AI 产出的正确性核查：什么能信，什么必须你自己核

凌晨一点，你让 AI 帮你接一块 0.96 寸的 OLED 屏。它回答得特别痛快："VCC 接 5V，GND 接地，SDA 接 D2，SCL 接 D1，I2C 地址 0x3D。"语气笃定得像是亲手焊过一百块。你照着插好线、上电——屏幕一片漆黑，再摸一下 VCC，烫手。

拆下来一看：这块模块是 3.3V 的，5V 直接灌进去把它送走了。地址也不对，你这块是 0x3C。

AI 没骗你，它只是把训练数据里见过的最常见的那种说法，原封不动地倒给了你。可惜你手上这块，不是"最常见的那种"。

这就是这一篇要讲的事：AI 在硬件领域说的话，哪些能信、哪些得核一遍、哪些碰都不能直接碰。 这是整个 AI 工作流库的压舱石——后面讲读开源、抄接线、调 bug、写代码的每一篇，都会绕回到这条线上。如果你还没读过 从这里开始：AI 时代怎么学硬件，建议先去把心态铺好，这篇是那篇的"安全带"。

先给结论：信任分三级

不是"信 AI"或"不信 AI"这种二选一。真正会用的人，脑子里有一把尺子，听到 AI 说每句话，自动给它打个分。我把这把尺子分成三级。

一级：基本可信，但扫一眼

这类东西，AI 大概率是对的，你瞄一眼逻辑通不通就行，不用逐字查证：

• 通用代码逻辑和语法：一个 for 循环怎么写、字符串怎么拼、JSON 怎么解析。这些在训练数据里出现过几千万次，AI 闭着眼都对。
• 概念解释：什么是 PWM、I2C 和 SPI 的区别、上拉电阻干嘛用的。讲原理 AI 很稳。
• 流程梳理：一个项目大致分几步、调试该按什么顺序排查。它帮你理思路很在行。
• 文案、注释、命名结构：变量该叫什么、README 怎么组织。这种没有"物理对错"的事，信它问题不大。

这一级的核查成本几乎为零，扫一眼就过。

二级：半信半疑，必须核一下

这类 AI 经常"看起来对、其实过时或张冠李戴"，你必须动手核：

• 具体的 API、库函数到底存不存在：AI 特别爱编函数名。它会一本正经告诉你 display.setBrightness(128)，结果这个库根本没这个方法——这叫幻觉，硬件库里尤其常见。
• 寄存器位、配置参数的具体值：某个控制寄存器第几位是干嘛的，AI 可能记串了型号。
• 库版本差异：Arduino 的库、ESP-IDF 的 API 这几年改得很凶，AI 给你的可能是三个版本之前的写法。

核法很简单：把函数名丢进库的官方文档搜一下，或者直接在代码里编译一遍——编不过就是它在编。

三级：绝不能直接信，必须对官方和实物

这一级是红线。碰它之前，必须以 datasheet、官方手册、实物为准，AI 只能当"提示我去查哪一页"的助手，不能当依据。

• 引脚定义（pinout）：哪个脚是 VCC、哪个是 GND、哪个是数据脚。
• 电压电平：模块是 3.3V 还是 5V，能不能直接和单片机对接。
• I2C 地址、SPI 时序：同一型号不同批次地址都可能不一样。
• 电气参数：最大电流、工作电压范围、上拉值。
• 接线方式：尤其涉及电机、继电器、电源的强电部分。
• 元件能不能买到、实时价格：AI 不联网时给的型号可能早停产了，价格更是瞎猜。
• 认证和法规要求：要做产品上市，CE、FCC、3C 这些 AI 给的清单只能当起点，绝不能当合规依据。

为什么硬件领域 AI 特别容易翻车

写网页时 AI 很靠谱，一到硬件就频频出错，不是它变笨了，是这个领域的特性决定的：

它面对的是物理世界，没有"撤销键"。 代码写错了，浏览器报个错，改完刷新就行。线接错了，元件可能当场冒烟，没有 Ctrl+Z。

训练数据里的硬件信息噪声极大。 网上无数博客、论坛帖子里的接线图本身就是错的，或者是针对某个特定版本模块的。AI 把这些一锅烩进去，分不清谁对谁错，只会输出"出现频率最高"的那个说法——而你手上这块偏偏是少数派。

型号和版本碎片化到离谱。 同一个 OLED，淘宝上有 0x3C 和 0x3D 两种地址；同一个传感器，有 3.3V 版和 5V 版；同一个库，每个大版本 API 都在变。AI 没法知道你具体买的是哪一块。

代价不对等。 网页 bug 顶多用户体验差一点；硬件错误的代价是真金白银的元件，甚至是人身安全。代价越大的地方，越不能赌 AI 这一次刚好说对了。

"AI 说的 → 你怎么核"对照表

AI 告诉你的	信任级别	你该怎么核
"这个 for 循环这样写"	一级	扫一眼逻辑，编译跑一下
"I2C 和 SPI 的区别是……"	一级	基本可信，存疑再查
"调用 sensor.read() 就行"	二级	去库官方文档搜这个方法是否存在
"这个寄存器第 3 位控制使能"	二级	对照芯片 datasheet 寄存器表
"VCC 接 5V"	三级	对模块丝印 + datasheet 确认工作电压
"SDA 接 D2，地址 0x3D"	三级	用 I2C 扫描程序实测地址，对 pinout
"这个型号 8 块钱能买到"	三级	去电商实时搜，AI 不联网就是瞎报
"出口欧盟要做 CE 认证"	三级	以官方法规和认证机构为准

这张表本身也别全信——它是个思路，不是圣旨。养成习惯：每听到一句涉及物理或金钱的话，先在脑子里给它贴个级别标签。

5 个能落地的核查动作

光说"要核"没用，给你具体怎么核：

1. 让 AI 给出处。 直接问："这个引脚定义你是从哪个 datasheet 来的？给我章节和页码。" 它给不出、或者支支吾吾，那这条就是它编的。
2. 让它标出不确定的地方。 加一句："凡是你不太确定的，明确标出来。" 好的模型会老实告诉你"地址我不确定，请实测"。
3. 交叉问两次。 同一个问题，换个问法再问一遍，或者新开一个对话重问。两次答案一致，可信度高一截；前后矛盾，说明它在猜。
4. 最终以官方 datasheet 和实物为准。 这是底线中的底线。AI 给的是"假设"，datasheet 和你手上的板子才是"事实"。怎么读 datasheet，看 让 AI 帮你读 datasheet 和 datasheet 入门。
5. 小电流、小电压先试。 拿不准的接线，先用限流、低压试探，万用表量一遍再正式上电。一块模块的命，往往就在这一步。

这五条对应的是本站反复强调的诚信红线：站内给出的每一段代码、每一张接线图，都需要你结合实物和官方手册自行验证。我们不替你的板子背书，AI 更不会。

你应该建立的习惯

• 听 AI 说话时，自动给每句贴信任标签：一级扫、二级核、三级查官方。
• 凡是带电、带钱、带安全的事，默认不信，先核再动手。
• 把 datasheet 当"裁判"，AI 当"陪练"——陪练能帮你练，但判分的是裁判。
• 上电前养成万用表量一遍的肌肉记忆，尤其是新模块第一次接。

高危项排查表

下面这几类，每次都按这个核法走，别图省事：

高危项	翻车后果	标准核法
引脚定义	接反烧模块/主板	对模块丝印 + datasheet pinout，万用表量通断
工作电压	5V 灌 3.3V 器件，烧毁	看丝印和 datasheet，用 电平转换原理 处理不匹配
I2C 地址	通信失败或挂错设备	跑 I2C 扫描程序实测，别信 AI 报的地址
认证/法规	产品无法上市、违规	以官方法规、认证机构文件为准
实时价格/库存	按错价算成本、买到停产件	去电商和分销商实时查，AI 不联网必错

两个进阶变体

变体一：让 AI 自报置信度。 在提问末尾加："请对每条结论给出 0-100 的置信度，并说明依据。" 你会发现它对引脚、地址这类的置信度往往自己都标得很低——这正好帮你锁定要重点核的地方。

变体二：双模型交叉验证。 同一个硬件问题，丢给两个不同的 AI（或同一个开两次新对话），把答案并排比。一致的部分相对放心，打架的部分就是高风险区，老老实实去翻 datasheet。

动手挑战

找一段 AI 给你的接线说明（自己生成一段也行，比如"帮我接一个 DHT11 温湿度传感器到 Arduino"），然后：

1. 把它每一句拆开，逐条贴上信任级别（一/二/三级）。
2. 三级的每一条，去找对应的官方 datasheet 核一遍：引脚对不对、电压对不对、有没有要加上拉电阻。
3. 记下来 AI 这次错了几处。

做完你会有体感：AI 给的接线说明，平均每段都藏着一两个三级错误。这就是为什么"知道哪句话不能信"这件事，把会用 AI 的人和被 AI 坑的人分成了两拨。

小结

AI 不是不能信，是不能盲信。在硬件领域，给它的每句话贴个信任级别，一级扫、二级核、三级必须对 datasheet 和实物——这套判断力，比任何一个具体技巧都值钱。带电、带钱、带安全的事，永远以官方手册和你手上的板子为准。

下一步，看 AI 怎么帮你高效读懂别人的开源项目：让 AI 帮你读开源项目。或者回到 AI 工作流总览 挑下一篇。