaz egy csomó kis példát, amelyek egy-egy területet, funkciót mutatnak be.

Hasznos lenne, ha ezeket is bele tudnánk tenni a jegyzetfüzetünkbe.

Erre például megoldás lehet, hogy betöltjük a kis példákat és készítünk egy olyan metódust, ami kimenti azoknak a kódját egy szövegfájlba. A példa végignézi, hogy a Method objektumnak milyen gyerekei vannak, ahol van method, ott még megnézi, hogy van-e readme fájl, mert az a leírás segíthet a NotebookLM-nek a kód kontextusba helyezésébe, és végül berakja egy táblázatba ezeket. A legvégén meg kimenti egy szövegfájlba, ami már használható a NotebookLM-ben.

Saját korábbi projektek

Mindenki ismeri az érzést, hogy egyszer már kitaláltam, egy korábbi projektben, de hogyan is volt? A fenti kód arra is használható, hogy a korábbi projektjeinkből kimentsük a metódusokat, és ha azokba még megjegyzéseket is fűztünk, akkor a NotebookLM nagyon hálásan fog azokból is tanulni 🙂

Kész a mű (vagy a MI?)

És, íme elkészült a saját LLM-ünk, ami már azt tudja várhatóan, amit szeretnénk. Pár kép az én elkészült Plant Simulation Knowledge Base rendszeremből, ami azt mutatja, hogy egész jól működik:

Láthatóan elég jól elboldogult a cikk elején szereplő feladattal is.

Emellett egy-egy feladat megvalósításához is nagyon hasznos tanácsokat tud adni.

Végső teszt

Végső tesztként megkértem, hogy hozza létre a fenti metódust, amit azért írtam, hogy kimentsem a metódusok szövegét. Az eredmény meglepően jó lett 🙂

A NotebookLM emellett még számos módon tud összefoglalni egy témát vagy résztémát, Mindmap, hangfile – podcast, stb. Érdekességként még egy téma áttekintő mindmap, amit a források alapján generált…

Plant Simulation Copilot

A Plant Simulation X licenceknek része a Plant Simulation Copilot funkció, amit hasonlóan működik, mint az LLM, amit mi összeraktunk. A Siemens tanította be és sajnos nincs arra jelenleg lehetőség, hogy a saját modelleinkkel és anyagainkkal tovább tanítsuk. Így a kialakított legjobb gyakorlataink alapján nem tud tanulni.

A Plant Simulation Copilot működéséről egy videó itt látható: