让 Claude 变身电子工程师：当 AI 开始画电路板

# 前言

大家有没有试过读几百页的芯片数据手册？🤯 对于我们这种写软件的人来说，看几十页的 API 文档可能就已经开始打哈欠了，但对于电子工程师来说，那可是日常操作的“基本功”。不仅要看，还要从这些密密麻麻的参数中推导出该接多少个电容、电阻该怎么配，简直就是在显微镜下绣花。

最近，我发现 Claude 居然开始“兼职”干电子工程师的活了！这事儿还得从一家叫 Diode Computers (opens new window) 的公司说起。他们搞了个叫 Zener 的语言，把画电路板变成了写代码。这听起来就很“程序员”对吧？🏗️

不过，虽然 Claude 聪明，但在这种极其专业的领域，一开始也难免会翻车。今天就来聊聊，Anthropic 是如何和领域专家联手，把 Claude 训练成一名合格的“电子工程师”的。

核心观点

AI 不仅仅是靠“喂”更多的数据就能变强，有时候它需要一位“好老师”，尤其是在这种需要深厚领域知识的硬核任务中。

先简单介绍一下 Diode 这家公司。他们的理念非常硬核：把电路板设计变成软件问题。他们开发了基于 Starlark 的领域特定语言（DSL）—— Zener，用来描述印刷电路板（PCB）的原理图。

对于电子工程师来说，一个很重要的任务就是构建 参考设计。简单说，当你想用某款芯片时，你需要根据它的文档，把让它正常工作所需的外围元件（电阻、电容、电感等）都配齐。

这事儿听起来简单，实际上巨坑：

虽然工程师们已经开始用 Claude Code 来自动生成 Zener 代码，但作为“新人”，Claude 一开始的表现嘛... 怎么说呢，有点像刚毕业的实习生，虽然热情高涨，但经常忽略细节。😂

常见的翻车现场包括：

面对这些问题，Anthropic 没有选择继续“炼丹”瞎蒙，而是直接和 Diode 的专家组队，开展了一项联合改进计划。🤝

我们给 Claude 定义了一个非常具体的 Agent 任务：

输入：芯片的文档。输出：完整的 Zener 语言参考设计代码。

在这个任务中，Claude 拥有读取文件、写入文件和执行 Bash 命令的权限，还能直接调用 Zener 编译器。这就像是给了一个不仅会看书，还能动手实操的工程师。

教 AI 最难的一点是：怎么判断它做得对不对？文档里往往不会写“必须用 20uF 电容”，它可能只写“建议至少 20uF”。

如果我们的评分标准太死板（比如死扣“必须是 20uF”），那 Claude 可能会被误杀；如果太宽松，又学不到东西。

于是，Diode 的专家们设计了一个自定义的 Testbench（测试台） 🧪：

它不检查死板的数值，而是检查高层需求。例如：“电源和地之间的电容至少要有 22uF”。

这样既保证了灵活性，又确保了电路的可靠性。

经过这波“专家特训”，我们来看看效果。我们找了一组测试，让 Claude Opus 4.1、Sonnet 4 和升级后的 Sonnet 4.5 进行盲测对决。结果如下：

评测结果图

Diode 的电气工程师们更喜欢 Sonnet 4.5 的设计

数据显示：

也就是说，升级后的 Sonnet 4.5 在这个特定任务上，不仅能更好地捕捉文档中的细微差别，还能更地道地遵循工具链的规范。这不仅仅是翻译文档，而是真正理解了“怎么设计一个合格的电路”。🚀

这篇文章让我对 AI 的落地应用有了两点新的感悟：

领域专家不可替代：通用大模型（LLM）虽然博学，但在专业领域它就是个“通才”。要想变成“专才”，必须要有懂行的人来教。Anthropic 这种与 Diode 深度合作的做法，比单纯爬取网页数据有效得多。
Agent 的评测很难：在代码生成领域，我们可能跑个单元测试就完事了。但在硬件设计这种复杂的工程任务中，如何定义“正确”，本身就是个难题。Diode 的 Testbench 思路（检查高层约束而非死板断言）非常值得借鉴。

这次与 Diode 的合作只是一个开始。如果你所在的行业也有类似的情况：任务复杂、需要深厚的专业知识、有明确的成功/失败标准，那么 AI 很可能就是那个能帮你大幅提效的“实习生”。当然，前提是你得找对方法来“教”它。🎓

现在，Claude 已经能帮工程师们在几个小时内完成原本需要几天的电路板设计了。虽然它还不会自己拿电烙铁，但在画图和写代码这件事上，它可能比大多数人都快。

如果你也想和 Anthropic 合作来改进你所在领域的 AI 表现，不妨去填个表单试试？说不定下一个被“特训”的 AI 就是为你而生的。😉

💡 一句话总结：AI 不会取代工程师，但会用 AI 的工程师，肯定会取代那些不会用的。

上次更新: 2026/01/28, 10:33:01