如何让AI Agent稳定干活:easyeda-agent的EDA工作流Skill设计与样例契约完整指南
如何让AI Agent稳定干活:easyeda-agent的EDA工作流Skill设计与样例契约完整指南
在让 AI Agent 自动设计电路这件事上,多数尝试都栽在同一个坑里:模型会说"我画好了",但打开工程一看,引脚没连上、器件飞出板框。easyeda-agent 正是为解决 AI Agent + EDA 工作流 的可靠性而生:它是嘉立创 EDA 专业版(EasyEDA Pro)的自动化套件,通过 typed 原理图/PCB 动作,以 CLI、Agent Skill、stdio MCP 三形态融合接入,让 AI Agent 能真实地读数据、改图纸、回读验证并保存。本文拆解它的 Skill 设计与样例契约,看看一条"需求 → 参数化设计 → 回读修正"的闭环工作流是怎么让 Agent 从"碰运气"变成"可验收"的。
一、为什么 AI Agent 在 EDA 场景容易"翻车"?
画图是强视觉、强约束的任务:连线要逐引脚核对、布局要满足机械与电气规则、坐标单位混用就会整体跑偏。常见翻车模式有三类:
- 幻觉执行:模型声称完成了写入,实际没调用任何真实接口;
- 坐标搬运:把某个案例里的绝对坐标直接抄到新板上,结果器件出框;
- 虚假验证:离线测试通过就当作现场完成,重开文档后一切回到原样。
easyeda-agent 的 Skill 设计就是针对这三个问题逐条设防:只用 typed 动作写入、样例强制参数化、验证状态分级留痕。
二、Skill 设计:短入口 + 按需读取
Skill 是整个设计的"大脑"。它的主入口 SKILL.md 刻意保持短小(目标约 60–90 行),只保留四样东西:
- 工作循环:Agent 每一轮任务遵循的固定节奏;
- 任务路由:当前任务该去读哪份参考文档;
- 不可省略的事实:单位、坐标语义、禁止事项等硬约束;
- 验证状态定义:什么才算"做完了"。
具体知识(选型、布线规则、建库方法、样例案例)拆到 references/ 目录,按任务加载,避免每次对话都吞下整本手册。这一思路在 docs/skill-design.md 中有完整说明,目标是让首次必要阅读量下降约 60%。
Agent 每轮任务遵循的工作循环是:
需求与真实数据 → 参数化设计 → 校验与预览 → typed 执行 → 实际回读 → 修正源数据
关键点在于"回读":部分成功、超时或 ID 失效时,Agent 必须先读回实际状态,再修源数据重算,而不是盲目重试。这就是"稳定干活"的第一个支柱——每一步都有事实依据,而不是模型的记忆。
三、样例契约:7 要素 + 3 级验证状态
easyeda-agent 最有特色的设计是样例契约:每个可复用样例必须包含七类信息,缺一不可——
| # | 要素 | 作用 |
|---|---|---|
| 1 | 解决的问题、适用场景和来源页码 | 防止样例被挪用到错误场景 |
| 2 | 开始状态与必须读取的新鲜对象 | 保证可复现的起点 |
| 3 | 可修改参数、单位、坐标与 anchor 语义 | 参数化,而非抄坐标 |
| 4 | 实际执行过的命令;未执行的明确标出 | 杜绝"纸上谈兵" |
| 5 | 完成后的数据回读与必要局部图 | 用事实代替"看起来对" |
| 6 | 这样安排的理由、真实错误和修法 | 沉淀踩坑经验 |
| 7 | 独立验证记录及未覆盖部分 | 明确边界,不夸大 |
配合的是三级验证状态(见 docs/skill-design.md):
source-only:只有题面或手册依据,尚未执行;offline-verified:数据、换算或命令签名已离线核对;live-verified:在真实 EasyEDA 文档执行,并完成 save → reload → readback。
文档修改、源码存在和离线测试都不能单独标记为 live-verified。这个规则直接消灭了"虚假验证"问题:状态只能被证据升级,不能被措辞升级。
机器可读的样例目录
样例不止是文档,还是结构化数据。以 260919 AT32F415 学习板为例,example-catalog.json 把 36 个技术点(SCH/PCB/LAY/RTE/FIN)拆成来源、参数、步骤、观测、错误修法和验证状态六个字段,Agent 可以逐项核对、逐项迁移。样例总索引见 examples/index.md。
四、工作流闭环:从需求到成板的真实效果
有了短入口和样例契约,Agent 的完整流程就落在两条链路上:原理图 S0–S6(需求 → 快照 → 连接数据 → 参数化几何 → Apply → 核对 → 保存)与 PCB P0–P10(导入 → 板框 → 机械 → 布局 → 关键网 → 普通信号 → 终检),完整步骤见 design-flow.md。
下面是这套工作流跑出来的真实成果:
值得注意的细节:同一张样例板可以反复"换题"。验证时,项目用三种方式检验样例是否自包含:步骤核查(验证者只看原题要求和实际结果)、独立照做(新验证者仅凭打包 Skill 执行)、迁移测试(调整板尺寸、线宽等自由参数,确认规则没被写死)。
五、动手试试:接入你的 AI 客户端
easyeda-agent 由四个部件组成:本地 easyeda CLI/daemon、跑在 EasyEDA 内的连接器插件(.eext)、AI 客户端中的 Skill,以及作为宿主的 EasyEDA Pro。安装一条命令完成(脚本会同时装 CLI 和 Skill),随后启动 easyeda daemon、导入连接器、在设置中开启「允许外部交互」即可,完整 5 步见 quick-start.md。
在支持 Skill 的 AI 客户端中执行 /easyeda-agent,就可以让它按上述闭环干活;支持 MCP 的客户端也可注册仓库内的 stdio 适配层——注意 MCP 只是可选调用入口,仍走同一套 typed action、审计与事实检查,不会引入第二套状态。
六、小结:稳定干活的三个支柱
| 支柱 | 设计手段 | 解决的问题 |
|---|---|---|
| 短入口 + 按需读取 | SKILL.md 只留循环与路由 | 上下文污染、指令漂移 |
| typed 动作 + 现场回读 | 只用 Cobra 子命令 / easyeda apply 写入,执行后回读对账 |
幻觉执行 |
| 样例契约 + 分级验证状态 | 7 要素必填,状态只能被证据升级 | 坐标搬运、虚假验证 |
这套思路不止适用于 EDA:先让 Agent 的每一步都有数据契约和回读证据,"稳定干活"就不是玄学,而是工程。如果你想继续深入,推荐阅读 docs/skill-design.md、docs/agent-collaboration.md 与样例库 references/examples/。



