This small report aims to provide an overview of key measurable physical and chemical
properties of lubricating oils, along with simplified measurement methods using more accessible
tools. The focus is on practical parameters that can be conveniently tested to assess oil quality and
performance. All information in the work is collected in accordance with the National Standards of
China. These parameters can be used in intelligent systems to control and predict the condition of
lubricating oil during work processes.

Целью данного небольшого исследования является обзор ключевых измеряемых
физико-химических свойств смазочных масел, а также упрощенных методов измерения с
использованием более доступных инструментов. Основное внимание уделяется практическим параметрам, которые можно легко измерить для оценки качества и эксплуатационных характеристик масла. Вся информация в работе собрана в соответствии с
Национальными стандартами Китая. Эти параметры могут применяться в интеллектуальных системах для контроля прогнозирования состояния смазочного масла во время
протекания рабочих процессов.

В ходе исследования была разработана модель ИИ-ассистента для изучения физики,
ориентированного не на подачу готовых решений, а направленного на развитие
аналитических навыков, понимание законов природы. Выдвинута и подтверждена
гипотеза, что качество взаимодействия с ИИ определяется не мощностью модели, а глубиной и научной строгостью системного промпта – набора инструкций, задающих роль,
стиль, логику и методологию поведения ассистента.

During the study, a model of an AI assistant for studying physics was developed, focused not
on providing ready-made solutions, but on developing analytical skills and understanding the laws
of nature. A hypothesis has been put forward and confirmed that the quality of interaction with AI is
determined not by the power of the model, but by the depth and scientific rigor of the system prompt –
a set of instructions that define the role, style, logic, and methodology of the assistant’s behavior.