• 参赛学校：清华大学

• 参赛队名： MVP

• 指导老师：李锡涵

• 团队成员：张振尧 王海翔 白乐航 范瑶 何佳蕊

• 项目介绍视频地址：https://github.com/CircuitGen/PCBTool/blob/main/video.mp4

副标题：清华MVP团队用PCBTool.ai，赋予大模型硬件开发“上帝模式”

电路设计领域长期存在的专业门槛、研发周期长、试错成本高等痛点严重制约了创新速度。据麦肯锡数据，全球电子产品研发投入每年超过5000亿美元，其中约40%的成本和时间消耗在电路设计环节。特别是在智能制造、新能源、医疗电子等新兴领域，对电路设计效率的需求愈发迫切。为突破这一瓶颈，我们开发了一款基于大规模语言模型的智能电路工程生成系统。该系统整合了深度学习、知识图谱和自动化设计等前沿技术，实现了从需求理解到工程交付的全流程智能化：

• 多模态理解：融合LLM ，支持文本、图像等多种形式的需求输入
• 知识增强推理：构建包含数十万电路设计案例的知识库，结合RAG技术实现精准的设计决策
• 并行方案生成： 同时生成多个可行方案并进行多维度对比
• 全周期自动化：覆盖原理图设计、元器件选型、代码生成、文档制作等全部环节
• 可解释性设计：提供详实的设计推理过程，支持交互式方案优化

1. 精确的领域知识理解与推理能力
2. 高效的多方案生成和对比分析
3. 接近专家水平的设计评审质量
4. 显著的成本和时间节省

• 降低智能硬件创新门槛，加速产品从概念到产品化的过程
• 提升工程师设计效率，实现设计知识的传承与复用
• 为电子工程教育提供智能化工具支持
• 推动智能制造领域的数字化转型

• 将电子产品的研发周期缩短50%以上
• 降低80%以上的设计试错成本
• 使电路设计门槛降低到高中生可掌握的水平

在"中国制造2025"和全球智能化浪潮的背景下，本项目将为智能硬件创新提供强有力的工具支持，推动电子技术的普及与创新发展。

• 双模态输入理解

  • 支持文本和图像双模态输入，通过NIM模型进行多模态特征融合
  • 针对电路图像开发专门的图像预处理管道，提高元器件识别准确率
  • 使用Prompt Engineering优化模型对专业领域知识的理解能力

• 知识增强的智能推理

  • 构建超过一万个电路设计案例的知识库
  • 利用RAG技术实现知识检索增强的推理能力
  • 支持跨语言、跨领域的电路知识理解和迁移

• 并行方案生成

  • 基于蒙特卡洛树搜索(MCTS)的电路方案生成算法
  • 同时生成多个可行方案并进行多维度对比
  • 支持成本、性能、可靠性等多目标优化

• 智能元器件选型

  • 开发基于深度学习的元器件兼容性检查系统
  • 实现自动化的BOM清单生成和优化
  • 集成全球主流电子元器件供应链数据

• 全流程自动化

  • 从需求文档到工程文件的端到端自动化生成
  • 支持原理图、PCB布局、代码等多种工程文件格式
  • 自动生成详细的部署文档和教程

• 代码智能生成

  • 基于需求自动生成符合规范的嵌入式代码
  • 支持多种主控平台（Arduino、ESP32等）
  • 集成代码质量检查和优化建议

• 实时反馈机制

  • 开发基于Gradio的交互式Web界面
  • 支持实时预览和方案调整
  • 提供详细的设计推理过程可视化

• 智能成本优化

  • 集成多个电子元器件交易平台的实时价格数据
  • 自动推荐最优性价比的元器件组合
  • 支持预算约束下的方案优化

• NIM模型优化

  • 针对电路设计领域对NIM模型进行微调
  • 使用TensorRT实现推理加速

• 分布式计算支持

  • 利用NVIDIA NCCL实现多GPU训练
  • 支持模型并行和数据并行
  • 优化大规模知识库的检索效率

我们的系统通过这些创新，实现了电路设计全流程的智能化和自动化，显著提升了设计效率和质量。

本项目主要利用NVIDIA NIM大语言模型构建了一个全流程的电路设计辅助系统。通过与NIM API的深度集成，实现了多模态输入理解和多形式内容生成：

• 输入形式：支持文本描述和图片输入
• 处理流程：
  • 利用NIM的多模态能力识别和理解用户输入
  • 通过提示词工程将非结构化需求转换为标准格式
  • 生成包含项目名称、描述、主控类型、传感器需求等完整的需求文档

completion = client.chat.completions.create(
    model="deepseek-ai/deepseek-r1",
    messages=[{"role": "user", "content": prompt}],
    temperature=0.3,
    top_p=0.7
)

• RAG增强推理：

  • 构建包含元器件数据、电路案例的知识库
  • 通过NIM检索和分析相关案例
  • 智能推荐最优元器件组合

• 输出形式：生成标准化的BOM表格文件

元器件型号,元器件种类,数量
Arduino Uno R3,主控芯片,1
5mm LED,执行器,6
220Ω 1/4W Resistor,无源器件,6

• 可视化输出：

  • 利用schemdraw库自动生成电路原理图
  • 支持交互式电路图预览和修改

• 代码生成：

  • 基于需求文档自动生成嵌入式代码
  • 包含完整的引脚定义和功能实现
  • 支持代码注释和使用说明

• 多模态输出：
  • 文本格式的详细部署指南
  • 语音格式的指导说明（通过gTTS实现）
  • 图文结合的接线教程

def generate_deployment_guide(requirement_doc, bom_data):
    prompt = f"""【部署指南生成提示】
    基于以下需求文档：{requirement_doc}
    以及BOM数据：{bom_data}
    请生成500字左右的详细部署指南..."""
    
    completion = client.chat.completions.create(
        model="deepseek-ai/deepseek-r1",
        messages=[{"role": "user", "content": prompt}]
    )

基于Gradio框架构建了直观的Web界面，实现了：

• 模块化分区：划分输入区、分析区、代码区、部署区四大功能模块
• 响应式布局：通过gr.Row()和gr.Column()实现自适应显示
• 层级清晰：使用gr.Markdown添加分隔线和标题标识

• 专业配色方案
  • 科技蓝(#1565C0)主色调
  • 浅灰(#F5F5F5)背景色
  • 绿色(#4CAF50)强调色
• 动态交互反馈
  • 进度条动画
  • 按钮点击效果
  • 实时数据更新

• 深度推理进度实时展示
• 多方案并行对比分析
• 成本估算和优化建议
• 电路图实时预览
• 代码同步显示
• 一键生成完整工程文件

我们是一支充满激情和专业实力的跨学科团队,汇集了人工智能、电子工程、视觉设计等多个领域的专业人才:

• 张振尧 (项目负责人)

  • 在校创业者,中关村高新技术企业创始人
  • 主导项目整体架构设计
  • 负责核心电路设计算法研发

• 王海翔 (技术负责人)

  • 视觉中国签约摄影师
  • 优化自动化设计流程
  • 构建电路领域知识图谱

• 白乐航 (算法专家)

  • 知名游戏公司算法负责人
  • 设计并行方案生成算法
  • 负责多模态模型训练

• 范瑶 (全栈工程师)

  • CS专业研究生
  • 负责UI/UX设计实现
  • 主导数据治理工作

• 何佳蕊 (领域专家)

  • 清华大学集成电路专业研究生
  • 优化电路设计算法
  • 提供专业领域知识支持

• 指导老师：李锡涵（Xihan Li）

  • 《简明的 TensorFlow 2》作者
  • 谷歌开发者专家
  • Circuit Transformer作者

• AI应用开发：

  • 深入学习了NVIDIA NIM的Prompt工程和RAG应用
  • 掌握了大模型在专业领域的微调和知识注入技术
  • 实践了多模态模型在工程领域的具体应用

• 电路设计自动化：

  • 掌握了电路原理图的程序化生成方法
  • 学会了使用schemdraw等专业库进行可视化
  • 建立了完整的元器件知识库管理系统

• 工程实践：

  • 完成了从需求理解到代码生成的全流程开发
  • 实现了基于Gradio的交互式Web应用开发
  • 提升了项目架构设计和工程化能力

• 比赛周期较短，部分高级功能未能完全实现
• 元器件数据库的覆盖范围还需扩充
• 受限于计算资源，无法进行更大规模的模型训练
• 项目预算有限，难以尝试更多高端元器件方案

• 期待AI技术能真正降低电路设计门槛
• 帮助更多学生快速入门电路设计,推动创客教育和STEAM课程发展
• 降低智能硬件创新的试错成本,助力2025"中国制造"向"中国创造"转型