erics-engineering-wisdom
skill
Uyari
Health Uyari
- License — License: MIT
- Description — Repository has a description
- Active repo — Last push 34 days ago
- Low visibility — Only 5 GitHub stars
Code Gecti
- Code scan — Scanned 1 files during light audit, no dangerous patterns found
Permissions Gecti
- Permissions — No dangerous permissions requested
Bu listing icin henuz AI raporu yok.
Eric's Engineering Wisdom v2.0 - 12y automotive R&D experience distilled into an AI engineering diagnosis expert skill
README.md
Eric's Engineering Wisdom v2.0
12年一线汽车零部件研发经验 × AI = 生产级工程诊断专家系统
这是什么?
一个把人类工程师的实战经验"蒸馏"进 AI的技能包。
不是让 AI 替你做工程决策,而是让 AI 听懂你的工程问题、走对分析路径、不给你废话方案。
核心能力
| 能力 | 说明 |
|---|---|
| 问题精准分类 | 自动识别 NVH / 电机 / 齿轮 / 材料 / 测试 五大领域,拒绝"通用技术回答" |
| 跨域组合分析 | 支持多领域同时切入(如:电机+齿轮+NVH 联合诊断) |
| 个人经验层 | 内置 Eric 12年研发一线数据:300+份检测报告、40+款量产车型、完整四阶段技术演进路径 |
| 工程智慧纲领 | 第一性原理 → 奥卡姆剃刀 → 端到端闭环,三条工程思维路线按需切换 |
| 生产级方案过滤 | 所有建议必须标注「生产可行性」等级,区分"理论可行"和"产线能用" |
安装
方式一:一键安装(推荐)
访问 https://www.autodevai.cn/ai-tools 获取安装链接,WorkBuddy 用户可直接一键安装。
方式二:手动安装
# 1. 下载技能包
git clone https://github.com/Shun1989/erics-engineering-wisdom.git ~/.workbuddy/skills/erics-engineering-wisdom
# 2. 重启 WorkBuddy,技能自动加载
方式三:从 ZIP 安装
- 下载
erics-engineering-wisdom-v2.zip - 解压到
~/.workbuddy/skills/erics-engineering-wisdom/ - 重启 WorkBuddy
快速开始
安装完成后,直接向 AI 描述你的工程问题:
某纯电轿车在 60km/h 巡航时,车内中高频异音明显,
阶次分析显示在 2 阶、4 阶有峰值,
声品质主观评价"尖锐、刺耳",请问如何系统性排查?
AI 会:
- 识别问题领域(NVH / 阶次分析 / 声品质)
- 给出完整诊断路径(测试 → 分析 → 优化)
- 标注每个步骤的生产可行性
- 关联相似历史案例(如果有)
适用人群
| 角色 | 能获得什么 |
|---|---|
| 一线 NVH / 电机 / 齿轮工程师 | 问题诊断 SOP、工具链推荐、方案可行性预判 |
| 技术管理者(总监/经理) | 团队技术决策框架、资源分配逻辑、风险点识别 |
| AI 实践者 / 工程师 | 领域专家技能构建方法论、经验蒸馏完整案例 |
技能结构
erics-engineering-wisdom/
├── SKILL.md # 主技能定义(触发词、路由逻辑)
├── manifest.json # 技能元数据
├── README.md # 本文件
├── references/ # 核心参考文档
│ ├── engineering-wisdom.md # 工程智慧纲领(第一性原理/奥卡姆剃刀/端到端闭环)
│ ├── cross-domain-insight-map.md # 跨域洞察地图(五大领域知识图谱)
│ ├── erics-judgment.md # Eric 判断框架(经验数据 + 决策逻辑)
│ └── skill-cross-reference.md # 技能交叉引用(与其他技能的协同)
└── engineering-expert/ # 子技能:领域专家路由
├── SKILL.md
└── references/
真实场景示例
场景 1:NVH 阶次异音排查
问题:纯电轿车 60km/h 车内 2 阶、4 阶异音
AI 输出:
- 测试路径:LMS Test.Lab 阶次切片 → Head ArtemiS 声品质参数
- 根因假设:减速器齿轮啮合频率调制 / 电机电磁力波
- 生产可行性:标注「需整车半消声室」→ 提示替代方案
- 历史案例:关联 3 款相似车型处理记录
场景 2:电机电磁噪声优化
问题:永磁同步电机 5000rpm 近场噪声超标 8dB(A)
AI 输出:
- 分析路径:电磁力波计算 → 定子模态匹配 → 结构修改建议
- 方案分级:拓扑优化(生产可行)/ 磁钢斜极(需重新开模)
- 风险点:标注「可能影响 NVH 其他频段」
场景 3:齿轮传动啸叫预测
问题:减速器样机台架测试啸叫超标
AI 输出:
- 分析路径:齿轮修形参数 → 传递误差 TE → 壳体模态
- 优化建议:齿向修形量调整 + 壳体局部加强
- 生产可行性:区分「样机可行」vs「量产成本可接受」
为什么需要这个技能?
通用 AI 的三个问题
| 问题 | 表现 | 后果 |
|---|---|---|
| 术语理解偏差 | 把"阶次"当"顺序",把"声品质"当"声音质量" | 给出完全错误的分析方向 |
| 方案不可生产 | 推荐实验室级方案,不考虑产线约束 | 工程师拿去落地,发现根本做不了 |
| 无历史经验锚定 | 每次都从零开始"思考" | 重复踩坑,无法积累 |
本技能的应对策略
- 术语表 + 领域知识图谱 → AI 真正"懂行"
- 生产可行性分级 → 区分"理论"和"实战"
- Eric 个人经验层 → 12年一线数据作为校验基准
技术演进背景
Eric 完整经历了汽车零部件 NVH 的四阶段技术演进:
异音检测 → 声音大小判定 → 声品质合格性判断 → 主动声学
每个阶段的判断逻辑、工具链、生产约束,都沉淀在技能里。
这意味着 AI 不仅能回答"怎么做",还能回答"为什么这么做、还有什么替代路径、历史上踩过什么坑"。
获取更多
- 技能一键安装:https://www.autodevai.cn/ai-tools
- 公众号文章:搜索「网瘾中年」查看技能诞生全过程
- 问题反馈:GitHub Issues
- 微信交流:添加公众号「网瘾中年」后台留言
版本记录
| 版本 | 日期 | 核心更新 |
|---|---|---|
| v2.0 | 2026-06 | 新增跨域组合分析、工程智慧纲领、生产可行性分级 |
| v1.0 | 2025-12 | 初始版本,五大领域独立诊断 |
License
MIT License — 自由使用、修改、分发。
Built by Eric (网瘾中年) | 12年汽车零部件研发 | AI 实践者
Yorumlar (0)
Yorum birakmak icin giris yap.
Yorum birakSonuc bulunamadi