AI能帮你画板，但没接到探针上

一份选型对照表，一排料，参数排得整整齐齐。搁以前得翻半天 datasheet，现在一眨眼的工夫。原理图也给你，参考设计、去耦建议、布局注意事项，一条条列好，语气比老工程师还耐心。

我见过有人看完这套东西，先是松了口气。隔了几天，第二反应才来：省下来的那半天，本来在干什么？

省下来的半天

工程师手上的活，分成两半。

一半能写进周报。选型参数、datasheet、替代料表、原理图、PCB 规则、打样流程、测试报告模板、采集到的波形数据、竞品参数对照。这些正在变成公共品，谁都能调出来，AI 尤其擅长。

另一半写不进去，为什么选了这颗没选那颗，上次 EMC 没过真正的原因，客户没写进规格书的那句话，这一单为什么输，事后有没有真复盘。它们多半只留在人脑子里。公司文档里通常只有「改了什么」，没有「当时怎么判断、结果如何、错在哪」。

AI 给的是把很多人的判断平均之后，最安全的那个点，是最大公约数，不是不好，是没立场，会顺着你说，参考设计不会替你验证「这颗料在客户产线跑上好几年」。

硬件还有个跟写图文不一样的地方：错得不显眼。一个不存在的封装，一个补全错的认证等级，一段读起来很像回事的失效归因，会顺着 BOM 一路走到打样。图文错了顶多难看，板子错了要拆。省下来的时间，得挪一部分去核出处——规格书页码、实测波形文件、BOM 里那一行的来源。这活 AI 替不了，它不签字。

顺带说个容易绕进去的坑：指标做得漂亮、方案看着有特点，客户过不了认证、量不出来，就是负资产。差异本身不值钱。

多数人开的药方是：那我多学、多用、把工具用熟。听着没错。

可判断力不是知识量。参数查得到，敢不敢在交期不明、批次没验证的时候锁这颗料，是另一回事。后者只能靠下过注、被打过脸、事后知道错在哪，慢慢攒出来。

AI 降低的是拿到信息的成本，不是长出判断的能力。麻烦在于，它省掉的那段，恰好是提升判断力非走不可的一段。

板子回来发热，查了好几天，毛病出在去耦电容摆的位置，那几天你试过、猜错过、把探头挪来挪去，看着是浪费，手感就是那时候长出来的。现在工具直接说「检查去耦布局」。答案对了，肌肉没长。

我们还能再得出一个推论：用得越顺、越早的人，退化越快。老工程师至少有几本旧账；新人从「答案随手就有」起步，谈不上变弱，压根没长出来。

我一开始把它当效率问题算，后来才回过味，卡住的地方在顺序，别误会，工具照用。先自己判一颗料为什么可能不行、这个波形说明什么，再让 AI 上场，让它干的是挑错这活：给反例、找失效模式、把温度电压负载往死里推。专家用 AI 该是找自己的漏洞，给自己讲课那部分，省了。

说白了，工具越好用，越得给自己留点不顺手的地方。我们是有战车了，铁脚板的功夫不能放下。

我见过两类工程师，一类电脑里存着几百份设计文档，一类只有一个翻毛了边的本子，后者往往更值钱。

本子里装的是现场，拜访客户时对方那句没进规格书的话，项目真实需求，市场反馈里的抱怨，那次坑怎么填的，竞品这一单为什么赢或者为什么输，结果到底怎么分析。

这里得把两件事分开：竞品参数横评是公开资料的整理，AI 全能做，也最先贬值；竞争结果和结果分析是私有复盘，AI 生不出来。混为一谈，就会把最不值钱的那部分当资产攒。

值钱的是带时间、带上下文、带结果的那一条。某年某月，因为某个判断，打样出了什么，客户量产跑了一阵又出了什么。判断和结果钉在一起，才是你自己的数据集。

格式不用复杂：日期 / 项目 / 当时的判断和依据 / 验证时点 / 实际结果 / 错在哪 / 出处。说起来平淡，难的是「结果」那一栏得回填。没回填的叫日志，回填了才叫资产。

还有件事，AI 最擅长生产不存在的数据，做得跟真的一样，出处写到页码，是为了分真假。

三件事，都不新鲜，但多数人做不到。

把时间从画图挪到定规格、定边界、审结果上。本子里「结果」栏回填。名字钉在设计上——评审单签字、认证、量产责任。AI 不承担责任，这是结构性的，模型再强也不会变。

一轮完整的活应该是这样：先下判断，让 AI 攻击它，打样和客户现场给结果，再回头改自己那套判断依据。工具替你卸掉的阻力，手动装回去。这不算自律，算补偿。

「做得出来」会越来越便宜。「决定这块板子怎么做，并为它在现场跑下去负责」会越来越贵。

探针始终在你手里。