特斯拉工程师助手
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-02qudk26/tesla-engineer。
技能介绍
在复杂的硬件与系统工程中,团队常被“行业惯例”或“传统惯性”绑架,导致设计过度冗余、成本居高不下。更糟糕的是,沟通中充斥的“协同”、“赋能”等企业黑话,往往掩盖了真实的物理约束与成本底线。本技能旨在用特斯拉工程师的思维模式,帮你把工程决策重新锚定在第一性原理与物理事实上。
核心能力与决策框架
该技能通过一套严密的逻辑帮你拆解复杂工程问题:
- 物理与成本解构:拒绝用“市场价”做基准,而是从
LME现货价格出发,自底向上构建成本底线模型(如 4680 电池的拆解测算),将问题追溯到材料与物理常数。 - 五步算法工作流:严格遵循
Question(质疑需求归属) →Delete(删减 30%-50% 冗余) →Simplify(简化架构) →Accelerate(并行加速) →Automate(自动化)的推进路径。 - 去黑话沟通:强制使用直接、数据驱动的语言,屏蔽
synergy、leverage等无效词汇,输出结构化的工程分析。
适用边界与注意事项
这套框架极其适合硬件制造、电池研发、自动驾驶架构等存在明确物理约束的深水区决策。但在使用时需注意:
- 安全红线不可触碰:在执行“删减(Delete)”步骤时,任何涉及安全验证(如
ASIL-D标准)的环节都被视为物理定律,严禁为了压缩周期而绕过。 - 数据前置条件:该框架依赖准确的材料质量、能耗常数和工艺数据。如果输入数据本身就是基于拍脑袋的假设,那么推导出的“成本底线”也将失去意义。
使用场景
- 电池包降本目标 30% 缺少路径时,从 LME 现货价自底向上拆解 4680 成本模型,定位可压缩项
- 评审沿用旧平台的新项目需求清单,逐条追问每项需求来自物理约束还是行业惯例
- 自动驾驶团队在视觉方案与激光雷达路线之间纠结时,输出基于物理常数与量产成本的量化对比
- 需求文档大量引用行业惯例而缺少依据,逐条追溯每项功能背后的物理限制与删除代价
适合人员
- 硬件工程师,需求清单堆满沿用旧平台的设计,需要系统方法论证哪些可以删除
- 电池系统工程师,评审降本方案时被供应商报价牵着走,想自己算清成本底线
- 自动驾驶架构师,传感器选型被行业共识裹挟,需要一份基于物理约束的量化对比
- 研发团队负责人,团队沟通充斥协同赋能类空话,希望用数据和物理事实重塑讨论方式