企业官网建设流程全解析

做硬件设计这些年，有个感受越来越强烈：硬件工程师一天到晚看的全是“图”——原理图、PCB走线、数据手册里的引脚图、示波器上的波形，真正落在文字上的信息其实只是一小部分。所以AI硬件设计辅助系统做到第二阶段，我第一个要解决的就是：怎么让AI“看得见”。不是让它看图写诗，而是让它看原理图帮你查漏、看芯片手册帮你提取引脚定义、看板卡照片帮你找焊接问题。这个系列第一篇我们搭好了交互骨架，让AI能听懂工程师的自然语言需求；这一篇我重点拆解视觉模块的落地过程：怎么选多模态模型、怎么处理硬件图纸特有的识别难题、以及最终怎么用它提高硬件设计审核和调试的效率。适合正在做硬件设计的工程师，也对想用AI替代重复读图工作的新生代工程师有参考价值。

1. 为什么硬件设计辅助系统必须先解决“看得见”

1.1 硬件设计的信息载体天然是图像

先想一个问题：你在评审一块PCB或者检查一份原理图的时候，最快的信息获取方式是什么？是看图。网络标号是否连对了、电源和地有没有接反、芯片位号有没有重复、差分对的等长走线有没有问题——这些信息全在图形里。如果AI只能处理文字，那它永远只能看到工程师转述后的二手信息。转述会丢细节，而且效率极低。一块复杂主板的原理图可能有十几页，指望工程师一行行敲给AI，那还不如自己看。

这一步我理解为什么很多通用AI办公助手在硬件领域失灵：它们会写周报，但看不懂NPN管和PNP管的区别，更分不清原理图里那根短线是“连接点”还是“跨页跳线”。要让AI真正成为硬件设计辅助系统，视觉理解不是锦上添花，而是地基。只有让系统直接面对原理图、板卡照片、手册图表这些原始素材，它才有可能在真实设计流程里帮上忙，而不是停留在“问一句答一句”的玩具阶段。

1.2 从“会聊天”到“会看图”：多模态能力的分水岭

在视觉能力没有出现之前，很多AI辅助工具的做法是“文字问答”：你问它“LDO输出电容怎么选”，它根据语料库回答。这类任务不需要图像，但一旦你把手里的原理图拍照发过去，它就只能说“抱歉，我无法查看图片”。2023年之后情况变了，多模态大模型能够同时处理文本和图像输入，把图像编码成视觉token，再和文本token一起做注意力计算。这套机制对硬件设计辅助系统有个核心价值：AI可以直接分析设计图像本身，而不是依赖人工描述。

我实测过把一块电源板原理图导出成PNG直接丢给视觉大模型，它能指出七八处问题，包括一个反馈电阻网络接地错误、两个位号标反、还有一个关键信号网络标号不一致。如果换成纯文字交互，可能要说半天才能把图里的信息描述清楚。所以“看得见”是AI从“聊天机器人”升级为“设计辅助工具”的分水岭。对硬件设计这种“图比文字重要”的领域，这一步不做，后面所有的自动化都是空中楼阁。

2. 让AI“看见”的核心技术方案选型

2.1 多模态模型：主引擎怎么选

做视觉模块第一步是选模型。目前可用的多模态大模型不少，但硬件场景有自己的特殊要求。我按实际使用体验整理了一张表：

选型不能只看跑分。硬件设计场景有几个特殊点：第一，原理图和手册经常是中英混排，而且字体很小，模型对中文丝印和英文专业缩写的识别都要稳；第二，图表往往密集，线条和字符交错，模型注意力容易分散；第三，很多公司的设计文档不能往外传，私有化部署的需求非常高。所以我的建议是：原型阶段用商用API快速验证效果，正式落地时优先考虑可私有化的开源模型，再配合OCR做预处理。

2.2 OCR与图像预处理：给模型“擦亮眼睛”

很多同学以为把图喂给多模态模型就行了，实际操作发现效果很差。原因很简单：模型看到的像素是原始状态，如果图片模糊、倾斜、明暗不均，视觉token里的信息就是脏的。我做的第一版系统就是直接把手机拍的手绘原理图丢给模型，结果它把电阻符号看成电容，位号一个个乱认。后来想通了：先做图像预处理，再送进模型。

常用预处理流程包括：

• 灰度化和对比度增强：解决拍摄光线不均。我用OpenCV的cv2.convertScaleAbs配合CLAHE自适应直方图均衡，实测对浅色图纸效果明显。
• 透视校正：把倾斜拍摄的原理图纸矫正为正视图。用cv2.findContours找图纸边缘，算出透视变换矩阵再做warpPerspective。
• 二值化与去噪：对于CAD导出的高清图可以跳过，但对于扫描件建议做Otsu阈值分割，去掉背景网格线和噪点。
• 分辨率控制：原理图导出时尽量用300DPI以上，PCB照片至少2000像素宽，否则小字号位号根本识别不了。

预处理这块，我踩过最大的坑是“过度处理”。有一版把原理图的底色网格线全滤掉了，结果地线符号和电源符号之间的连接点也被当噪点清掉，AI反而误判了一堆开路。预处理必须保守，目标是增强而不是重绘，宁可保留部分噪声，也不能丢失关键电气连通信息。

2.3 视觉RAG：让AI带着参考手册看图

“看得见”不只是识别图片里的字，更关键的是“知道图里那些符号是什么意思”。这里很多项目做歪了：让模型去死记所有芯片手册，不现实。我的做法是做视觉RAG：把经过整理的芯片手册关键页（引脚功能图、典型应用电路、寄存器表）转成图像块和结构化文本，建立索引。AI在看某块原理图时，先根据项目中出现的芯片型号检索相关手册页，把手册图像和原理图一起作为上下文输入，让它“带着资料看图”。

这样做的直接好处是显著降低幻觉。比如AI看到一颗“AMS1117-3.3”，如果不检索手册，它可能会凭记忆说“输入输出电容建议10uF”，但实际上手册推荐了100nF。如果把手册典型应用电路图作为参考放进去，AI的输出就更能贴合实际器件约束。像RK3588、RK3576这类主控芯片的手册动辄几百页，视觉RAG按需抽取关键图像页，比把整本PDF塞给模型要实用得多。整个检索链路我用的是图embedding加文本embedding混合，效果比单一模态检索高不少。

3. 硬件设计场景中的视觉能力落地拆解

3.1 原理图审核：AI当第二双眼睛

最现实的应用就是原理图审查。我们团队现在每周都会把改版后的原理图导出成一张长图或者分页PNG，扔给视觉模型做预审，然后再由资深工程师人工复核。流程很简单：

1. 在立创EDA或AD里，将原理图按页导出为高清PNG，分辨率设置为300DPI以上。
2. 把图纸和审核提示词一起发送给视觉模型。
3. 模型输出问题清单，每条标注页码、区域、问题描述、严重等级和修改建议。
4. 工程师对照标记逐项确认，再回设计工具修改。

审核提示词我用的模板大概是这样（可以按需调整）：

你是一名资深硬件设计评审专家。我会给你一张原理图页面。请仔细检查以下内容： 1. 网络标号是否命名规范且有对应连接；是否存在悬空网络。 2. 电源和地是否正确连接；是否存在电源网络直接短接到地的风险。 3. 元件位号是否重复、缺失或与BOM不一致。 4. 去耦电容位置是否合理；高频芯片电源引脚是否都有就近电容。 5. 反馈网络、分压电阻阻值是否合理。 请按如下格式输出： - 页码：第X页 - 位置：图像中大致区域（左上/右上/中间偏左等） - 严重等级：高/中/低 - 问题描述：具体现象 - 修改建议：可行的改法

实测下来，这类任务AI对一些“低级但致命”的问题查得特别好：比如两个不同网络的标号同名、滤波电容放在芯片远端、VCC和GND接反。我拿一块BMS主控板的电源部分做过测试，AI准确指出了采样电阻的Kelvin连接画错、参考地平面分割不合理两处问题。但要承认，它对高级电源完整性、信号完整性问题的判断还很弱，毕竟那些需要仿真数据。所以AI的位置是“预审和查漏”，不是替代人工，尤其对51单片机最小系统板这类相对简单的设计，AI的预审价值会更明显。

3.2 数据手册解析：引脚图与时序图的理解

硬件工程师最烦的事情之一就是来回翻手册，几百页的芯片手册找一颗电容的推荐值要翻半天。视觉能力可以把这个过程大幅压缩。我做了个工具：上传芯片手册PDF，先用pdfplumber把文本层剥出来，同时把关键页面（引脚分配图、封装尺寸图、应用电路图）转成高清图片。文本进大模型做语义抽取，图片专门用于识别图形信息。例如要让AI提取“这颗MCU的PA9引脚是什么功能”，它会先检索到引脚图，再用视觉识别找到PA9的位置、然后交叉参考引脚功能表输出“PA9/USART1_TX，复用功能AF7，支持5V容忍”。输出结果我让它强制转成JSON，方便后续自动生成硬件设计数据库。

时序图的理解是难点。很多工程师让AI看I2C时序图，模型经常把SCL高低电平的边沿顺序搞反。我的办法是提示词里明确“先描述信号线名称和方向，再按时间轴从左到右逐个边沿描述电平跳变，最后归纳协议帧”。配合高清大图（波形曲线要清晰，别压缩太狠），实测正确率能从50%提到85%以上。不过对极其复杂的DDR时序图，目前模型仍然会翻车，需要人工再确认。

3.3 PCB图像检查：实物板与Gerber渲染图

PCB阶段，“看得见”同样能帮上忙，但需要的图像类型不同。一个很实用的场景是焊接质量粗检。用高倍镜或者手机微距拍板卡局部，让AI判断是否存在连锡、虚焊、少锡、桥接。我测过一批电源板，AI对有铅锡膏的连锡识别还算靠谱，因为这些特征明显：两个焊盘之间出现不正常的锡桥。但对虚焊判断就容易误报，因为虚焊在二维照片上往往不明显，需要透光或倾斜观察。所以针对虚焊，我的建议是让AI先给出“疑似虚焊区域清单”，再由人工用万用表或X-Ray确认。

另一个场景是实物板与BOM核对。板上的丝印位号是现成的文字信息，AI通过OCR识别丝印，再反查BOM表，确认贴的料是否正确。比如板上丝印是R305，BOM里对应100k 0603，实际贴出来的是10k，AI结合色环颜色、封装尺寸和印字信息能大致判断异常。不过色环电阻识别一直不太稳定，特别是四环五环颜色在不同色温光照下偏差很大，我试过加一个白平衡校正再识别，效果稍微好一些，但依然只能当粗筛。如果做更高端的PCB审查，可以把Gerber文件转成PCB渲染图，用视觉模型检查丝印压焊盘、位号重叠、器件间距过近这些问题。这些在传统DRC里也能报，但DRC往往报一堆假错，AI看图反而能按“视觉合理性”过滤一批，提高人工复核效率。

3.4 调试阶段：示波器波形与仪器读数识别

最后一块是调试场景。很多硬件工程师调板时一个人忙不过来，尤其嵌入式系统调试时，要同时看代码、查手册、盯波形。现在完全可以把示波器屏幕拍照丢给AI辅助系统，让它直接读取波形参数。实际操作：用手机拍下示波器的波形显示区域，或者用示波器的截图导出功能保存BMP/PNG。把图片交给视觉模型，让它读取：当前波形是哪个通道，测的是什么信号；频率、周期、幅值、占空比、上升沿时间等关键参数；波形是否存在过冲、振铃、纹波、抖动等异常；给出与手册要求的对比结论。

我试过一个实际案例：某块板子的SPI时钟信号拍照给AI，它读出频率约36MHz，示波器本身显示也是36.2MHz，非常接近。另外有一次I2C总线的SDA信号有轻微毛刺，模型直接标出“疑似信号完整性问题，建议检查上拉电阻阻值和走线阻抗”，这个结论基本说到点子上了。不过波形识别也有很坑的地方。手机拍摄示波器屏幕经常有摩尔纹和反光，AI会误读数值。我的建议是优先用示波器的Save/Export功能导出高清截图，实在不行再拍照，拍照时关掉闪光灯、用低角度消除反光，并裁剪到只保留波形区域。还有一个坑：屏幕上的菜单栏文字和测量框会被模型误当作信号参数，需要在提示词里明确“忽略屏幕上方和右侧菜单，只分析波形区域内的曲线”。

4. 实操：搭建一个能“看图”的硬件设计辅助Agent

4.1 最小系统的三层架构

我把这套视觉辅助系统落地成三个层：

1. 输入层：支持文件上传（原理图PNG/PDF、PCB渲染图、示波器截图）和手机拍照；统一在服务端转换格式，PDF转图片，图片统一走预处理管线。
2. 处理层：图像校验，检查是否模糊、是否过大；预处理增强；选择对应场景的提示词模板；调用多模态模型或私有化模型；可选视觉RAG检索关联资料。
3. 输出层：结构化输出为JSON或Markdown报告；问题清单按严重程度排序；结果可以推送到企业微信或钉钉，也可以回注到设计工具。

架构上我特意把提示词模板和业务逻辑剥离。原因是你不可能每个场景都写一个独立服务，更好的做法是维护一份“场景到提示词模板、模型参数、后处理规则”的配置表。新增一个场景时，只需要加配置，不用改代码。整个系统前端就是一个简单的上传页面，文件进来后自动进入流水线，工程师在浏览器端直接看到报告，不需要关心中间调用的是哪个模型。

4.2 关键Prompt与工作流设计

视觉模块的提示词和纯文本提示词不一样，它必须引导模型“如何观察”。我的经验是四个要点：先描述后判断，让模型先复述图片里看到了什么，再下结论，这样可以减少幻觉；指定观察顺序，比如原理图先看电源网络，再看信号网络，最后看元件属性；强制输出格式，要求问题清单用序号列出，每条包含位置、等级、现象、建议；给不确定留出口，增加一句“如果无法确认，请明确说明不确定，不要猜测”，这句话非常管用，能大幅降低胡编乱造的概率。

一个简化的Python调用示例：

import base64, requests def encode_image(path): with open(path, "rb") as f: return base64.b64encode(f.read()).decode() img_b64 = encode_image("schematic_page1.png") prompt = """你是硬件设计评审专家。先简要描述这张原理图中的电源网络和地网络走向， 然后检查错误。输出格式： [{"location":"左上区域","level":"高","issue":"...","suggestion":"..."}] 如果无法确认，请明确说明不确定，不要猜测。""" resp = requests.post( "http://your-model-endpoint/v1/chat/completions", json={ "model": "qwen2-vl-72b", "messages": [ {"role": "user", "content": [ {"type": "text", "text": prompt}, {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{img_b64}"}} ]} ], "temperature": 0.1 }, headers={"Authorization": "Bearer your-api-key"}, timeout=120 ) result = resp.json()["choices"][0]["message"]["content"] print(result)

注意temperature要调低，我一般用0.1到0.2。硬件设计审查具有很强的确定性逻辑，温度太高模型会开始“发挥”，输出一些貌似合理但站不住的结论。还有一点：如果模型返回的是JSON字符串，后处理一定要做容错，因为模型偶尔会在JSON前后加说明文字，我习惯用正则把最外层的大括号或中括号截出来再解析。

4.3 与AD/立创EDA的联动

真正要落地到日常设计流程里，不能每次手动导出图片再上传。我用脚本做了几个小工具：利用AD或立创EDA的导出功能，把整本原理图按页导出为PNG，并自动拼接页面索引；写了一个文件夹监听脚本，新导出的原理图页面进入指定目录后，自动触发视觉检查，完成后把报告写到同级目录的Markdown文件；检查结果回注，通过解析报告里的位号信息，自动在立创EDA的BOM界面里高亮对应元件，这一步需要软件提供API或通过CSV中间文件实现。

这个小闭环在小型项目上效率提升明显。原来人工审图一个人盯两小时，现在AI先跑一遍，很多时候能提前卡掉一批低级错误，人工复核时间压缩到三四十分钟。当然，前提是前期把提示词调好，不然满屏误报也很折磨人。我见过有些同事第一次跑出来二十多条“疑似问题”，结果一核对全是误报，差点把工具打入冷宫。调提示词至少要花一两天时间迭代，这个成本要预留。

4.4 数据准备：构建自己的视觉知识库

如果你想让AI对自家产品更“懂”，光靠通用模型不够。我的做法是积累“看板卡”的经验数据：把历次设计评审中被指出的问题图（原理图片段、PCB截图）整理成“问题-正确做法”对；用简单的标注工具在图片上画框并写中文标签，比如“连锡”“位号重叠”“电容离芯片过远”；数据多了以后，可以选择在开源模型上做LoRA微调，或者把这些样本加入视觉RAG库。

对于大多数团队，我建议先做RAG，不要急着微调。微调成本高、周期长，而且硬件设计图像样本本来就少，容易过拟合。RAG适合起步，费用低，效果可控。这个过程中最大的价值不只是训练数据，而是让团队成员“被迫”把设计规范梳理了一遍。因为要标注什么是错误，就必须先定义清楚什么是对的，这对团队流程也是一种沉淀。

5. 调参与踩坑实录（真实问题排查）

5.1 原理图OCR乱码问题

现象：AI读出来的位号总是错字，“R305”被识别成“R30S”，“C104”变成“C1U4”。排查后发现，CAD导出的PNG虽然是矢量清晰的，但缩放到Web分辨率时位号文字变成亚像素渲染，容易出现粘连。解决办法是把导出分辨率提到300DPI以上，并在预处理里做一次轻度的形态学开运算，断开粘连笔画。还有一个隐蔽问题：某些原理图使用中文宋体，小字号下OCR会混入日文假名识别结果，我通过限制识别白名单字符集解决了。现在我的预处理管线里默认就带一个“字符白名单”配置，只允许A-Z、0-9以及常见的电路符号字符，识别稳定性提升非常明显。

5.2 模型幻觉：编造不存在的引脚

这是视觉辅助系统里最危险的坑。有一次让AI读一颗FPGA的引脚图表，它一本正经地给我捏造了一个“NC_7引脚为GND”，但芯片手册里NC_7其实是“No Connect”。原因就是模型没看清图上NC/NC脚周围的标注，凭经验脑补了GND。为了防这个，我现在有两道保险。第一道是检索：用视觉RAG把对应芯片手册页拉出来，让模型对照手册作答。第二道是校验：AI输出的引脚连接关系，我会再做一个简单的脚本，把结果和已有的网表或BOM做一致性比对，不一致就打回人工。所有输出都必须带“置信度”，低于80%的自动标黄，提醒工程师不要直接采信。

5.3 时序图/波形图识别误差

波形图识别误差主要来自三点：一是图片压缩，很多聊天工具会自动压缩图片，曲线变模糊、采样点丢失；二是网格线和标尺线干扰，模型把标尺当作波形；三是屏幕截图里的菜单遮挡。解决思路很朴素：获取原图、再裁剪出波形区域、必要时用OpenCV提取曲线坐标点。更进阶的做法是让模型输出网格交点坐标，我用坐标反推周期和幅值，再与模型读出的数字做交叉验证。这个做法在SPI和I2C波形上效果不错，但在极其密集的并行总线波形上仍然吃力，暂时不推荐依赖AI做这类精确测量。

5.4 低光照与反光问题

手机拍电路板，最常见的问题就是反光。板子上有走线裸露铜箔、芯片金属顶盖、镀金焊盘，都会形成高光区域，遮挡关键信息。我有一版系统在工厂车间拍的照片上翻车，十几个焊盘全被反光盖住，AI判断成“空焊”。后来加了两个补救：一是建议拍照时用偏振镜片，消除金属表面反光；二是开发了一个简单的多曝光合成，连拍三张不同曝光的照片合成HDR图。处理后高光区域的焊盘细节回来了，AI的漏判率明显下降。硬件调试现场的光照条件千差万别，图像采集规范一定要写进操作手册里，否则算法再强也扛不住烂输入。

5.5 成本与速度权衡

多模态视觉模型每张图的token消耗不低，尤其把原理图长图喂进去，一次推理可能消耗上万视觉token。我在项目里做了三个省钱手段：一是分页切片，不整本原理图一次喂，而是一页页来，需要跨页检查时再把相关几页拼起来；二是用“低分辨率预筛加高分辨率精查”的两级流程，先用低分辨率快速识别明显问题，再对可疑区域裁剪放大调用高精度模型确认；三是本地私有化部署开源模型，长期跑下来比云端API便宜很多。预算有限的小团队，建议先用开源轻量模型处理批量简单任务，商用模型只处理复杂疑难图。这个取舍一开始就要想清楚，不然项目做到一半被API账单卡住，体验很差。

再补充一张问题速查表，方便直接对照：

这套系统做了小半年，最深的体会是：AI“看得见”之后，真正被改变的不是审图的速度，而是硬件工程师的工作方式。以前我要么自己闷头翻手册，要么拉着同事一起盯图，现在AI先把粗活干完，我把精力放在判断它说得对不对、还有哪些它看不到的地方。人机配合的感觉有点像是带了一个“飞快但偶尔走神”的实习生，关键是要给它清晰的检查清单，并且永远保留最终判断权。后面我还会继续把这个系列写下去，如果你们在自己的项目里也让AI看过原理图或PCB照片，遇到什么奇葩识别结果，可以在评论区聊聊，说不定下一期就用你的案例做调试样本。