指南 · 工作台上的 AI
在板子上用 AI， 没有编造的答案。
通用聊天机器人无论有没有读过你的板子，回答方式都一样。这里讲的正是改变这一点的方法：每一句断言都来自一次查询，每一类数据都按它真正知道的东西来处理，而输出的形状就是证据本身，不是一段话。
打开一块板子试试01失败之处
通用聊天机器人在板子上为什么会栽
随便找一个通用模型，问它在一块它从没见过的笔记本主板上输入保险丝在哪。它会回答。 它会给你一个位号、一个位置，以及和它答对时一模一样的语气。
这不是换个提示词就能修好的毛病。语言模型产出的是最合理的下文，而在板子上，「合理」 很廉价：位号长得都差不多，各家厂商的供电轨名字也大同小异，而 C29 几乎存在于有史以来 每一块板子上。模型没有任何机制说出「我没找到」，因为它体内没有任何东西真的去看过。
在工作台上，代价不是一个尴尬的回答，而是一颗本来好好的、被你拆下来的元件。
02规则
那条改变一切的规则：它只能从查询结果里说话
解决办法是架构上的，不是对话上的。智能体说出的每一个元件，都必须来自一次针对你真正解析过的 板子、或者从你真正的原理图建出的电气图的工具调用。不来自它的训练，也不来自它对这段对话的记忆。
在 WrenchBoard 里有两层来兜住这件事。工具本身从不编造：查一个未知位号，它返回「未找到」 并给出最接近的候选，这迫使智能体从真实存在的里面选，或者回头问你。而在输出这一侧，任何形如 位号的词都会与已解析的板子核对，所以板子上不存在的词到你面前时，是标着「正在核对」的， 而不是被当作事实陈述。
这就是「帮上忙的助手」和「自信地搞错的助手」之间的全部差别，而且这一点在你评估任何工具时都能测： 问它一个你板子上根本不存在的元件。 有据可依的工具会说它找不到，聊天机器人则会描述给你听。
03数据
每一类数据回答的是不同的问题
这是几乎所有人都会弄错的地方，因为把每个文件都当成「粘进去的上下文」实在太顺手了。 每种格式承载的是不同的真相，一旦被压平成文本，它的价值就没了。
- Boardview 懂几何。焊盘在哪，哪些焊盘共用一条网络，板子另一面是什么。它不知道这些是干什么的。
- 原理图 懂拓扑。谁给谁供电，这条塌了会带塌哪条，某个引脚本该是什么。它不知道你该把表笔放哪。
- 你刚拍的照片 懂当下。腐蚀、返修过的芯片、上一个师傅飞的线。这些在任何文档里都没有。
- 规格书或维修手册 懂意图。这颗料被设计成做什么，出厂时预期能测到什么。
- 网络 懂集体经验。这个型号有个爱坏的稳压器，某一批的焊盘不行。有用，无法核实，应当当作线索而不是事实。
一个把这五者当成同一团无差别文本的智能体，只会给你一个平均水平的回答。而把它们分开的智能体 可以交叉：原理图说这条网络应该是 3.3 V，boardview 说最近的焊盘在这里，你的照片说这块焊盘已经腐蚀， 于是该测什么一下子就清楚了。
04看
「看」是一种工具，不是一段文字
一页原理图不是能当文本读的东西。信息在版面里：哪条线从哪个引脚出来，哪个标签落在哪根线上。 所以智能体拿到的不是这一页的转写，而是可以去看它，并且能给自己取景，像你把放大镜在纸质 原理图上挪动那样，放大到某一页的某个区域。照片也一样：它取它需要的那块，而不是眯着眼睛盯着整块板。
这也是为什么答案永远不该是「大概在 CPU 附近」。它应该是一页、一个区域、一个元件。
×405在工作台
实际怎么用
给它症状，不要给它你的诊断。「没反应，没有灯，插着 20 V 适配器」比「我觉得 PMIC 挂了」值钱得多。 后者会把搜索范围缩到你的假设上，而那恰恰是你本来想让它去验证的东西。
它让你测什么就测什么，按它给的顺序测。 顺序不是随意的：每一次测量都是为了砍掉故障树上最大的一支。 打乱顺序，你就白丢了这次淘汰。
失败要报得和成功一样准确。「0 V」和「OL」是两个不同的事实，一个失败的流程步骤给智能体的信息， 比一个通过的还多。
去反驳它。 一个有据可依的智能体可以被一次测量反驳，并且应当因此改排序。如果你的那个拿着第一个假设 跟你的万用表较劲，那你用的不是诊断工具，你是在跟自动补全吵架。
06闭环
一次读数不是一句回话，而是一行数据
板子和对话是同一个房间。 在检视器里点任意一个焊盘，它就会以一枚芯片的形式 进入你的下一条消息，F2 pin 1 (BAT1FUSED)。你从不需要手打元件号，智能体也从不需要 猜你说的是哪个 F2；而当它的某个视图给出一个测量项时，那个按钮会把目标直接交回给它。 这部分常被当成演示里的小把戏：其实两半本来就是接通的，所以在板子上取到的读数会直接 落进智能体的上下文，不经过你的键盘。
你说「F2 读 OL」，一个有数据支撑的智能体不会只是点头同意。它会调用一个工具把这次读数写下来： 测了什么、测在哪个元件或哪根引脚上、原本期望是多少，以及引擎自己判定的故障模式，开路、短路、 失效还是劣化。这次读数成为这台机器维修日志里的一行，挂在它被测的那个对象上。
由此有三件事，合起来就是「工具」胜过「聊天窗口」的全部理由。
下一次排序会读到它。 再要一次假设，观察数据会跟着一起进去。顺序变了，是因为事实变了， 不是因为你坚持。排序本来就是干这个的。
下一次会话也会读到它。 日志是可查询的，所以六个月前见过的板子不用从零开始， 同一型号上出现同样症状的下一块板子也不用。
而且没有任何东西需要重新录入。 你在工作台上做的那次测量，就是报告里印出来的那一次、 流程里被勾掉的那一次、知识库保留的那一次。你只录了一遍。
这一部分在演示里看不见，却决定一个智能体在工作台上到底有没有用：工具和数据是同一个东西。 一张能按网络回答的原理图电气图、一套能按症状回答的规则库、一本能写能重读的日志、 一个能被指点也能在上面测量的 boardview。没有这些，模型只能猜。接上这些，它才能测量， 也才能被推翻。
读数随你的下一条消息一起送出
BAT1FUSED · 0 V · 14:02 你不用再打一遍，助手回答前就已经读到它。
07模型
那模型还剩下什么
留意一下，在这整套里模型并没有在做什么。它没有记住你的板子，没有从照片里认出它，也没有回忆起 训练里见过的某次维修。它在选择下一个该调用哪个工具、读回来的是什么、以及什么值得去测。知识活在 电气图里、规则里和日志里。模型带来的是推理。
这也是为什么一个回答不该长得像聊天记录：预期值对着实测值，带概率的假设排名，带步骤的检测流程。要证据的形状，不是闲聊的形状。
看它干活
同一个智能体，在一块真实的板子上
这不是样机图，而是工作台本身和它的界面，运行在从引擎导出的 MNT Reform 设备包上：487 个真实元件、2066 个真实焊盘。下面每一步都是引擎在这块板上给出的真实回答：从这台设备针对该症状的规则，到输入保险丝 F1 背后的原理图图谱，再到它供电的那条板上网络。下面看看助手如何处理一块上不了电的板子。
八次工具调用，每一次都是引擎在这块板上的真实回答，没有一个元件是凭记忆说出来的。
常见问题
常见问题解答
我直接把原理图丢给 ChatGPT 不行吗？
可以，它也会回答。问题在于，无论它有没有真的读过你的板子，它的回答方式都一样。通用模型没有办法告诉你它没找到 C29，于是它会产出一个看起来很合理的 C29。在板子上，一个看似合理的回答会让你赔上一颗好元件和一个下午。改变结果的不是更强的模型，而是一个只能从工具查询结果里说话的模型。
所谓「有据可依」，具体是什么意思？
意思是智能体给你看的每一个位号，都来自针对你那块已解析的板子或原理图电气图的一次工具调用，绝不来自它的记忆。当一个位号无法被验证时，它会显示为正在核对，而不是被断言，而且核对是在整句话完成后才确认的。这个保证写在引擎里，不在提示词里。
文件的种类为什么这么重要？
因为每一种回答的是不同的问题。Boardview 知道焊盘在哪，不知道它是干什么的。原理图知道什么连到什么，不知道该把表笔放哪。照片知道你的板子今天长什么样，包括没人记录过的腐蚀。规格书知道这颗料本该做什么。一个把这四样都当成「要读的文本」的智能体，恰恰扔掉了它们各自有用的地方。
是不是每次都该用最深的推理档位？
不。而且这不是省钱的问题。对一个只需一次查询的问题用深档，会得到一段建立在单一事实上的长回答，读起来比它实际更笃定。深度值得用在板子不好对付的时候：一个症状有好几种可能成因、一条轨在带载时塌掉、一次已经失败过的维修。
AI 会取代我的手艺吗？
不会。它取代的是你在几十页 PDF 里翻找那唯一一条要紧网络所花的时间。你照样测，照样看表，照样做决定。智能体的任务，是让你下一次测量恰好是能砍掉最多分支的那一次。
它现在还差在哪？
差在文档里没有的一切。一块既没有原理图也没有 boardview 的板子，只能靠你的照片、你的测量和通用电子知识，这是真实的帮助，但薄得多。它也看不出冷焊，闻不到焦味。而且除非有人记录下来，它不会知道这一批板子有个已知的脆弱焊盘。