CircuitAgent Community Edition · 把提示词变成可制造的电路 Skill 技能

技能简介

CircuitAgent Community Edition 是 CircuitAgent 的开源社区层，把硬件设计从「LLM 自由发挥」拉回到「预验证积木 + 数据契约」的工程范式。它通过硬件 DSL、LCSC 实时选型客户端与网络表契约，让 LLM 只能在一个被工程上验证过的「电路积木集合」（电阻、电容、常见 IC 模块）里组装电路，从而避免直接生成走线时常见的非法几何、引脚短路或封装错误。最终产物可以一键导出为 KiCad 工程、BOM 物料清单与制造文件，从 Prompt 走到可制造的硬件。

核心能力

• 硬件 DSL：用结构化 YAML/JSON 描述电路需求，而非让 LLM 直接生成网表
• LCSC 实时选型：内置 LCSC 元器件库客户端，AI 选型时实时查询库存、价格、规格书
• 网络表契约（Netlist Contracts）：以强类型 schema 约束模块间连接，违反立即报错
• 预验证积木库：19+ 经过单元测试的电路积木（电源、运放、单片机外围等），正确性优先于覆盖度
• KiCad 工程导出：直接生成 .kicad_pcb / .kicad_sch，工程师可在 KiCad 中继续手工精修
• BOM 自动生成：导出制造级 BOM，含位号、封装、LCSC 编号、采购链接
• 3D 外壳生成：基于电路板尺寸自动给出 3D 外壳草图，便于快速评估
• DFX 工业规则：内置 DFM（可制造性）/ DFT（可测试性）规则检查

安装配置

• 通过 pip install circuit-agent-client 安装（需 Python ≥ 3.10，当前 0.2.4 alpha）
• 安装 KiCad 7+ 用于打开导出的工程文件（可选但推荐）
• 设置环境变量 CIRCUIT_AGENT_LCSC_TOKEN（可选，未配置也能用但选型受限速）
• 可选：把 KiCad 模板目录软链到 ~/.config/circuit-agent/templates/
• MCP 客户端接入：在 MCP 配置里把 circuit-agent 注册为 tool server，调用 compile_dsl / export_kicad

使用步骤

1. pip install circuit-agent-client 安装，运行 circuit-agent --version 确认版本
2. 用项目根目录的 examples/blinky.yaml 作为模板，编写你的电路 DSL（输入输出引脚、模块依赖、约束）
3. 运行 circuit-agent validate blinky.yaml 做静态检查：语法、模块依赖、LCSC 库存可用性
4. 运行 circuit-agent compile blinky.yaml 调 LLM 生成候选网表 + 在预验证积木集合里做约束求解
5. 用 circuit-agent export kicad blinky.yaml 生成 KiCad 工程；用 KiCad 打开做手工 review
6. 用 circuit-agent bom blinky.yaml --csv 导出 BOM；circuit-agent dfm blinky.yaml 跑可制造性检查
7. 通过 circuit-agent shell 进入交互式 REPL，逐模块迭代设计
8. 完成的设计可以 circuit-agent archive blinky.yaml 打包成可分享的 .cagent 包给团队或社区

适用场景

• 嵌入式工程师加速原型电路设计（MCU 外围、电源管理、传感器接口）
• 创客 / 硬件爱好者快速从想法到 PCB
• 教学场景：让学生在受控 DSL 上学习硬件设计，避免踩非法几何的坑
• 硬件创业团队批量产出候选设计做快速迭代
• AI for EDA 研究团队：把 LLM 作为「积木组装器」而非「自由生成器」的安全样本
• 外包工程师与客户协作：DSL 作为可版本化的需求文档

适用人群

嵌入式工程师、硬件创客、机器人 / IoT 产品开发者，以及对「让 LLM 写硬件」既兴奋又担心安全的 EDA 工具研究者。当前为 alpha 版，适合愿意试错并提反馈的早期采用者。

工作原理

CircuitAgent 把硬件设计拆成三层：DSL 层（人类与 LLM 都可读的结构化需求）→ 积木选择层（LLM 在预定义库中挑积木，受 schema 约束）→ 网表生成层（确定性代码按积木数据生成 KiCad 工程）。关键创新在于「不让 LLM 自由输出非法走线」：所有几何、连接、封装都来自已测试的积木模板，LLM 只负责决策「用哪个积木」，不做低层几何。这种「LLM 做高层决策、传统工具做低层保证」的范式，可显著降低「AI 写硬件」的安全风险。

官方链接

• PyPI: https://pypi.org/project/circuit-agent-client/
• GitHub: https://github.com/mo9652962-ai/circuit-agent
• Issues: https://github.com/mo9652962-ai/circuit-agent/issues
• License: MIT