周日，我原本只给自己安排了一件事：把正在制作的 ESP32-S3 AI 语音对话原型的麦克风和音响调试好。
在我的想象里，AI 已经给了我一份购物清单，只要照着买齐 ESP32-S3、INMP441 麦克风、MAX98357 功放和喇叭，再把它们接起来，接下来无非就是写代码、调试。
真正开始动手后，我才发现事情停在了代码之前。
清单买齐了，却接不起来
我先拿起 INMP441，准备按照教程接线。直到把实物放在眼前，我才发现模块上的针脚根本没有焊起来。PCB 上只有两组焊孔，包装里另外放着一条六针排针。
没有焊好的排针，杜邦线就没有可靠的地方可以连接。而我手边既没有电烙铁，也没有焊锡丝。原本准备开始的麦克风调试，到这里就停下了。
未焊排针的圆形 INMP441 麦克风模块和包装附带的六针排针。
于是，我开始研究电烙铁。
网上的朋友们给出了完全不同的建议：有人推荐黄花、白光，也有人说十几元的艾瑞泽或德力西就够用。我一开始被便携电烙铁吸引，但又担心 Type-C 接口长期使用后的耐用性。
我在网上逛了大约两个小时，还是看不明白这些产品的差别。后来我换了一种办法：先不比较参数，去看别人究竟怎样完成一次焊接。
看过实际操作后，我才开始理解温控为什么重要。因为我不喜欢工具买来没多久又要置换，最后按 C245 方案选择了一款焊台。出于家里有宠物的顾虑，我又购买了无铅焊锡丝。
买完焊台并不意味着问题结束了。
我转去处理音响，又发现 3525 腔体喇叭的白色插头和 MAX98357 模块上的绿色螺丝端子不能直接匹配。为了连接这两个东西，我还得继续学习什么是端子、端子有哪些规格、怎样安装，再寻找适配的转接件。
带白色两芯插头的腔体喇叭和带绿色螺丝端子的 MAX98357A 功放模块。
安装端子仍然绕不开焊接。为了固定零件，我又买了 704 硅橡胶；担心第一次上手就把项目 PCB 焊坏，我还补了一块焊接练习板。
那一天，代码一行没写。我买了更多工具和材料，语音功能却没有向前跑起来。
AI 原来也没有那么“靠谱”
发现麦克风没有焊针脚、喇叭端子又不匹配时，我突然意识到：AI 原来也没有那么靠谱。
这种“不靠谱”并不是说它给出的硬件清单一定写错了。清单里列出了系统需要哪些功能模块，却不可能替一个没有经验的人处理所有具体差异：收到的模块有没有焊排针，插头采用什么规格，两块东西能不能直接连接，第一次焊接还需要哪些工具和耗材。
清单中的同一个器件名称，落到手里可能是不同的接口、不同的焊接状态和不同的装配方式。AI 可以描述一条看起来完整的路线，真正动手的人仍要核对眼前这块板子、这个插头和这一根线。
AI 最有价值的时候，是问题已经具体起来
这一天也没有让我得出“AI 不适合学硬件”的结论。恰恰相反，我遇到的每个问题，最后仍然在借助 AI 加快理解。
当问题只是“怎样做一个语音机器人”时，它能给我的主要是一条大致路线。但当我把问题缩小成“这块 INMP441 为什么接不上杜邦线”“两种端子为什么不能配合”“第一次焊接需要准备什么”，AI 的回答就开始变得更有用。
它不能隔着屏幕替我确认所有实物细节，也不能替我选型、焊接和测试。但它可以在我遇到具体阻塞时，帮助我迅速知道接下来应该查什么、比较什么、验证什么。
AI 的能力，也取决于使用它的人
这次实践让我更明确了一件事：AI 越强，使用者的判断能力反而越重要。如果我分不清商品图和到手实物，不知道“尚未验证”和“已经成功”的区别，也不检查接口与供电条件，那么再详细的回答都可能被我用错。
当一个人已经有了一定基础，知道怎样描述问题、核对条件和判断结果时，AI 确实能明显放大学习速度。但这些能力不能只靠阅读 AI 的回答获得，它们还得在一次次真实操作中长出来。
这也是我现在更愿意接受的学习方式：不期待 AI 带我一次做完，而是先让它帮我走到下一步；遇到新的实物问题，再学习、判断、验证，然后继续。
表面上看，那一天的项目进展约等于零：原定的麦克风和音响调试目标都没有完成。
但我开始明白，学习使用 AI 和学习硬件其实是同一件事——都不能全然依赖现成答案。我要做的不是降低自己的能力，把决定都交给 AI；而是在持续实践中增强自己的判断力，再用 AI 把这种能力放大。
AI 可以让我更快知道接下来该做什么，但事情最终仍要由我自己做完。