前三周用数字FAE做了三个方案——智能戒指、机器人电机驱动、智能眼镜。本来想试试AI方案设计工具能不能提速，结果跑下来有些环节确实快了，有些环节还是得靠自己。把过程中踩的坑和摸索出的提问技巧整理一下，给同样在做方案选型的人参考。

数字FAE体验入口：https://www.xcc.com/fae/chat

一、数字FAE表现最好的3个环节

1. BOM生成——最省时间的一个环节

三个方案跑下来，数字FAE在BOM生成环节的优势最明显。智能眼镜方案一次性出了24项器件的BOM表，包含具体型号、替代料、参考价格、采购链接。传统做法这部分要翻datasheet、查库存、对参数、做对比表，顺利的话半天，不顺利两三天。数字FAE几分钟出表，我只需要在它基础上做调整和验证。

2. 方案框图——比我手画版更完整

智能眼镜方案的框图让我印象比较深。我原本手画的架构图只覆盖了电致变色镜片驱动、音频和电源三条线，数字FAE的框图里多出了摄像头/ISP模组的通路——这块我之前没规划进去。不是说FAE比我聪明，而是它的器件库里对智能眼镜的典型架构有积累，能覆盖到我遗漏的子系统。当然框图画得完整不代表设计就对了，但至少在方案初期帮我发现了一个盲区。

3. 纠错能力——直接指出不存在的料号

智能眼镜方案里有个意外收获。我在需求描述里写了一个参考芯片型号"MAX77517"，数字FAE在输出里直接指出这个料号在产品序列里不存在，最接近的是MAX775/774/776系列，并给了已验证的MAX775CSA+T作为替代。还解释了拆成MAX775（负压发生器）+MAX14589（极性切换开关）的方案逻辑。这种纠错能力是通用大模型做不到的——通用模型会顺着你的错误型号往下编。

二、数字FAE还需要人工补的3个环节

1. 通用器件选型——BOM里的[TBD]

三个方案的BOM里，通用器件（USB-C连接器、锂电池、扬声器、MEMS麦克风、Pogo Pin等）都标了[TBD]，给了规格要求但没锁型号。这些器件需要自己按参数补选——规格要求FAE给了，但具体选哪个厂家、什么封装，还得自己查库存和价格。这部分不算大工作量，但要知道FAE不会帮你全选完。

2. 工程验证——纹波/功耗/EMI/热设计

数字FAE给的是baseline方案，工程验证这块完全得自己做。比如智能眼镜方案里，电致变色镜片驱动的负压纹波、双路音频的功耗、电池均衡的响应速度、主控算力分配——这些FAE给不了答案，只能上板实测。FAE省下来的是选型和搭架构的时间，省下来的时间正好全压到这些工程难点上。

3. 成本优化——BOM是baseline价，量产价要自己谈

BOM里的参考价格是baseline，量产价和采购渠道要自己根据量去谈。尤其是国产替代料，不同渠道价格差异不小。数字FAE给的替代料推荐有价值，但最终用不用、从哪采购，还得结合项目实际情况判断。

三、提问技巧——三个案例对比（核心经验）

三个方案跑下来最大的感受：数字FAE输出的质量，很大程度上取决于你输入的需求描述写得有多具体。把三个案例的输入和输出对比一下：

案例1：智能戒指——需求太笼统，输出偏通用

智能戒指方案第一次跑的时候，需求描述只写了"NFC充电、低功耗蓝牙、紧凑外形、数据加密"这些笼统关键词。出来的方案基本是对的，但器件选型偏通用——给的蓝牙SoC和电源芯片都是中规中矩的标准方案，没有针对戒指这种超小外形做优化。后来补了电池容量（<50mAh）、待机目标（>7天）、封装约束（芯片高度<1mm）这些硬指标后，第二版输出明显精准了很多。

之前用数字FAE做智能戒指方案的完整记录在这里：https://blog.csdn.net/Tttttrasy/article/details/162969140?spm=1001.2014.3001.5502

案例2：机器人电机驱动——参数写清楚，直接出搭配方案

电机驱动这篇就顺畅多了。需求描述里直接写了：关节扭矩0.5Nm、转速200rpm、7.4V电池供电、功率10W以内、位置控制精度1°以内、需要FOC控制、主控要求带硬件FPU的Cortex-M4、位置反馈用磁编码器。数字FAE直接出了一套包含电机、驱动芯片和MCU的baseline方案，不用反复调整。

机器人电机驱动选型的完整文章在这里：https://blog.csdn.net/Tttttrasy/article/details/163357302?spm=1001.2014.3001.5502

案例3：智能眼镜——参考型号写进去，FAE不仅采纳还纠正了错误

智能眼镜方案我学到的最大一课：把参考芯片型号写进需求描述。我在输入里写了MAX77517（电致变色驱动）、MAX98361（D类功放）、MAX17335（电量计）三个参考型号。结果数字FAE不仅采纳了后两个，还直接指出MAX77517不存在并给了替代方案——MAX775做负压发生器+MAX14589做极性切换开关。这说明FAE的器件库有料号校验能力，你给的参考型号越准，它的匹配和纠错能力越能发挥。

智能眼镜方案的完整拆解在这里：https://blog.csdn.net/Tttttrasy/article/details/163354096?spm=1001.2014.3001.5502

结论：需求描述越具体，数字FAE输出越精准。具体到什么程度？三个层次的优先级：硬指标参数（电压/电流/功率/精度）> 参考芯片型号 > 笼统功能描述。有硬指标就写硬指标，有参考型号就写参考型号，两者都有最好——FAE的器件库匹配+纠错能力能充分发挥。

四、数字FAE适合vs不太适合的场景

比较适合的3种场景：

•      多器件搭配方案：比如智能眼镜（MCU+音频+电源+显示+传感）、机器人关节驱动（电机+驱动+MCU+编码器），子系统多、器件间有约束关系的方案，FAE的搭配逻辑比逐个查参数高效

•      需要替代料推荐：BOM里直接给替代料和参考价格，对做国产替代或成本优化的项目有价值

•      快速出baseline：项目初期需要快速搭一版架构做可行性评估，FAE几分钟出方案比手工搭快太多

不太适合的2种场景：

•      单一器件深度选型：如果你只需要选一颗LDO或一颗运放，FAE的价值有限——这种场景翻datasheet做参数对比更直接

•      需要热设计/EMC分析：FAE给的是器件选型和架构，热设计和EMC需要根据实际PCB布局和工况分析，这块FAE覆盖不到

结尾

三个方案跑下来，数字FAE作为方案设计工具，定位很清楚——快速出baseline，省下选型和搭架构的时间。但工程验证、成本优化、通用器件补选这些环节还是得靠人。工具是效率放大器，核心判断还是得自己来。

如果你正在做芯片选型或方案设计，有具体问题可以评论区留言——比如你的应用场景是什么、有哪些约束条件，我帮看看怎么拆解需求、怎么写FAE输入指令更精准。三个方案的FAE输入指令我都放在对应文章里了，想自己试的可以直接复制。