夜雨聆风我想测试一下 AI 在审查电路图方面的效果，就把 PDF文件丢给 Codex，它竟然精准找到了两个真问题。
其中一个问题相对隐蔽，我看到的时候倒吸一口凉气。
省流版本：Codex 先解析 PDF，判定这是 Altium 导出的原理图，然后对图纸分区裁剪、逐一识别电路和元件，同时联网搜索芯片手册，逐步核对，最后定位了真实存在的问题，并附上修改建议。
我给 Codex 的东西很简单，就是一个 PDF。
这 PDF 长这样：
我没有告诉它哪里可能有问题，更没有给它 Altium 工程文件。我只是说，“你能不能读一下这个东西，看看有没有问题？”原始对话如下：
它指出了两个值得重视的问题。
第一个问题是， DGND 和 GND 没有连接。
这种问题肉眼应该是可以看出来，但在一张密密麻麻的测试板原理图里，非常容易滑过去。尤其是当你看到 GND、DGND 这种命名时，人脑会下意识认为“反正都是GND”。
我问合作方，他很快修正了。
第二个问题是， LT3042 芯片的 PGFB 分压不对。
合作方交上来的原理图是：
手册推荐场景中，输出电压是 3.3V。用 453K 欧姆和 49.9K 欧姆分压之后，PGFB 大约是 327mV，高于 300mV 阈值。所以这组电阻在手册场景里非常正确。
问题出在，我的目标输出是 0.8V，再这么分压，PGFB 将会一直是 79mV，持续低于 300mV 阈值，芯片会持续处于 fast start-up 状态。
正常 SET pin 电流是 100uA，手册电气特性表里对应的 fast start-up SET 的电流是 2mA，足足大了 20 倍！
这意味着 SET 这个参考电压节点会被远高于正常值的启动电流持续驱动，轻则电源就绪状态异常，重则 0.8V 核心电源不再按正常稳压状态工作。
相关信息比较隐蔽，在第 18 页的右下角，如下图所示。
我跟合作方解释，他也意识到了问题，很快修正了电路图。
修正之后，AI再次审核通过。
这事不怪合作方。他并没有乱填阻值，他确实照着芯片手册推荐值来的。而且 fast start-up 相关的说明藏在角落，很难看到。
问题在于手册里的典型应用是 3.3V 输出，我这里是 0.8V 输出。
推荐值离开了应用场景，就会从正确答案变成错误答案。
这事最值得写的是过程。
我认为这个电路图相关的具体芯片用法没必要存在大模型的脑子里，而应该现场学习、现场推理。
我们展开看中间过程。
Codex 首先识别出，这个 PDF 是 Altium 的电路板原理图。
AI 没有直接相信 PDF 文本层。直接提取 PDF 的文字非常混乱，节点名、器件名、注释会被拆得到处都是。
AI 自主选择直接渲染成图片，用识图的方式进行解析。
全图看一遍之后，它把重点区域裁剪出来，逐块识图。
这一步非常关键。人类工程师看原理图，天然会放大局部。Agent 也开始做这件事。它没有把整页图缩成一张小图模糊地看。它主动裁剪、主动放大、主动按功能块分区。
然后，AI 没有凭印象判断，而是联网搜索各个芯片的官方数据手册。
AI对照我这份电路图阅读芯片手册，逐渐找到了关键 bug。
我后来开了一个全新窗口（从“你好”开始，如下图所示），让它重新读取这份 PDF。AI这次又指出了同样的问题。
说明对这种级别的错误，它具备一定可复现性。
这件事给我的冲击很强。以前审阅他人设计，靠经验、耐心和时间。
一张电路图，几十个器件，多路电源，若干连接器，模拟地数字地，跳线，复位，电平转换。你当然可以自己一项项看，但人的注意力是有限的。
尤其是当你已经知道这是合作方交付的东西，人会天然有一个心理预设。“应该大体没问题吧？”
AI 没有这个预设。它不怕重复，不怕无聊，也不会因为前面十个电路模块都长得差不多，就在第十一个开始走神。
其实今天这两个问题都不困难。一个是连错线，一个是手册数值的适用场景问题。都不玄学，都不需要天才，但真的容易漏。
以前这轮检查只能靠人硬扛。现在，可以让 AI 先扛一轮。
我一直都在说，AI 在芯片设计中应该是先帮助人解决一些复杂、繁琐、耗时间、又高度重复的工作。这次又是一个小案例。
未来我还会继续探索更多这样的场景，让 AI 真的接住一部分工程负担，把工程师有限的大脑带宽留给更有价值的判断。
