照着图接好电线，LED 却没有亮。是正负极插反、电阻不对，还是程序出了问题？把这个问题发给聊天机器人，还得先解释元件是什么、插在哪一排、图纸与实物改过哪些地方。对于刚做硬件的人，描述问题本身就已经很费力。

发表于 CHI 2026 的《Wire Your Way: Hardware-Contextualized Guidance and In-situ Tests for Personalized Circuit Prototyping》，提出电路原型工具 WireWay。它把电路设计界面、对话助手和带提示灯的面包板连起来，让用户围绕自己的电路提问，并在原位执行测试。

论文图 2：电路画布、对话与测试界面连接带排位提示灯的面包板。真实接线与图纸仍需用户手动核对。

“这个该接哪里”，终于有了具体所指

研究先观察了 12 位参与者的搭建过程。有人先做好传感器部分，再接灯；有人习惯全部搭完才开始测。大家查找资料的语言、喜欢的教程形式也不同。统一的逐步教学，可以提供入口，却很难照顾所有人的起点与排查路径。

WireWay 因而没有要求每个人从固定的第一步开始。用户在修改版 Fritzing 界面里选择一个元件，或框选一段电路，再问“这个是什么”“这些接对了吗”。系统会把所选元件信息及电路连接关系放进上下文，减少反复描述引脚和位置的负担。

回答也不只停留在文字。用户点击界面上的元件，可以让真实面包板对应排的 LED 闪烁；助手还可以提供高亮按钮，指出建议操作的位置。抽象接线图与手边插孔之间，多了一条可检查的对应关系。

但这里有一个关键条件：系统读取的是用户提供、更新的电路图，不能自动感知实物上是否真的插入了某个元件，更不能自行识别所有接线。图纸与实物的同步，仍要由用户核对。把它理解成“AI 已经看懂桌上的真实电路”，会高估这套原型。

把猜原因，变成一次可执行的测试

WireWay 分为 Ask 和 Test 两种模式。前者解释、建议接线或添加元件，后者围绕当前电路生成检测步骤。两种模式的分离，也限制了普通对话直接触发测试功能。

测试包括测量某个位置的电压、输出高低电平序列观察响应，以及要求用户进行视觉检查。需要接探针时，用户可以先通过提示灯定位，再连接、运行并回传结果，由助手解释下一步。它能利用面包板的输入输出能力，减少临时修改程序或另搭测试电路的步骤。

论文图 5：Ask 模式提供说明和修改建议；Test 模式生成测量步骤，用户连接探针、运行并回传结果。

例如，在论文呈现的一个排查案例里，参与者先报告弯曲传感器噪声大，随后测量信号、询问修改办法，再做验证。这样的流程把“为什么不工作”分解成连续的小问题，让测试结果而不只是助手的措辞参与判断。

这仍然需要人观察和理解。视觉检查依赖用户报告，建议的电阻值也可能不合适；系统目前主要支持基本电压读写与信号输出，尚不能覆盖各种复杂数字器件的协议测试。生成了一套检测步骤，并不保证已经找到真正故障。

论文图 12：一位参与者围绕传感器噪声进行测量、询问、修改和验证的过程，是个体案例。

九人完成任务，不等于已经证明优于教程

后续可用性研究共招募 15 人，排除 3 人后分析 12 人。其中一项排除与系统故障有关：AI 未能提出任务所需的电路问题。这个细节不能从“12 人研究”里隐去，因为它提醒我们，模型稳定性本身就是使用条件的一部分。

参与者需要把原电路中的温度传感器换成弯曲传感器，并找出 LED 支路故障；他们可以自行决定顺序。最终 9 人完成可工作的电路，完成者平均约用 37 分 34 秒。系统可用性量表均值为 70.4 分，支持原型在该任务中的可用性，但仍有明显个体差异。

使用过程也没有收敛成一种标准路线：有人边搭边测，有人较线性地推进，还有人主要依靠对话。7 人使用了 Test 模式，11 人使用了面包板高亮。支持不同路径，是这套工具比“每个人照同一份流程走”更值得观察的地方。

论文图 10：三位代表参与者呈现不同搭建节奏：边搭边测、线性推进和依赖对话。时间线描述使用模式，不表示三类流程的优劣。

不过，前期研究的 4/12 完成与后期的 9/12 完成，不能直接写成成功率提升。两阶段任务、条件及参与者构成都不同，前期还限制了通用大模型使用；后期没有独立的教程或聊天机器人对照条件。因此，研究没有分离出接线提示、测试功能与模型对话各自贡献了多少。

访谈还提出教育上的分歧：有人认为它能帮助学生或交互艺术家入门，也有人担心使用者只是复制答案，未必学会排查。完成一次电路，与下次脱离助手仍会解决问题，是两件需要分别检验的事。

等待也会影响动手节奏。研究中对话回答平均约需 8.9 秒，最长 36 秒；硬件能够快速执行测量，并不意味着整段问答也能即时完成。怎样让人清楚当前是在等待、检查还是测试，同样属于工具设计。

为什么值得关注

WireWay 的设计价值，是把助手的上下文从一段口头描述，扩展为可选择的电路结构、可定位的实体位置和可回传的测量结果。这让对话更贴近动手过程，也使建议有机会接受实物检验。

目前的薄弱处恰在这条链是否可靠：实物与图纸可能不同步，提示灯可能难辨，模式切换也会令人困惑。更有说服力的下一步，是加入可靠状态感知、对照现有工具，并观察长期学习与独立排错。让 AI 更容易给答案之后，还需要让人更容易理解答案为什么成立。

资料来源

论文：Wire Your Way: Hardware-Contextualized Guidance and In-situ Tests for Personalized Circuit Prototyping；

作者：Punn Lertjaturaphat, Jungwoo Rhee, Jaewon You, Andrea Bianchi（前两位共同第一作者）；

会议：Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI ’26), April 13–17, 2026, Barcelona, Spain；

DOI：https://doi.org/10.1145/3772318.3791371