收益：
- 能够区分人工智能在电路、电源和嵌入式系统工作中哪些地方正在加速以及哪些地方存在风险
- 能够解释为什么在涉及生命和财产安全的电力工程中必须进行验证和工程师批准。
- 能够将人工智能输出作为要审核的草稿输入，而不是作为工程判断的替代品
当你观察电气和电子工程师的一天时，大多数团队中出现的画面都是相似的：阅读数据表、填写电子表格、编写和调试代码、绘制原理图、搜索标准、准备测试报告、电子邮件和会议。换句话说，用于实际“工程”部分的时间，即安全、准确地设计系统的判断，在重复性工作下被压垮了。这就是人工智能发挥作用的地方。人工智能不会为你做设计，而是为你做设计。它帮助您做好设计准备、生成草稿、加快计算速度并将处理后的信息提供给您进行决策。在本单元中，我们将阐明人工智能在电气电子工作流程的哪些阶段增加了真正的价值，哪些决定绝对应该由工程师决定，以及在执行此操作时必须遵守的安全纪律。目标很明确：将人工智能定位为一个训练有素的助手，而不是“自动设计师”，其输出每次都会得到验证。
哪些业务是AI加速器，哪些业务有风险？
电气和电子作品的结果分为两部分。一方面是可撤销的、低风险的办公室工作；另一端，则有直接影响生命财产安全的不可逆转的决定。人工智能的价值取决于你在这个领域的立场。
业务类型
人工智能贡献
工程师的角色
数据表/标准摘要
从长文档中删除相关项目
从官方来源验证值
代码草案（MCU、Python）
骨架和函数生成
注册、计时、测试验证
账户前期工作
公式设置，第一个数字
单位、等级、标准控制
文档
报告/BOM/测试程序草案
技术准确性和术语
保护协调
建议、场景
最终选择和批准
调试
清单草案
现场测量和签名
规则很简单：AI输出的风险等于输出出错时造成的伤害。轴标签拼写错误是无害的；错误计算断路器电流设置可能会导致火灾。因此，在使用输出之前要问的第一个问题是：“如果这是错误的，会发生什么？谁会注意到？”
注意：人工智能可生成流畅且自信的文本。流畅性并不能保证准确性。即使没有真实数据，语言模型也可以“编造”（幻觉）可信的公式、项目编号和数据表值。在电力领域，这不再停留在纸上；导致现场故障、损坏或事故。
应留给工程师的决定
有些决策永远不应该完全自动化。这些会带来技术、法律和道德风险：
- 安全关键选择：断路器/熔断器额定值、保护协调、接地和绝缘等级。
- 调试和通电：首次向电路板、电机或电路板电源线施加电压的决定。
- 标准符合性声明：“本设计符合相关标准”的声明需要工程师签名。
- 与人体接触的值：剩余电流保护阈值、接触电压、EMC/EMF限值。
警告：即使 AI 生成的计算结果类似于“50 A 断路器就足够了”，但在没有工程师通过短路电流、选择性和电缆强度进行验证的情况下应用它也是不可接受的。每个安全关键输出在实施前必须经过授权工程师的独立验证和批准。
验证规则：三层控制
要通过编辑和审核员的眼睛而不是盲目地使用 AI 输出，请应用三层控制：
- 单位和排名（健全性检查）：结果的单位是否正确？物理尺寸是否合理？如果100kVA的变压器有500kW的损耗，则说明某个地方有故障。
- 独立重现：使用计算器或简短的 Python/SPICE 运行手动重现计算。如果两种不同的方法给出相同的结果，信任就会增加。
- 标准和来源验证：AI 给出的每个项目编号、数据表值和限制都必须从官方来源逐字确认。
验证提示（使检查输出变得更容易）：“清楚地列出您在计算以下内容时使用的所有假设、公式和单位。在单独的行上显示每个中间步骤。用“需要源”标签标记您使用的标准值或数据表编号；不要编写任何您不确定的数字。”
弱提示/强提示
弱：“告诉我适合该电机的电缆横截面。”（结果：没有上下文的单个数字；不清楚假定哪种电流、长度、安装方法和电压降限制。）强：“初步计算以下条件下的铜电缆横截面并显示步骤：- 电机：15 kW，400 V，三相，cosφ 0.85，效率 0.90- 电缆长度：60 m，导管安装，环境35℃-允许电压降：3% 分别计算电流、电压降和热载流能力，注意需要用相关标准表验证结果；不做明确的选择说明。
不同之处在于，强提示同时给出了模型的实际输入和边界（不做声明，显示步骤）。这使得输出可审计。
迷你包
嵌入式系统工程师 Deniz 将温度测量卡的 ADC 读取代码打印到 AI。 AI 建立公式，假设 12 位 ADC 的参考电压为 5 V。Deniz 打开卡的数据表；参考电压实际上是 3.3 V。AI 假设为 5 V，则每次测量读数都会有大约 50% 的偏差。海修复了参考，将代码上传到卡上，并将读数与已知温度下的实际温度计进行比较。人工智能赋予速度；海洋通过验证假设并通过测量确认它来增加可信度。如果盲目信任人工智能，错误就会被带到现场。
常见错误
- 毫无疑问地接受人工智能的假设（参考电压、温度、导体类型）。
- 在未经验证的情况下应用安全关键值（断路器、保护、接地）。
- 没有注意到虚构的数据表编号和标准项目编号。
- 假设代码“有效”而无需在硬件中进行测量。
- 绕过音量控制；忽略V、A、W、VA、VAR的混乱。
- 用人工智能输出代替工程审批。
提示：问每个人工智能输出以下三个问题：（1）它做出这个结论的假设是什么，这些假设是否正确？ (2) 我是否以独立的方式转载了这个？ （3）这是否对安全至关重要？如果是，我是否得到了权威机构的验证和批准？如果这三个都清楚，则继续。
综上所述
- 人工智能在电气和电子工程的准备、计算、编码和文档阶段增加了速度和规模；但他不是决策者。
- 结果的风险等于犯错误时造成的损失；安全关键工作需要独立验证和工程师批准。
- 流动文本不是正确的文本；每个假设、数字和标准值都必须经过验证。
- 三层控制（单位/等级、独立复制、来源验证）使输出可靠。
- 强大的提示将实际输入和边界一起提供给模型。
- 将人工智能定位为“每个输出都受到监控的快速助手”。
应用任务
让人工智能从头开始解决您最近所做的计算（电缆横截面、电阻器选择、功率损耗等）。然后将输出中的每个假设和数字提取到一个列表中；为每个决定“已验证/所需资源/有缺陷”。手动或通过简短的 Python 运行自行重现计算，并比较两个结果。如果不同，找出原因。这项练习培养了在遵守审计纪律的情况下使用人工智能的习惯。