航天机器人工程要求在精确的轨道力学与稳健的自主维护协议之间达成严苛的平衡。现代 AI 已进化成为验证运动学、模拟微重力环境以及优化轨道计算的关键伙伴。
这些提示词经过严格测试，并针对 ChatGPT、Gemini、Claude 和 DeepSeek 等主流 AI 架构进行了优化。虽然每个模型都有其独特的架构优势——例如 DeepSeek 擅长复杂逻辑，Claude 擅长处理技术细节——但这 10 个提示词为寻求加速模拟工作流和提高任务可靠性的航天机器人工程师提供了通用且高性能的基础。
1. 生成轨道状态向量外推的 Python 脚本
最适用模型：DeepSeek（擅长生成数学密集型代码和算法逻辑）。
请担任高级制导、导航与控制 (GNC) 工程师。使用 'poliastro' 和 'astropy' 库编写一个 Python 脚本，用于外推维护卫星的轨道状态向量。
输入参数：
- 初始位置向量 (r): [X, Y, Z] km
- 初始速度向量 (v): [Vx, Vy, Vz] km/s
- 外推时长：48 小时
- 需包含的摄动：J2 项谐项和大气阻力。
脚本必须输出最终状态向量，并在 3D matplotlib 图中绘制轨迹。请对代码进行详细注释，以解释所使用的积分方法。
价值所在： 快速创建轨道衰减和定位的可视化工具，让你无需从零编写样板代码即可验证轨迹假设。
2. 七自由度 (7-DOF) 机械臂的逆运动学
最适用模型：ChatGPT（擅长生成标准机器人算法和控制理论解释）。
我正在为安装在服务卫星上的七自由度 (7-DOF) 机器人机械臂设计控制算法。请提供使用雅可比转置法 (Jacobian transpose method) 的逆运动学 (IK) 数学公式。
在推导方程后，生成一个实现奇异性回避算法（例如阻尼最小二乘法 Damped Least Squares）的伪代码块，以确保末端执行器在高精度对接任务中不会发生锁定。
价值所在： 为机械臂控制提供数学安全网，确保机器人在关键的近距离操作期间运行顺畅。
3. 执行器的失效模式与影响分析 (FMEA)
最适用模型：Claude（擅长处理长上下文窗口并生成细腻、安全且结构化的技术文档）。
针对空间站机械臂关节中使用的谐波减速器执行器，进行详细的失效模式与影响分析 (FMEA)。
重点关注以下操作风险：
1. 润滑剂真空冷焊。
2. 辐射导致的传感器性能下降。
3. 热膨胀导致的卡死。
将输出格式化为 Markdown 表格，列名包括：失效模式、潜在原因、局部影响、系统影响和建议的缓解策略。
价值所在： 系统性地识别关键硬件漏洞，使你能够在设计阶段早期优先考虑冗余和加固策略。
4. 解析遥测数据以进行异常检测
最适用模型：Gemini（擅长分析结构化数据模式并从复杂数据集中总结洞察）。
你是一名操作支持工程师，正在分析来自机器人抓取装置的原始遥测日志。我将提供一组 2 小时窗口内的电机电流抽吸（安培）和关节温度（摄氏度）样本数据集。
分析数据相关性。特别要寻找“幻影扭矩”峰值——即电流增加但没有相应指令或负载的情况。针对低地球轨道环境中的此类异常，提出三个潜在的根本原因。
价值所在： 将原始传感器噪声转化为可操作的诊断数据，帮助你区分传感器故障与真实的机械损耗。
5. 模拟霍曼转移窗口
最适用模型：DeepSeek（在解决物理问题和减少计算幻觉方面表现出色）。
计算从高度为 400 km 的圆形低地球轨道 (LEO) 转移到 35,786 km 的地球静止轨道 (GEO) 所需的霍曼转移增量速度 (Delta-V)。
假设采用标准冲量点火，详述以下内容：
1. 初始点火（近地点）的 Delta-V。
2. 圆形化点火（远地点）的 Delta-V。
3. 所需的总 Delta-V 预算。
4. 飞行时间（转移持续时间）。
显示所有用于活力公式 (Vis-viva equation) 计算的主控方程。
价值所在： 验证轨道提升机动的燃料预算估算，作为对复杂任务规划软件的快速交叉检查。
6. 设计避障逻辑
最适用模型：Claude（擅长起草安全关键逻辑并解释“决策树”）。
为一个自由飞行检查无人机起草自主避障机动 (CAM) 系统的逻辑流。该无人机正在接近目标卫星。
定义触发“安全撤退”的决策树，基于以下条件：
1. LIDAR 范围数据质量低于置信度阈值。
2. 相对速度超过安全限制 (0.5 m/s)。
3. 与宿主站的直接通信中断。
请以适用于 C++ 状态机实现的逐步逻辑流形式展示。
价值所在： 为自主近距离操作建立稳健的安全协议，最大限度地降低与高价值资产发生灾难性碰撞的风险。
7. 优化非合作目标的抓取策略
最适用模型：ChatGPT（擅长构思通用的工程解决方案和机械概念）。
针对捕获一个正在翻滚（失控旋转）的废弃卫星，提出三种不同的末端执行器抓取策略。目标卫星没有抓取装置，但有一个标准的 Marman 夹紧带和一个喷嘴锥。
对于每种策略，请评估：
1. 机械复杂性。
2. 接触时产生碎片的风险。
3. 控制环路延迟要求。
价值所在： 为碎片清理或服务任务生成多样化的机械方案，帮助你选择最可行的接口机制。
8. 编写 GNC 软件的单元测试
最适用模型：DeepSeek（在生成严谨的代码测试和边缘情况场景方面准确度高）。
我有一个 Python 类 `OrbitPredictor`，它接收开普勒元素并返回笛卡尔状态向量。使用 `pytest` 框架编写一套单元测试来验证该类。
包含以下测试用例：
1. 圆形赤道轨道（偏心率 = 0，倾角 = 0）。
2. 高椭圆莫尼亚 (Molniya) 轨道。
3. 边缘情况：处理如果半长轴无效时的除以零错误。
价值所在： 自动化验证关键制导软件，确保代码更新不会在轨迹计算中引入回归错误。
9. 机器人关节的热控系统选型
最适用模型：Gemini（擅长整合物理、材料和环境等多变量约束）。
估算在太阳直接照射下工作的机器人腕关节无刷直流电机的散热需求。
参数：
- 太阳通量：1361 W/m^2。
- 表面材料（阳极氧化铝）的吸收率：0.6。
- 占空比：40% 运行，60% 待机。
请解释真空环境下对流缺失如何改变与地面机器人相比的散热器设计。
价值所在： 明确航天级执行器的热约束，防止在延长的舱外活动 (EVA) 操作期间过热。
10. 起草任务概念 (ConOps) 文档
最适用模型：Claude（结构化专业、高层战略文档的顶级工具）。
为一个在轨制造 (ISM) 任务起草任务概念 (ConOps) 文档的一部分。场景涉及一个机器人机械臂在外部平台上 3D 打印桁架结构。
详细说明以下操作序列：
1. 打印前校准和材料供应检查。
2. 如果打印机喷嘴因航天器振动而漂移，进行实时误差校正。
3. 使用臂载摄像头进行打印后的结构验证。
价值所在： 使任务规划文档专业化，确保所有相关方对自主制造序列有清晰、逐步的了解。
专业技巧：利用上下文链确保物理准确性
为了从 AI 获得最准确的物理模拟，请使用上下文链 (Context Chaining)。与其在一个提示词中要求复杂的计算，不如将其拆分。首先，要求模型“定义通用 LEO 轨道的常数和环境变量”。一旦它输出了正确的常数（地球引力参数、半径等），再回复具体的计算请求。这会强制模型在尝试解决方程之前，将正确的数学上下文加载到其活跃记忆中，从而显著减少计算错误。
航天机器人领域正从遥控操作转向完全自主。掌握这些提示词有助于你从手动计算过渡到高层系统架构。通过利用 DeepSeek 解决数学问题和 Claude 解决安全逻辑等特定优势，你可以构建不仅智能且足够稳健的系统，以在严酷的轨道环境中生存。