GPT-6 AstraでKiCad部品の整合性を確認する

GPT-6 Astraを使って、最初に試したのがKiCad回路図に登録した部品の整合性確認です。

この時点で回路図はある程度まで作成していました。ただし、GPT-6 Astraを本格的に使うのは初めてだったため、実際にどこまで確認できるのか、性能を試してみることにしました。

JLCPCBへ発注できる部品になっているか

今回の基板は、JLCPCBへ製造と部品実装を依頼する予定です。

そこでAstraには、主に次の内容を確認してもらいました。

• JLCPCBで使用できる部品か
• LCSC部品番号が登録されているか
• 部品の在庫があるか
• 回路図の部品とフットプリントの大きさが合っているか
• 指定した部品の使い方に問題がないか

JLCPCBへ部品実装を依頼する場合、抵抗やコンデンサ、ICなどにLCSC部品番号を設定する必要があります。

これを人間が行う場合は、LCSCやJLCPCBのWebサイトを開き、部品を一つずつ検索します。部品の仕様や在庫を確認し、回路図に番号を登録していくため、かなり時間がかかります。

特に抵抗やコンデンサは数が多く、同じ容量や抵抗値でも、サイズ、定格、精度、誘電体、在庫状況などを確認しなければなりません。単純な作業に見えますが、実際にやるとかなり面倒です。

AstraはWebサイトまで確認していた

GPT-6 Astraになって驚いたのは、部品情報を推測だけで処理するのではなく、Webサイトを確認しながら調査を進めていたことです。

在庫があるか、部品の大きさがフットプリントと合っているかといった項目を、一つずつ確認していました。

さらに、単なる部品番号の照合だけでなく、

「この部品を、この回路でこのように使ってよいのか」

というところまで確認していました。

部品番号やフットプリントが合っていても、回路上の使い方が正しいとは限りません。電圧条件や端子処理、推奨回路など、別の部分に問題が残っている可能性があります。

今回は、そのような人間が見落としやすい部分にも指摘が入りました。部品表を機械的に埋めるだけだと思っていたため、ここまで確認するのは少し驚きました。

抵抗値や型番を指定すれば、候補を探してくれる

今回の作業では、回路図に抵抗値やコンデンサの容量、ICの型番などを入れておけば、条件に合う部品をAstraが探してくれました。

従来は、設計者が自分で候補を探し、LCSC部品番号を調べて登録していました。その調査部分をAstraに任せられるのは大きなメリットです。

もちろん、見つかった部品をそのまま無条件に採用したわけではありません。最終的には設計者が、定格、パッケージ、フットプリント、使用条件などを確認する必要があります。

それでも、最初の候補探しと整合性確認をAstraに任せられるだけで、部品選定にかかる負担はかなり減りました。

正直なところ、この種の網羅的なチェックについては、人間が一つずつ確認するよりAstraに向いていると感じました。人間は部品点数が増えると、どうしても見落としが発生します。Astraは対象を順番に確認できるため、確認漏れを減らす用途としてかなり役立ちます。

約30分で当時の利用枠を使い切った

一方で、負荷の大きさも分かりました。

この作業を行った当時はChatGPT Plusを使用していましたが、部品のチェックを始めて約30分で、当時利用できたAstraの利用枠を使い切りました。

それだけ多くの部品についてWebサイトや仕様を確認していたということでもあります。短時間で終わる軽い処理ではありませんでしたが、その代わり、かなり細かいところまで調査してくれました。

利用枠との兼ね合いは考える必要がありますが、自分で同じ作業を一つずつ行う時間と比較すれば、十分に価値があると感じました。

部品選定はAIと相性がよい

今回試して分かったのは、部品選定や部品情報の整合性確認は、生成AIとかなり相性がよいということです。

人間は、どの部品を使いたいか、どの仕様を優先するか、回路として何を実現したいかを決めます。一方、候補部品の検索、在庫確認、LCSC部品番号の調査、フットプリントとの照合といった作業は、Astraに任せられる部分が多くあります。

Astraがすべてを自動的に正しく決定してくれるわけではありません。最終的な採用判断と回路上の確認は、引き続き人間の仕事です。

それでも、部品を一つずつ検索して番号を転記するところから、AIが候補と問題点をまとめ、人間が判断する形へ変わりました。

これは、プリント基板開発の進め方をかなり変える使い方だと思います。

English Summary

The first task I tested with GPT-6 Astra was checking component consistency in an existing KiCad schematic.

Because the board was intended for PCB assembly by JLCPCB, Astra was asked to check component availability, LCSC part numbers, package and footprint compatibility, and whether the selected components were appropriate for their intended circuit use.

Astra did more than fill in missing part numbers. It checked relevant websites and reviewed details such as stock availability, physical size, and component usage. It also identified issues that could easily be overlooked during a manual review.

Searching for LCSC parts and entering their numbers into a schematic is normally a time-consuming process, especially when a board contains many resistors, capacitors, and ICs. With Astra, I could provide values and device names and have it search for suitable candidates.

The final selection still required human verification. Ratings, packages, footprints, and circuit conditions could not simply be accepted without review. However, Astra significantly reduced the workload involved in finding candidates and checking consistency.

At the time, I was using ChatGPT Plus, and approximately 30 minutes of this intensive component review exhausted the available Astra usage allowance. Even so, the depth of the review made it worthwhile.

This experience showed me that component research and consistency checking are particularly well suited to AI assistance. Astra handled the repetitive and comprehensive checking, while the final engineering decisions remained with the designer.