1. 为什么先做知识库、而不是先调模型电源硬件设计自动化这个方向我前后折腾了大半年真正让我改变策略的是一次非常尴尬的失败我用通用大模型去自动生成一个反激电源的变压器设计参数模型给出了看起来很完整的计算书绕组匝数、线径、气隙长度全都有结果我用仿真一跑效率只有预期的一半电流纹波大得离谱最后逐项对公式才发现模型把“峰值电流”和“RMS电流”用错地方了。那一版计算书如果拿去打样大概率就是炸机或者根本不能带载。从那之后我就想清楚了一件事电源设计 Agent 的瓶颈不是推理能力而是知识能不能被可靠调用。1.1 电源设计本质上是一项“不允许算错”的工作很多AI应用的容错率是很高的比如写文案、做摘要错了改改就行。但电源硬件设计完全不同。环路补偿参数算错了开机自激振荡变压器磁芯选小了满载状态下直接饱和MOSFET损耗估算偏差超过20%散热片设计就可能失效整个系统热保护动作甚至烧器件。这种“算错就炸”的特性决定了电源设计自动化不能像普通问答那样“差不多就行”。它需要的知识必须满足三个条件覆盖范围完整拓扑、器件、控制环路、热、磁、EMI每个维度都有对应知识表达精度足够公式、参数、单位、适用条件要严谨到可以交给代码执行来源等级明确冲突时有仲裁规则不能出现“公式和规格书打架”时Agent不知道怎么处理的情况。我最初犯的错误是把大量数据手册、设计指南、资深工程师笔记直接丢给大模型指望它自己消化。结果它确实能“读懂”很多内容但一旦进入实际数值计算就开始把不同来源的知识混着用表面看起来专业内里漏洞百出。1.2 知识库与模型的分工要拆清楚后来我把思路拆成了两条线模型负责“理解意图、编排流程、翻译自然语言”知识库负责“提供公式、提供参数、提供规则”。模型不再被当作知识的存储体而是被当作一个调度器所有关键计算都必须从知识库中调取精确的公式和数据不允许从模型参数里“回忆”出来。这一拆效果立刻不一样。准确率的问题解决了一大半但新的问题又来了普通的知识库只是把文档存起来给模型参考这种粗糙的RAG方式在严谨计算场景里依然不合格。因为文档里充满定性描述、曲线图、经验系数、行业标准代号模型检索到之后不知道怎么转化为可执行的计算步骤。于是我才提出并实践了“三层权威”这个架构核心目标是让知识库分层、分级、可计算、可溯源。这篇文章就把这套设计和落地过程完整讲清楚包括每层权威的定义、知识如何精细化组织、Agent怎么基于它做计算以及我踩过的那些坑。2. 拆解“三层权威”的定义与分工“三层权威”这个词是我在做项目时自己定义的模块划分市面上没有现成标准但如果你去做同样的事情会自然遇到类似需求。我把它分成三层第一层物理定律与行业标准级权威简称“理论层”第二层器件数据手册与仿真模型级权威简称“器件层”第三层企业设计规范与历史项目经验级权威简称“经验层”。之所以叫“权威”是因为这三层在知识库里的地位不同它们共同决定了一个计算结果最终能不能被采纳。下面逐一展开。2.1 第一层权威理论层决定“能不能算”理论层是所有计算的基础包括电路基本原理、拓扑工作方程、物理定律、数学推导、行业通用设计公式。例如Boost变换器的占空比与输入输出电压关系式、反激变压器的伏秒平衡方程、Buck变换器的LC谐振频率公式。这些知识来自公开的学术原理、教科书、国际标准中明确给出的定义和公式。理论层的特点是稳定、通用、可推导。输入输出关系不会因为用了哪颗芯片而改变伏秒平衡方程不会因为半导体厂商不同而失效。因此它是整个Agent计算的“宪法级”存在任何计算结果首先要满足理论层的公式约束否则一票否决。举个例子设计一个同步Buck变换器时理论层必须提供电感纹波电流的计算公式ΔI_L (V_in - V_out) × D × T_sw / L其中D V_out / V_in。这个公式在任何情况下都成立连续导通模式属于不可协商的物理事实。在知识库里理论层的存在形式应该是“可执行数学表达式变量字典适用条件”的结构化单元而不是一段文字。这段公式必须明确标注变量名、单位、适用模式CCM还是DCM、忽略因素如开关振铃、寄生参数以及精度范围。2.2 第二层权威器件层决定“算得准不准”理论层给出公式框架后代入计算的参数从哪里来答案就是器件层。器件层包括每颗具体型号的数据手册、电气特性表、极限参数、热阻参数、开关特性曲线、封装尺寸等。数据手册参数决定了计算结果的真实性和精准度例如某颗MOSFET的Qg是12nC还是28nC直接影响驱动损耗估算某颗电感在饱和电流下的感值下降程度直接决定纹波电流是否超标。器件层知识的特点是时效性强、型号特定、必须根据选型目标实时调用。它不像理论层那样放之四海皆准。因此知识库必须支持“按型号精确检索”并能把数据手册里的参数表、曲线图转化为可计算的数值数据。这里有个很大的坑数据手册大多是PDF格式里面有大量图表和坐标曲线直接让大模型读PDF读取出来的数值经常跟图上曲线对不上。我后面会专门讲曲线数字化这个问题这里只强调一点器件层知识如果没做好结构化Agent的第一层和第二层权威就无法衔接公式是对的但参数是错的结果依然报废。2.3 第三层权威经验层决定“敢不敢用”理论层和器件层保证了“数学上正确”但电源设计里还有大量无法从公式推出的工程约束这些约束来自多年实践、失败案例、评审经验。例如某系列的MOSFET厂家绝对最大额定电压100V但企业规范要求设计中降额到80V因为实际板子存在寄生电感引起的电压尖峰环路补偿的相位裕度理论上45度就稳定但某类高容性负载供电场景下团队经验要求做到60度以上以保证低温下不会振荡多层陶瓷电容在某些DC偏压条件下容值会大幅下降这个降额系数因材质和封装而异厂商数据没写全但实际项目验证出工程经验值。经验层知识的特点是地域性、企业性、概率性。它不是公认物理定律而是特定团队在特定应用领域内长期形成的设计准则。在知识库里它依然有权威地位因为它能防止Agent设计出“数学上没问题但工程上不能用”的方案。我把这三层的仲裁顺序定为理论层 器件层 经验层。也就是当经验层的降额要求和器件层的极限参数冲突时首先判断物理可行性再以更安全的一侧为准当器件层参数与理论层公式矛盾时优先检查器件层参数理解是否正确而不是修改公式。这条仲裁规则直接决定Agent输出的设计是否可靠。三层权威的对比整理如下层级来源典型内容特点更新频率仲裁地位理论层教科书、学术原理、行业标准拓扑公式、物理定律、标准定义稳定通用很低一票否决器件层数据手册、仿真模型参数表、曲线、热阻、极限额定值型号特定持续更新决定精度经验层企业规范、评审经验、复盘案例降额规则、边界条件、检查清单企业专属随项目积累工程兜底3. 精细化知识库的组织和存储方法光有三层分类还不够要在Agent里真正跑起来还得解决一个更麻烦的问题知识怎么存。存成PDF肯定不行存成纯文本向量库也不行因为严谨计算需要的知识必须是结构化、带字段、可执行的。我把这一过程称为“精细化”而不是“建设”因为大量工作发生在把非结构化文档变成结构化知识单元这一环。3.1 公式知识的结构化从文字到可执行表达式首先是理论层公式的表示方法。我最终采用了“三段式存储”第一段是人可读的LaTeX公式或文本公式用于Agent理解和展示第二段是机可读的表达式树或者直接用代码函数封装第三段是变量字典列清楚每个变量的物理含义、标准单位、允许取值范围。以反激变压器设计中的原边电感计算公式为例L_p (V_in_min × D_max)^2 / (2 × P_out × f_sw × K_RF)其中K_RF是纹波系数。这段公式要存储成这样一个结构表达式L_p (V_in_min × D_max)^2 / (2 × P_out × f_sw × K_RF)变量表V_in_min最小输入电压单位V典型范围5~1000VD_max最大占空比单位1无单位量典型范围0.3~0.7P_out输出功率单位W必须大于0f_sw开关频率单位Hz实际常用kHzK_RF纹波系数取0.2~0.6连续模式下常用0.3~0.4。适用条件CCM模式单端反激不计变压器漏感尖峰能量输入电压纹波忽略。来源通用开关电源设计手册。版本号V1.0。校验规则L_p计算结果必须大于0若小于0则说明输入参数有误。只有把公式拆成这样Agent才能在拿到一组输入参数后自动判断是否需要转换单位比如输入给的是kHz公式要求Hz自动检查取值是否超出合理范围并把这个变量和下一层知识做匹配。有一个特别容易被忽略的细节公式文本里的“D”在不同文档里可能代表占空比、二极管、漏极如果不做变量字典模型很容易混淆。我在知识库里为每个变量建立了全局唯一标识符例如“D_CM_DUTY”表示连续导通模式的占空比这样即使多个文档里都出现“D”Agent也能通过标识符找到正确指向。3.2 将数据手册里的图表转换为可查询的数据器件层知识的精细化难度最大因为它大量存在于数据手册中而数据手册的主要信息载体是图表。我用了两个办法第一个办法是编写脚本从曲线图中提取数据点进行坐标校正后拟合为分段曲线。比如某颗电感的感值-电流曲线提取后得到多个离散点然后拟合成分段线性插值函数存储。这样Agent在设计计算时调用该电感模型输入工作电流就能返回对应的实际感值而不是只用标称感值。第二个办法是把参数表中的标称值和极限值拆成独立字段并附上测试条件。数据手册里的典型参数和最大最小值常常在不同测试条件下测得比如导通电阻是在25度结温下测的到100度结温后可能翻倍如果没有把这个温度条件存进去Agent在热设计环节就会严重低估损耗。我自己的实践是给每个器件建立一张“参数实体表”字段包括器件唯一ID、生产商代称、型号、参数名、参数值、单位、最小/典型/最大、测试条件、温度范围、来源页码、录入日期。这样做的成本挺高但收益非常直接Agent在做损耗仿真时能很自然地查到结温修正系数。3.3 把企业经验转变成可执行的规则第三层经验知识的存储核心是把工程师脑子和历史案例里的“潜规则”转成显式的条件规则。我采用的形式是“条件-动作-优先级”三元组。例如条件Flyback反激拓扑、输出整流二极管使用肖特基、输出电压低于12V动作整流管反向电压降额到60%以下优先级高来源某电源团队内部设计规范V2.3备注因变压器漏感和振铃导致实测尖峰比理论计算高30%~50%。再比如环路补偿规则条件电压模式控制、Buck拓扑、输出电容为钽电容动作穿越频率设置在开关频率的1/10至1/20之间优先级中来源系统稳定性评审复盘案例。经验层在写入前必须经过一轮“形式化审查”由实际做过该领域设计的工程师确认条件边界是否清晰、动作是否可执行、优先级是否有依据。因为经验知识最容易出现“貌似普适、实则只是某个项目里的偶然做法”的情况如果不过滤就直接进知识库Agent会把你某个特定项目的偏好当成行业铁律这种污染比缺知识更危险。3.4 知识版本与溯源机制精细化知识库还有一个容易被低估的模块版本与溯源。每一层知识都必须带来源标识和修改历史否则一旦Agent算错你连错误发生在哪个环节、引用哪份材料都查不到自动化过程就是黑盒谁都不敢用。我设计的溯源结构包含三级知识条目ID、来源文件引用、修订记录。Agent输出每一项计算结论时都要带上知识条目的版本号例如“理论层-K01-公式编号A3-V1.2”这样下游工程师在评审时可以直接点回去看公式原文和适用条件。版本管理还解决了器件停产替换的问题当一颗器件因为停产出新替代型号时只需要更新器件层的对应实体不影响理论层和经验层。4. Agent如何基于三层知识库完成严谨计算知识库建好之后Agent的工作才真正变得可靠。我在这里要强调一点知识库本身不会自动产生设计能力必须设计一套调用机制让Agent在计算过程中天然遵循三层权威的仲裁顺序。我把这套机制拆成了检索、计算、校验三段。4.1 先问公式再查参数后看规则一个典型的自动化设计任务流程是用户用自然语言提出需求例如“输入电压36-72V输出12V/5A要求效率不低于94%选择反激还是正激拓扑并给出关键器件选型和参数计算”。Agent拆解任务后开始执行知识调用第一步Agent向理论层发起检索获取反激和正激拓扑的适用条件、元件数量、变压器工作模式、理论效率。这一步解决“应该用什么拓扑”的定性问题。第二步初步确定拓扑后Agent会进一步向理论层获取该拓扑的设计方程并把所有变量标识符抽取出来生成一个“缺失参数清单”。第三步Agent根据缺失参数清单去器件层检索候选器件的数据手册把V_in、V_out、I_out、f_sw等变量逐一填入。如果某个参数存在多颗候选器件不同取值Agent会并行计算多组结果。第四步Agent把初步计算结果提交到经验层逐一检查有没有违反企业规范和经验规则。比如某颗MOSFET算出来的最大Vds尖峰理论值88V考虑到经验层的降额规则要求耐压至少125V降额70%以下Agent就会自动剔除这颗器件并重新选型。这个执行顺序的重要之处在于它保证了所有计算结果都从理论公式出发而不是从模型“记忆”出发。模型的任务只是按流程调用知识、识别意图、格式化输出它不拥有知识只负责执行知识库定义好的逻辑。4.2 冲突仲裁与降级处理三层权威之间有时会出现冲突我不可能完全避免。比如某颗芯片数据手册标注最大输出电流10A但理论层的公式在热约束计算中指出该封装在5A持续电流下已经超过结温上限。这时器件的绝对最大值和实际安全值出现矛盾。我的仲裁机制是这样处理的第一优先级是检查理论层计算是否正确包括冷却条件假设、环境温度、PCB散热面积。如果理论层算出的结温已经超过数据手册的Tj_max则直接判定这颗器件在该应用场景下不可用无论数据手册标称电流多大若理论层计算显示温度在边界以内但经验层的降额规则要求更高则按更保守的经验值执行并输出一条“经验警告”备注当经验规则与新器件特性冲突时新材质、新工艺导致旧经验不再适用标记为“存疑规则”Agent可以报告给人工审核由工程师决定是否修订经验层。这一套仲裁措施确保了Agent不会在“理论上可以、实际不敢用”的边界地带鲁莽前进。说句实话即使有了仲裁机制我也依然在Agent的最终环节插入了一道人工复核后面会详细讲。4.3 计算校验机制单位、量纲、数量级严谨计算绝对不能只给结果还要给一种“自我怀疑”的能力。我在Agent计算流程里加了一个强制校验模块每次生成计算结果后都要经过三类检查第一单位检查。将公式中的每个物理量换算为标准SI单位后再计算例如开关频率全部换算为Hz输入电压换算为V电感量换算为H。这样避免公式推导和程序运算时因单位不一致而出现数十万倍的错误。第二数量级检查。根据常识知识库预设每个物理量的合理范围例如功率变换器的电感感值一般在0.1uH到10mH之间若某次计算结果出现100H这种数值则直接触发异常警告并找回计算过程排查原因。第三反向演算。把计算结果代入原始公式进行反向验证例如计算完电感电流纹波后根据纹波值反算电感量看是否能还原到原输入参数。若正向和反向误差超过设定阈值该结果会被标记为“不可信”。这三道校验在实际运行中拦截了大量因为数据手册某行参数识别错误或单位误判引起的严重问题。我可以明确地说如果没有这套校验机制Agent输出的计算结果在真实打样中一定会出事故。4.4 可解释输出与人工复核接口最后Agent的设计输出必须是一个完整的设计报告其中每个数值都附带知识来源和计算链路。比如报告里写“原边电感量L_p 127μH”旁边要能展开一行说明“基于理论层公式A3代入V_in_min9V、D_max0.45、P_out7.5W、f_sw132kHz、K_RF0.35”。这样做的目的第一是让有经验的工程师能够在十分钟内判断出Agent哪个环节不合理第二是当设计失败时能回溯到具体知识条目进行修正。我发现实际评审中团队对自动设计的态度从“坚决不信”变成“愿意试用”最关键改变就是当每个数值都能解释来源工程师才愿意把自己的经验判断交给系统去做辅助参考。5. 实操踩坑记录与排查技巧这套体系不是一次到位的我在实践过程中踩了很多坑有些坑差点导致整个项目报废。我挑几个典型的写出来希望能帮你绕过去。5.1 不要直接把数据手册PDF整本喂给模型最早我图省事想用向量数据库把所有PDF切片存起来用模型检索加阅读。结果发现PDF里大量文字和图表混排尤其横跨双栏的表格、坐标曲线周围的标注文字切片后上下文大量丢失。Agent检索到的知识点零散给出的计算参数经常张冠李戴比方说把“静态漏源导通电阻”的单位mΩ当成Ω来用结果损耗计算偏差一千倍。排查起来也非常困难因为问题出在切片本身不是模型推理。后来我把数据手册全部按“参数实体表”重新录入了一遍虽然慢但再也没出现整本PDF检索导致的单位灾难。5.2 公式变量的同名陷阱极其隐蔽不同文档里用同一个符号表示不同物理量的情况非常常见。有一份资料用“C”表示输出电容容值另一份资料用“C”表示电流连续因子还有资料用“Vrms”表示输入纹波电压和输出电压纹波的不同指标。早期我把文字公式直接存成字符串模型阅读时孤立地看上下句经常搞混。解决方法是给每个公式变量建立全局唯一标识符并在变量字典里写明“低频含义”和“高频含义”映射。只要带单位、带物理含义模型即使看到同名变量也不会混用。代价是录入公式时非常繁琐但这是精细化的必经之路。5.3 曲线数字化远比想象中麻烦数据手册里的特征曲线是高价值知识比如“不同温度下的RDS(on)归一化曲线”“电感饱和电流-温度曲线”“容值-直流偏压曲线”。直接让模型读图识别数值并不可靠肉眼看着像0.62的坐标点模型可能读成0.9这种误差在电源设计里是致命的。我采用的方案是人工辅助的半自动提取从数据手册中截取曲线图后点击坐标轴原点、两个方向的刻度点、曲线关键拐点然后用程序插值拟合。提取后的数据还要经过反向验证比如把拟合曲线代入某个已知公式反算结果与手册给出的典型值对比误差控制在5%以内才入库。频率更高的数据点可以做到几百个离散点拟合精度更高。5.4 经验层知识要防“过期污染”企业规范里的经验规则会随技术迭代而失效。例如一代物料中某类磁性材料在100kHz工作频率下温升表现优秀团队据此形成降额规则等到新一代材料面世后频率上限已经到500kHz旧规则反而限制了效率提升。我在经验层标注了“适用年限范围”和“最近一次验证项目编号”凡是超过两年没有再次验证的经验规则会被自动列入“待复核”状态Agent使用时会优先采用已验证的规则。这项工作需要持续维护但很有必要否则三层知识库里的权威会变成经验层面的“僵尸规则”。5.5 顶层的“人工复核”不能省最后说一个可能跟“高度自动化”目标相反但非常重要的体会即便知识库做得很完善Agent的输出也必须保留一个人工复核环节。我理解为“自动化不等于无人化”。在电源这种安全敏感领域人类的经验和直觉仍然能捕捉到知识库里没有显式记录的异常。比如某个输出电容的摆放位置影响高频回路这属于布局知识当前的知识库很难覆盖完整。我现在让Agent输出的每份设计报告都附带一个“复核清单”工程师只需要按清单逐项检查异常警告。经过一段时间运行复核流程的效率明显提升团队对自动设计的信心也越来越强。6. 一些个人体会回顾整个项目我最深的感觉是所谓“智能”在很大程度上其实是“知识治理”的成果。模型能力日新月异但电源设计这类严肃工程领域真正值得投入精力的不是追求更聪明的模型而是建立一套知识可靠、来源明确、可计算、可仲裁的知识底座。三层权威的划分让我在遇到各种知识冲突时有了明确的判断框架。如果你也要做类似方向我建议从一个小得多的范围起步。比如先选一个拓扑、五颗器件、十条经验规则走通从知识录入到Agent计算的闭环再慢慢铺开。不要一上来就想覆盖所有电源拓扑和全部知识点那会陷入无止境的知识录入维护困境。这套知识库的设计还有很多细节值得继续打磨比如标准件的自动降额、自动化报告生成、以及知识库与仿真工具的联动都是不错的扩展方向。但我现在的体会很明确没有严谨的知识分层和数据结构化高度自动化的电源硬件设计Agent就是空中楼阁。