В свете чудес, какие ИИ вытворяет с кодом, решил поупражняться с его применением к САПР-у ПП - подключил Altium через EDA Agent MCP к Deepseek.
Мысленно представлял себе как промтами буду "горы ворочать" :) ... в сети ведь полно новостей как ИИ целиком платы проектируют ...
Первый результат оказался полнейшим разочарованием :(
Элементарная просьба переразвести цепь вылилась:
1) EDA agent MCP раз десять вывалился в ошибку, но тут Deepseek сам исправил исходники MCP
2) затем EDA agent MCP, на перезаливке полигонов и DRC еще ошибок пять повыскакивало и было исправлено
3) трассировка прошла примерно в 5 итераций, заняла примерно !!!15!!! минут времени, результат - страшненькая, корявенькая, превращающая ПП в дуршлаг цепь :(
4) по счетчику токенов-цены вся сессия: 55М-0,9usd (53М попало в кеш, в противном случае, эта сессия обошлась бы в 8,5usd!!!, правда на сам роутинг цепи ушло ~15%)
Кстати, совсем первый эксперимент строился на взаимодействии EDA agent MCP с Claude (модель бесплатной версии), он пару минут шипел-пыхтел и выдал сообщение "я не смог развести цепь, но случайно удалил сегмент другой цепи, ты нажми кнопку отмены а то у меня прав на это нет" :)
Результат быстрого поиска не особо интересуют, eda-client через mcp к api ИИ, это уже результат медленного поиска :)
Мне сына заявил что "дипсик это олдово, дипсик это не в кайф" и надо использовать gpt ...
Моя интуиция мне подсказывает, что любая "обычная" модель будет вырисовывать дичь вместо цепей и их надо фантюнить для роутинга (судя по всему, что и проделано и завернуто в красивую оболочку представленных выше платных сервисов) ...
Но ради эксперимента попробовал повторить разводку этой же цепи моделькой deepseek-v4-pro (до этого была deepseek-v4-flash) токен которой в 3 раза дороже.
Этот жук, на просьбы переразвести цепь, просто прокладывал ее по старому месту, я трижды формировал ему по разному запрос и в итоге он мне заявил "«более оптимальный» маршрут физически невозможен", что естественно не является правдой (либо я достиг категории "божество" в роутинге :)
Быстрый поиск говорит что LLM проигрывают специальным движкам трассировки на базе RL - обучение с подкреплением.
В основе Quilter лежит RL-агент, который учится проектировать платы, исследуя миллионы возможных вариантов компоновки и трассировки. Ключевое отличие от традиционных алгоритмов в том, что наградой для агента служит не просто завершение трассировки, а её физическая корректность.
Обучение на физике, а не на человеческих примерах: Quilter тренируется на синтетических данных, сгенерированных симуляцией, а не на существующих проектах людей. Модель обучается «с первых принципов» — на законах электромагнетизма, термодинамики и распространения сигналов.
Генерация и оценка миллионов кандидатов: Система генерирует миллионы возможных компоновок, оценивает их физические побочные эффекты и учится на этом сигнале, чтобы находить всё лучшие решения.
Решение как задача оптимизации: Quilter рассматривает размещение и трассировку не как последовательность шагов, а как единую задачу оптимизации с ограничениями, что позволяет находить сбалансированные решения
Я охотно верю в этот сгенерированный ИИ отчет, который можно перефразировать "чего вы дурачки ездите на ладе - покупайте мерседес!".
Продолжаю экспериментировать и уже даже не хихикаю, а просто ржу!
Крайний перл - ии корячился с разведением цепи минут 10, потом зачем то удалил пин с которого цепь начиналась, потом "ой, развести не возможно", залез в архив, нашел старую версию в которой эта цепь есть и сказал что разводка завершена :)))
суть в том что deeppcb специальный решатель с обучением, llm используется для разбора команд на человеческом языке а трассирует специальный движок, это разные нейросети.
08.10.2026 13:11 
08.10.2026 13:14
