กำไร:
- ความสามารถในการแยกแยะว่า AI ช่วยประหยัดเวลาแบบเรียลไทม์ในเวิร์กโฟลว์อิเล็กทรอนิกส์/การสื่อสารที่ใด และวิศวกรที่มีความสามารถจะคงความรับผิดชอบด้านการปฏิบัติตามกฎระเบียบและความปลอดภัยไว้ ณ ที่ใด โดยขึ้นอยู่กับระดับความเสี่ยง
- ความสามารถในการใช้ระเบียบวินัยในการตรวจสอบแบบหลายชั้นที่ทดสอบเอาต์พุต AI แต่ละรายการกับการวัด การจำลอง ข้อความมาตรฐาน และการคำนวณอิสระ
- ฝึกนิสัยในการไม่ระบุชื่อบริบทและเลือกเครื่องมือที่ปลอดภัยเพื่อปกป้องไฟล์การออกแบบ ข้อมูลเครือข่ายลูกค้า และทรัพย์สินทางปัญญา
งานของวิศวกรอิเล็กทรอนิกส์และการสื่อสารคือการแปลปริมาณทางกายภาพที่มองไม่เห็น (แรงดันไฟฟ้า กระแส ความถี่ สนาม) ให้เป็นผลิตภัณฑ์ที่ใช้งานและการเชื่อมต่อที่เชื่อถือได้ การออกแบบวงจร การวางแผงวงจรพิมพ์ (PCB: แผงวงจรพิมพ์ แผ่นฉนวนที่ใช้วางส่วนประกอบต่างๆ) การกรองและการปรับสัญญาณ การเปล่งสัญญาณจากเสาอากาศ การเขียนซอฟต์แวร์ฝังตัว (เฟิร์มแวร์: ซอฟต์แวร์ที่เขียนในหน่วยความจำถาวรที่ควบคุมฮาร์ดแวร์ของอุปกรณ์โดยตรง) การสร้างโปรโตคอล การตรวจสอบประสิทธิภาพของเครือข่าย และจัดทำเอกสารทั้งหมดนี้ตามมาตรฐานและกฎหมาย คุณลักษณะทั่วไปของงานเหล่านี้คือการทำงานกับการวัดและข้อมูลจำนวนมาก แต่การตัดสินใจแต่ละครั้งจะกำหนดว่าผลิตภัณฑ์จะทำงานได้หรือไม่ การออกอากาศจะยังคงอยู่ในขีดจำกัดทางกฎหมายหรือไม่ ระบบจะปลอดภัยหรือไม่ ปัญญาประดิษฐ์ (เรียกสั้น ๆ ว่า AI ระบบซอฟต์แวร์ที่ทำงานบนข้อความ ตัวเลข โค้ด และรูปภาพด้วยโมเดลข้อมูลขนาดใหญ่และภาษา) เป็นตัวช่วยที่ทรงพลังในพื้นที่ที่ต้องใช้ข้อมูลเข้มข้นแต่มีความสำคัญต่อการตัดสินใจ หน่วยการเรียนรู้นี้จะสอนให้คุณทราบว่าควรใช้ AI ในงานอิเล็กทรอนิกส์/การสื่อสารได้อย่างปลอดภัยในบริเวณใด ตำแหน่งที่เป็นอันตราย และเหตุใดคุณต้องตรวจสอบความถูกต้องของเอาต์พุต AI ทั้งหมดผ่านการวัด การจำลอง ข้อความมาตรฐาน และการตัดสินทางวิศวกรรม
หลักการสำคัญที่คุณจะใช้ตลอดโมดูลนี้คือ AI คือผู้ช่วย ไม่ใช่ผู้มีอำนาจตัดสินใจ กระแสจ่าย ค่าอิมพีแดนซ์ ความถี่ตัดของตัวกรอง ขีดจำกัดกำลังส่ง หรือข้อกำหนดมาตรฐานไม่สามารถเป็นจริงได้เพียงเพราะว่า "AI พูดอย่างนั้น" มันเป็นเพียงสมมติฐานจนกว่าจะได้รับการตรวจสอบโดยเอกสารข้อมูล การวัด การจำลอง ข้อความมาตรฐานอย่างเป็นทางการ และการตัดสินของวิศวกรผู้มีความสามารถ คุณจะเห็นประโยคนี้อีกครั้งในทุกหน่วยของโมดูล เนื่องจากในด้านอิเล็กทรอนิกส์ ตัวเลขที่ไม่ถูกต้องมักหมายความว่าการ์ดไหม้ ผลิตภัณฑ์ไม่ผ่านการรับรอง หรือลิงก์การสื่อสารขัดข้อง
LLM คืออะไร ทำหน้าที่อะไรในด้านอิเล็กทรอนิกส์/การสื่อสาร?
LLM (Large Language Model) เป็นซอฟต์แวร์ที่เรียนรู้รูปแบบจากข้อความและโค้ดจำนวนมาก และคาดการณ์ "คำถัดไป" ตามความน่าจะเป็น นี่คือกลไกของเครื่องมือเช่น ChatGPT, Claude, Gemini ประเด็นก็คือ: LLM เป็น "เครื่องมือประมาณค่าภาษาและรหัส" ไม่ใช่ "อุปกรณ์วัด" หรือ "ฐานความรู้" พูดคำศัพท์ทางวิศวกรรมได้อย่างคล่องแคล่ว แต่ไม่ได้วัดความต้านทาน ทำให้เกิดตัวเลขที่ดูเป็นไปได้มากที่สุด ดังนั้นจึงให้คำตอบที่มั่นใจแต่ไม่ถูกต้องเกี่ยวกับกระแสจ่ายของส่วนประกอบ ขีดจำกัดการควบคุม หรือตารางมาตรฐาน สิ่งนี้เรียกว่าภาพหลอน (การประดิษฐ์) อาการประสาทหลอนไม่ใช่ความผิดปกติ แต่เป็นคุณลักษณะโดยธรรมชาติของเทคโนโลยีนี้ ดังนั้นการตรวจสอบจึงไม่ใช่ "ขั้นตอนเพิ่มเติม" แต่เป็นส่วนสำคัญของงาน
งานที่ AI มีความเชี่ยวชาญในด้านอิเล็กทรอนิกส์/การสื่อสาร:
- คำอธิบายแนวคิดและการสอน: การจับคู่อิมพีแดนซ์คืออะไร OFDM ทำงานอย่างไร อะไรทำให้เกิดนามแฝง EMC ถูกรบกวนอย่างไร
- ร่างโค้ดและเฟิร์มแวร์: ไดรเวอร์ไมโครคอนโทรลเลอร์, เครื่องสถานะ, การวิเคราะห์สัญญาณ Python, เฟรมเวิร์กการทดสอบอัตโนมัติ
- การล้างข้อมูลและการจัดระเบียบ: การแปลงบันทึกการวัดที่กระจัดกระจายเป็นตารางที่สอดคล้องกัน การจับหน่วยที่ไม่ตรงกัน
- การสร้างรายการสมมติฐาน: รายการเหตุผลอย่างเป็นระบบสำหรับคำถาม เช่น เหตุใดวงจรจึงไม่ทำงาน เหตุใดลิงก์จึงหลุด
- ร่างข้อความ: แผนการทดสอบ รายงานข้อผิดพลาด ร่างไฟล์ทางเทคนิค สรุปเอกสารข้อมูล
- การตั้งค่าบัญชี: การสร้างโครงร่างของงบประมาณลิงก์ งบประมาณด้านพลังงาน ขั้นตอนการออกแบบตัวกรอง
เมื่อ AI อ่อนแอและมีความเสี่ยง:
- ค่าตัวเลขที่แน่นอน (กระแสจ่าย อิมพีแดนซ์ ความถี่ตัด ขีดจำกัดกำลังออกอากาศ)
- บทความมาตรฐาน/กฎหมายปัจจุบันและเฉพาะเจาะจง ค่าตาราง และข้อมูลการเผยแพร่
- การวินิจฉัยโดยไม่มีข้อมูลการวัดจริงของฮาร์ดแวร์ของคุณ
- การตัดสินใจด้านการปฏิบัติตามข้อกำหนดและความปลอดภัยที่สำคัญ: คำประกาศของ EMC เกี่ยวกับความสอดคล้อง การปล่อย ความสามารถในการให้บริการ ขีดจำกัดด้านความปลอดภัย
การจำแนกตามความเสี่ยง: ตัวกรองก่อนใช้ AI
ไม่ใช่ทุกงานจะมีความเสี่ยงเท่ากัน จำแนกงานตามระดับความเสี่ยงก่อนใช้ AI ตารางด้านล่างแสดงกรอบการตัดสินใจที่คุณจะใช้ตลอดโมดูลนี้
ระดับความเสี่ยง
งานตัวอย่าง
บทบาทของเอไอ
การตรวจสอบภาคบังคับ
ต่ำ
คำอธิบายแนวคิด ข้อความแบบร่าง โครงกระดูกโค้ด
ใช้งานฟรี
รีวิวก็พอแล้ว
ปานกลาง
การล้างข้อมูล รายการสมมติฐาน การตั้งค่าการคำนวณ
ร่าง/ผู้เขียนร่วม
การตรวจสอบด้วยตนเอง + การยืนยันเอกสารข้อมูล
สูง
อัตราวงจร การออกแบบตัวกรอง/เสาอากาศ ตรรกะของเฟิร์มแวร์
เครื่องกำเนิดความคิด
การจำลอง + การวัดต้นแบบ
สำคัญ
การปฏิบัติตาม EMC/การออกอากาศ อัตราความปลอดภัย ความสามารถในการให้บริการ
ฉบับร่าง/สแกนเท่านั้น
การอนุมัติของวิศวกรผู้มีความสามารถ + การทดสอบที่ได้รับการรับรอง
เคล็ดลับ: หากคุณทำเครื่องหมายงานว่า "สำคัญ" ผลลัพธ์ของ AI จะไม่ใช่เอกสารขั้นสุดท้าย อย่างมากอาจเป็นแบบร่างเบื้องต้นหรือรายการตรวจสอบก็ได้ วิศวกรผู้มีความสามารถจะลงนามและรับผิดชอบ
โฟลว์แบบ end-to-end: ฝัง AI ลงในเวิร์กโฟลว์ของคุณ
วงจรการแก้ปัญหาทั่วไปในอุปกรณ์อิเล็กทรอนิกส์/การสื่อสารมีดังนี้ โดยที่ AI เข้าสู่แต่ละขั้นตอนแต่ไม่ได้ปิดขั้นตอนใดขั้นตอนหนึ่งด้วยตัวเอง:
- กำหนดปัญหา: อะไรจะได้รับการออกแบบ เป้าหมายประสิทธิภาพอะไร มีข้อจำกัดอะไร (อำนาจ ต้นทุน ความถี่ กฎหมาย) (AI: ชี้แจงคำถาม)
- รวบรวมข้อมูล/ข้อกำหนด: เอกสารข้อมูล ขีดจำกัดมาตรฐาน บันทึกการวัด (AI: สรุปและค้นหาความไม่สอดคล้องกัน)
- สร้างสมมติฐาน/การออกแบบ: โทโพโลยีทางเลือก สถานการณ์การแก้ปัญหา (AI: สร้างรายการอย่างเป็นระบบ)
- วิเคราะห์: การคำนวณ การจำลอง โค้ด การวิเคราะห์สัญญาณ (AI: สร้างโค้ดและนิยายการคำนวณ)
- ตรวจสอบ: การจำลอง ต้นแบบ การวัด ข้อความมาตรฐาน (AI อยู่ข้างสนาม การวัดผลและมนุษย์เป็นผู้ตัดสินใจ)
- จัดทำเอกสารและตัดสินใจ: วิศวกรผู้มีความสามารถจะรับผิดชอบ (AI: นักเขียนร่าง)
โปรดคำนึงถึงหกขั้นตอนเหล่านี้ ส่วนที่เหลือของโมดูลจะแสดงวิธีใช้ AI กับงานอิเล็กทรอนิกส์/การสื่อสารที่เป็นรูปธรรมทีละขั้นตอน
มินิเคสสามอัน
กรณีที่ 1 — ค่าส่วนประกอบที่ไม่เหมาะสม ผู้ฝึกงานถาม AI ถึงค่าตัวเก็บประจุแยกส่วนที่ต้องการในวงจรที่ป้อนจากตัวควบคุม 3.3 V AI บอกว่า "100 nF ก็เพียงพอแล้ว" และยังให้ใบสั่งยาที่แม่นยำอีกด้วย: "เพิ่ม 10 µF สำหรับแต่ละ IC" ผู้ฝึกงานเขียนสิ่งนี้ลงในไดอะแกรมโดยตรง ในขณะที่ค่าที่ถูกต้องขึ้นอยู่กับคำแนะนำในเอกสารข้อมูลของชิปที่ใช้ ความถี่ในการสลับ และโปรไฟล์ปัจจุบัน ในการออกแบบนี้ ชิปความเร็วสูงดึงกระแสหลายร้อยล้านครั้งต่อวินาที และ 100 nF เพียงอย่างเดียวนั้นไม่เพียงพอ การ์ดทำงานผิดปกติเมื่อเริ่มต้นระบบ วิธีที่ถูกต้องคือการนำค่าจากเอกสารข้อมูลของชิปแต่ละตัวและการวิเคราะห์ความสมบูรณ์ของกำลังไฟฟ้า
กรณีที่ 2 — ไม่มีข้อจำกัดด้านกฎระเบียบ วิศวกรคนหนึ่งขอให้ AI ทราบค่า EIRP สูงสุดที่อนุญาต (กำลังการแผ่รังสีไอโซโทรปิกที่เทียบเท่า) ของผลิตภัณฑ์ของเขาในย่านความถี่ 2.4 GHz AI บอกว่า "20 dBm ตามกฎข้อบังคับ" และประกอบขึ้นเป็นเลขสาร วิศวกรจะเขียนไฟล์ทางเทคนิคตามนั้น ในห้องปฏิบัติการทดสอบ พบว่าค่าขีดจำกัดจะแตกต่างกันไปขึ้นอยู่กับแบนด์ ความกว้างของช่องสัญญาณ และประเทศ และหมายเลขรายการที่ให้ไว้นั้นไม่เป็นความจริง แนวทางที่ถูกต้องคือการเปิดกฎระเบียบปัจจุบัน (เช่น เอกสาร ETSI/FCC ที่เกี่ยวข้อง และการตัดสินใจของหน่วยงานในประเทศ) จากแหล่งที่มาอย่างเป็นทางการ และยืนยันคุณค่าและเนื้อหา
กรณีที่ 3 — การใช้งานที่ถูกต้อง วิศวกรสงสัยว่าบันทึกการวัด 5,000 บรรทัดจากเซ็นเซอร์อุณหภูมิไม่สอดคล้องกัน โดยบอกให้ AI "แสดงรายการแถวในตารางนี้ที่อาจมีหน่วยไม่สอดคล้องกัน (ความสับสน°C/°F) ค่าที่เป็นไปไม่ได้ทางกายภาพ การเพิ่มขึ้นอย่างรวดเร็ว และเซลล์ว่าง และเขียนสิ่งที่คุณสงสัยสำหรับแต่ละรายการ อย่าแก้ไข เพียงทำเครื่องหมาย" AI จะทำเครื่องหมายการอ่านโค้ด 999 หลายค่า การอ่านค่า -300 °C สองครั้ง และการเพิ่มขึ้นที่คล้ายกับการรีเซ็ตเซ็นเซอร์ วิศวกรตรวจสอบและแก้ไขสิ่งเหล่านี้จากข้อมูลดิบ ที่นี่มีการใช้ AI อย่างถูกต้อง: ดึงดูดความสนใจ มนุษย์ทำการตัดสินใจและแก้ไข
เทมเพลตพร้อมท์ที่คัดลอกได้
คุณสามารถใช้เทมเพลตด้านล่างโดยปรับให้เข้ากับธุรกิจของคุณเอง ในแต่ละข้อมีคำสั่งอย่างมีสติให้ "ให้ตัวเลขที่แน่นอน ระบุแหล่งที่มา อธิบายความไม่แน่นอน"
เทมเพลตบทบาทและขีดจำกัด "บทบาท: คุณเป็นผู้ช่วยวิศวกรอิเล็กทรอนิกส์/การสื่อสารที่มีประสบการณ์ ภารกิจ: [เขียนหัวเรื่อง] กฎ: เมื่อให้ค่าตัวเลขที่แน่นอน (กระแส อิมพีแดนซ์ ความถี่ ขีดจำกัดกำลัง) บอกว่าจะต้องตรวจสอบจากเอกสารข้อมูลหรือการวัดของส่วนประกอบที่เลือก หากคุณไม่แน่ใจ ให้พูดว่า 'ยืนยันแล้ว' หากคุณให้มาตรามาตรฐาน/ข้อบังคับ ให้ระบุพร้อมกับเวอร์ชัน แต่ต้องได้รับการยืนยันจาก แหล่งที่มาอย่างเป็นทางการ ในตอนท้ายของคำตอบ ให้จด 'สิ่งที่ต้องได้รับการตรวจสอบโดยการจำลอง/การวัด'
เทมเพลตการสร้างสมมติฐาน"จัดทำรายการสาเหตุที่เป็นไปได้สำหรับอาการต่อไปนี้อย่างเป็นระบบ: [อธิบายอาการ; สิ่งที่สังเกตได้มีการวัดอะไรบ้าง] สำหรับแต่ละสมมติฐาน: (1) หลักฐานใดสนับสนุน (2) ควรทำการวัดใด (ออสซิลโลสโคป เครื่องวิเคราะห์ มัลติมิเตอร์) เพื่อยืนยัน/หักล้าง ทำการวินิจฉัยขั้นสุดท้าย สร้างแผนผังการแก้ไขปัญหา"
เทมเพลตรายการตรวจสอบการยืนยัน"แสดงรายการค่าตัวเลขทั้งหมดและการอ้างอิงมาตรฐาน/กฎระเบียบทุกรายการในร่างการออกแบบ/รายงานด้านล่าง สำหรับแต่ละค่า ให้ระบุว่าควรตรวจสอบแหล่งที่มาใด (เอกสารข้อมูล ข้อความมาตรฐานอย่างเป็นทางการ การวัดในห้องปฏิบัติการ การจำลอง) รวบรวมแหล่งที่มาที่มีต้นกำเนิดที่ไม่แน่นอนภายใต้ 'ไม่สามารถใช้หากไม่มีการตรวจสอบ' ข้อความ: [วาง]"
เทมเพลตการตรวจสอบการไม่เปิดเผยชื่อล่วงหน้า "ก่อนที่จะให้ข้อความต่อไปนี้แก่เครื่องมือ AI ให้แจ้งความลับทางการค้าหรือส่วนที่ละเอียดอ่อนส่วนบุคคล/ตามกฎระเบียบ: ลูกค้า/ชื่อโครงการ การอ้างอิงไฟล์ PCB คีย์เฟิร์มแวร์/รหัสผ่าน IP/MACaddress จริง ข้อมูลสมาชิก ค่าใช้จ่ายแอบแฝง แนะนำวิธีที่ฉันสามารถลบข้อมูลระบุตัวตนเหล่านี้ได้ ข้อความ: [วาง]"
พรอมต์อ่อน / พรอมต์แข็งแกร่ง
การถามคำถามเดียวกันสองวิธีจะให้ผลลัพธ์ที่แตกต่างกันมาก
ข้อความเตือนที่อ่อนแอ: "เสาอากาศนี้มีประโยชน์อะไร"
พร้อมท์ที่รัดกุม: "บทบาท: คุณเป็นผู้ช่วยวิศวกร RF อธิบายขั้นตอนต่างๆ ที่ต้องกำหนดเกนของเสาอากาศ (การเลือกประเภท ขนาด การจำลองภาคสนาม การวัดห้องไร้เสียงสะท้อน) และข้อมูลใดและการตรวจสอบใดที่จำเป็นในแต่ละขั้นตอน อย่าให้ตัวเลขเกนที่แน่นอน โดยเน้นว่าสิ่งนี้สามารถกำหนดได้โดยการจำลองและการวัดเท่านั้น ความหมายของหน่วย dBi และขีดจำกัดด้านกฎระเบียบจะได้รับการประเมินผ่าน EIRP"
พรอมต์ที่อ่อนแอเชิญชวนให้ AI สร้าง; ข้อความแจ้งที่ชัดเจนช่วยให้งานถูกต้อง (คำอธิบายกระบวนการ) และป้องกันไม่ให้ภาพหลอนทางดิจิทัลเกิดขึ้นตั้งแต่แรก
ข้อผิดพลาดทั่วไป
- “การถาม” AI สำหรับค่าส่วนประกอบ/การออกแบบ กระแสไฟจ่าย อิมพีแดนซ์ ความถี่คัตออฟมาจากเอกสารข้อมูลและการวัดเท่านั้น
- การใช้มาตรามาตรฐาน/กฎหมายโดยไม่ยืนยัน หมายเลขรายการ ค่าตาราง และการปล่อย มักมีอาการประสาทหลอน
- อ้างอิงการตัดสินใจด้านการปฏิบัติตามข้อกำหนด/ความปลอดภัยจากเอาท์พุต AI การปฏิบัติตามข้อกำหนดของ EMC การอนุญาตการออกอากาศ ความสามารถในการให้บริการเป็นงานของวิศวกรผู้มีความสามารถและการทดสอบที่ได้รับการรับรอง
- การวางข้อมูลที่ละเอียดอ่อนลงในเครื่องมือคลาวด์โดยไม่เปิดเผยชื่อ PCB/เฟิร์มแวร์ โทโพโลยีของลูกค้า และข้อมูลสมาชิกเป็นความลับทางการค้าและข้อมูลส่วนบุคคล
- รอหนึ่งคำถามและหนึ่งคำตอบ ใช้ AI ซ้ำ: ร่าง วิจารณ์ จำลอง วัดผล ปรับแต่ง
ข้อควรระวัง: ยิ่งตัวเลขปรากฏในเอาต์พุต AI ที่แม่นยำและมั่นใจมากเท่าใด ความจำเป็นในการตรวจสอบก็จะยิ่งสูงขึ้นเท่านั้น ความแม่นยำไม่ได้รับประกันความถูกต้อง
โดยสรุป
ในหน่วยนี้ คุณได้เห็นแล้วว่า AI เป็นตัวช่วยในด้านอิเล็กทรอนิกส์/การสื่อสาร ไม่ใช่ผู้มีอำนาจตัดสินใจ LLM เป็นตัวประมาณค่าภาษาและโค้ด มีประสิทธิภาพในการชี้แจงแนวคิด โครงร่างโค้ด/เฟิร์มแวร์ การล้างข้อมูล และการสร้างสมมติฐาน แต่มีความเสี่ยงในการสร้างมูลค่าส่วนประกอบที่แม่นยำและสสารมาตรฐาน (ภาพหลอน) จำแนกงานเป็นต่ำ/กลาง/สูง/วิกฤต และปรับความลึกในการตรวจสอบให้เหมาะสม ตรวจสอบค่าตัวเลขแต่ละค่าจากเอกสารข้อมูลหรือการวัด และการอ้างอิงมาตรฐานแต่ละรายการจากแหล่งข้อมูลอย่างเป็นทางการ การตัดสินใจด้านการปฏิบัติตามกฎระเบียบและความปลอดภัยที่สำคัญยังคงเป็นของวิศวกรที่ผ่านการรับรองเสมอ และจะไม่ระบุชื่อการออกแบบที่ละเอียดอ่อน/ข้อมูลลูกค้าก่อนใช้งาน
งานสมัคร
เลือกห้างานจากงานของคุณเอง (หรือโครงการอิเล็กทรอนิกส์ในจินตนาการ): คำอธิบายแนวคิด การล้างข้อมูล รายการสมมติฐานความล้มเหลว ค่าส่วนประกอบ/ตัวเลข และคำถามด้านกฎระเบียบ/มาตรฐาน วางแต่ละรายการไว้ในตารางความเสี่ยงด้านบน จากนั้นมอบหมายงานที่มีความเสี่ยงต่ำ/ปานกลางสองงานให้กับ AI ด้วยเทมเพลต "บทบาทและขอบเขต" และทำเครื่องหมายองค์ประกอบตัวเลข/มาตรฐานแต่ละรายการของเอาต์พุตด้วยเทมเพลต "รายการตรวจสอบการตรวจสอบ" จดบันทึกว่าองค์ประกอบใดที่ไม่สามารถนำมาใช้ได้หากไม่มีการตรวจสอบ
รายการตรวจสอบ
- [ ] ฉันวางภารกิจไว้ที่ระดับความเสี่ยง (ต่ำ/กลาง/สูง/วิกฤต) ก่อนที่จะใช้งาน
- [ ] ฉันได้รับค่าส่วนประกอบ/การออกแบบจากเอกสารข้อมูลและการวัดแทนที่จะถาม AI
- [ ] ฉันได้ตรวจสอบการอ้างอิงมาตรฐาน/กฎระเบียบแต่ละรายการจากแหล่งที่มาอย่างเป็นทางการแล้ว (เวอร์ชันที่ถูกต้อง)
- [ ] ฉันไม่ระบุชื่อข้อมูลที่ละเอียดอ่อน (PCB/เฟิร์มแวร์ ลูกค้า IP/MAC ผู้สมัครสมาชิก)
- [ ] ฉันมอบการตัดสินใจเรื่องความเข้ากันได้/ความปลอดภัยที่สำคัญให้กับวิศวกรที่มีคุณสมบัติและผู้ทดสอบที่ได้รับการรับรอง
- [ ] ฉันสแกนค่าตัวเลขทุกค่าในเอาต์พุต AI เพื่อหา "ไม่สามารถใช้งานได้หากไม่มีการตรวจสอบ"