AI · 电子维修
把 AI 用在板级维修上， 杜绝幻觉。
随便问一个通用聊天机器人：某块它从没见过的板子上输入保险丝在哪里，它照样会给你一个答案。WrenchBoard 走的是相反的路线：让 AI 智能体受真实原理图、真实 Boardview 以及经过审核的故障规则约束。它只引用能在你的板子上得到证明的内容。
AI 究竟改变了维修店里的什么
日常的元件级维修，瓶颈并不在焊接手艺，而在于能否获取知识。这些知识本来就存在：长达数百页的 PDF 原理图、各种 Boardview、答案藏在第 47 楼的论坛帖、随着老师傅退休而流失的资深经验。没有任何搜索引擎能对这些内容进行推理。
而这恰恰是语言模型擅长的事：阅读各种异构来源、相互交叉印证、用自然语言推理。前提只有一个：它的回答必须扎根于此刻摆在你工作台上的那块板子，而不是它训练时读到内容的统计平均值。
架构：受约束的智能体，而非加了外挂的聊天机器人
WrenchBoard 不是在查看器上硬塞一个聊天框。诊断智能体是内建在工具里的，它在推理过程中可以调用 43 个专用工具：
- 读板：查询从原理图编译出的电气图，查找某个元件，列出与症状匹配的故障规则。
- 驱动 Boardview：高亮、缩放、淡化、指向某个引脚、提出一套检测流程并让视图逐步跟进。
- 维修日志：记录每一次检测、对比维修前后、在会话结束时记下已确认的原因。
- 传感器：当推理需要”看”板子时，调取维修店显微镜的一帧画面。
每一条回复都会经过一道净化检查：解析器不认识的元件位号会被标记，而不会被当作断言。假设连同其概率一并给出，来源是该设备经过审核的规则；当智能体超出规则、仅凭原理图拓扑进行推理时，它会明确说明。
分层记忆，就像一支团队
一位资深技师的价值在于积累的经验。WrenchBoard 智能体以四个相互独立的记忆库复刻了这一结构：跨设备的故障模式和诊断操作手册（共享、只读）、当前设备的知识包（只读，离线构建并经审核）、以及当前维修的笔记本（可读写，每次恢复会话时重新读取）。
由此，知识的流向是正确的：一次诊断所确认的内容会丰富知识库；知识库中的内容可追溯、可审核；没有任何结论依赖于模型那不可预测的记忆。
选择推理深度
不是每个故障都值得动用同样的算力。开启会话时由你来选模型档位：Haiku 用于已知故障的快速诊断，Sonnet 用于日常工作，Opus 用于那些值得在电气图上做长链推理的硬骨头板子。无论哪个档位，工作流都一样，详见主板诊断页面。
维修店里的 AI，不是演示用的 AI
WrenchBoard 押的注是：真正能帮上维修的 AI，不是那个在演示里惊艳全场的，而是那个在工作台上出错最少的。正因如此，从完整的微焊接软件到一次 Boardview 高亮，整座大厦都是围绕可验证性构建的。在一台已覆盖的设备上试一次会话吧：免费套餐就足够让你自己下判断了。
常见问题
常见问题解答
这跟直接问 ChatGPT 或 Claude 有什么区别？
通用聊天机器人凭记忆推理，无法访问你的板子：它可能凭空编出一个元件位号，或者引用另一型号的原理图。WrenchBoard 智能体接入的是真正解析过的板子（Boardview、由原理图编译出的电气图、该设备的故障规则），它引用的每一处内容在显示之前都会先对照这些数据进行校验。
智能体由哪个 AI 模型驱动？
采用 Anthropic 的 Claude 系列模型，开启会话时可按所需的推理深度选择档位（Haiku、Sonnet、Opus）。本项目在 Anthropic 举办的 "Built with Opus 4.7" 黑客松上获得第二名。
"防幻觉"具体是什么意思？
智能体的每一条回复都会经过一道净化检查：引用的元件位号会对照已解析 Boardview 中实际存在的元件进行核对（带容错处理），提出的原因必须来自该设备的规则或编译好的电气图。无法核实的引用会被明确标记出来，绝不会被当作事实呈现。
AI 会替我做检测吗？
不会，它既不替代你的表笔，也不替代你的判断。它负责把整个流程结构化：按概率排序的假设、分步的检测流程、对你上报数值的解读。它还可以请求调取你显微镜的一帧画面，来查看板子上的某个区域。
我的维修数据会被用来训练模型吗？
不会。会话数据汇入的是平台的诊断记忆（检测数据、已确认的原因、操作手册），而不是用于语言模型训练。而且引擎源码可得：维修店可以自托管，把所有数据保留在本地。
立即开始
在浏览器中免费试用 Wrench Board。
免费套餐，无需信用卡。打开应用，选择一台已覆盖的设备，即可与智能体开始一次诊断会话。