适用对象：IVD、自动化分析仪器、实验室自动化设备的液路/结构/软件工程师。

边界说明：本文是需求梳理与工程筛查示例，不构成某一针体、液体或整机的性能承诺；材料兼容性、残留水平和清洗效果必须由实际项目验证。

Claude Code、Codex 或其他 AI Agent 很擅长把零散描述整理成需求表、接口定义，甚至生成驱动与测试脚本。但对于自动化分析仪器里的采样针，“AI 把选型单填满”不等于液路风险已经被消除。

一个很典型的场景是：需求单上已经写了“吸样、分液、液位检测、低残留”，结构草图也能由 AI 很快整理出来；装机后却出现了清洗后残留，或者针已到位但液位检测信号不稳定。此时问题往往不是代码没生成，而是需求从一开始就缺少了清洗覆盖、针尖/侧孔、液体特性或验收证据中的一项。

最常见的误区是：把一根采样针理解成“有长度、有外径的金属管”。实际运行时，针尖、侧孔、内壁、清洗站、液位检测和目标液体是一个整体。若其中一项缺失，结果可能是挂液、吸液不稳定，或更难排查的残留与交叉污染。

一、先区分：AI 生成的是“候选方案”，不是“可放行的制造需求”

假设有人向 AI 输入：“给 IVD 仪器设计一支样本针，要能吸样、分液、液位检测。”

AI 可以快速给出一份看似合理的清单，甚至画出接口草图。但它并不知道：

1. 目标液体是否容易挂壁、起泡或残留；
2. 这支针在整机里的可用安装空间和有效行程；
3. 清洗站能否覆盖针尖、外壁与内腔的实际路径；
4. 液位检测信号在整机结构和线缆连接下是否仍可靠；
5. 项目允许的残留如何定义、如何检测。

因此，AI 应当帮助工程师追问并结构化缺失信息，而不是替代验证。

二、采样针需求中最容易漏掉的 7 项

先用下表做一次需求完整性筛查；它不是性能承诺或选型结论，而是为了把“AI 看不到的缺口”提前显性化。

必须输入	漏掉后的常见风险	最低验证证据
液体与残留风险	挂壁、气泡、清洗不充分	液体描述 + 清洗介质/流程
OD、ID、总长与有效长度	安装干涉、液路容积偏差	图纸、样品或安装空间
针尖、侧孔与进出液方向	吸液/分液异常、液滴控制偏差	针尖及孔位定义
内壁抛光与外壁处理	高残留或外壁挂液	液体、目标容量与工艺评估
cLLD/液位检测	装机后信号不可用或不稳定	针体、线缆、安装和整机方案
清洗站覆盖	外壁/内腔/侧孔仍留残留	清洗路径、流量、停留时间
验收方法	“低残留”不可证明	示踪液、空白样本或在线检测

1. 液体与残留风险

不要只写“血清”“试剂”或“样本”。至少应说明液体类别、目标吸液/分液容量、是否存在高残留风险，以及清洗介质与流程。液体特性会影响挂壁、气泡和清洗效果，不能由模型名或图片推断。

2. 外径、内径、总长与有效长度

外径影响安装空间，内径影响液路容积和流动阻力；总长与有效长度则决定针尖能否在正确高度完成吸液、分液和清洗。只给“针长”通常不足以形成可制造的需求。

3. 针尖、侧孔与液体进出方向

尖口、平口、V 型口、侧孔的位置与孔径，对取样、液滴控制和清洗路径都会产生影响。应把针尖几何、孔位、折弯方向和安装端结构一并记录，而不是把它们留给后续“默认处理”。

4. 低残留工艺不能只写成一个形容词

“低残留”应拆成可讨论的工程条件：内壁抛光、外壁涂层/防挂液处理、液体类型、目标容量和清洗方式。它们共同影响残留风险，但不能据此承诺某个固定残留数值。

5. cLLD/电容式液位检测的整机适配

“支持液位检测”不等于任何结构都能稳定检液。还需确认针体结构、线缆连接、安装方式与整机检测方案；把它单列出来，能避免机械设计完成后才发现信号链路无法验证。

6. 清洗站与针体不是两个独立问题

判断是否可能串样时，重点不是“有没有清洗”，而是清洗液是否覆盖了需要清洗的位置：针尖外壁、内腔、侧孔、过渡结构和相关液路。清洗程序、流量、停留时间与验证方法应和结构需求一起评审。

7. 验收方法：什么证据表明可以继续运行？

在需求阶段就写清楚验证方式，例如示踪液、空白样本、吸光度/荧光法或整机在线检测。没有验收方法的“低残留”只是目标，不是可交付的工程条件。

三、让 AI Agent 先拒绝不完整请求

下例不是自动选型器，而是一道确定性“门”：Claude Code、Codex 生成或修改流程时，只有关键字段齐全，才允许请求进入后续的结构评审或询盘流程。

from dataclasses import dataclass
from typing import Optional


@dataclass
class SamplingProbeRequest:
    fluid_description: str
    target_volume_ul: Optional[float]
    outer_diameter_mm: Optional[float]
    inner_diameter_mm: Optional[float]
    overall_length_mm: Optional[float]
    tip_and_port_geometry: str
    wash_method: str
    verification_method: str
    clld_required: Optional[bool]
    clld_integration_note: str


def validate_request(r: SamplingProbeRequest) -> list[str]:
    missing: list[str] = []
    if not r.fluid_description.strip():
        missing.append("液体类型/残留风险")
    if r.target_volume_ul is None or r.target_volume_ul <= 0:
        missing.append("目标吸液或分液容量")
    if any(v is None or v <= 0 for v in (
        r.outer_diameter_mm, r.inner_diameter_mm, r.overall_length_mm
    )):
        missing.append("OD、ID、总长")
    if not r.tip_and_port_geometry.strip():
        missing.append("针尖、侧孔与进出液方向")
    if not r.wash_method.strip() or not r.verification_method.strip():
        missing.append("清洗方式或残留验证方法")
    if r.clld_required is True and not r.clld_integration_note.strip():
        missing.append("cLLD 结构、线缆和整机检测说明")
    return missing

这类检查不会代替图纸评审、材料兼容性确认或整机试验，但能把“缺什么”提前暴露出来。对 AI Agent 而言，最重要的不是输出一段看起来顺畅的结论，而是在证据不足时明确拒绝放行。

例如，下列三种请求应被规则直接拦下，而不是由 AI 补写一个“看起来合理”的结论：

1. 填了 OD/ID 和总长，却没有定义针尖、侧孔或液体进出方向；
2. 需要 cLLD，却没有针体结构、线缆或整机检测说明；
3. 写了“低残留”，却没有清洗覆盖条件和可执行的验收方法。

四、官网资料如何作为工程输入，而不是广告结论

FOREACH 采样针系列面向自动化分析仪器中的试剂/样本吸取、液体分配与定量转移，可根据仪器结构、液体类型、目标容量和液位检测方式确认外径、内径、长度、针尖、侧孔、弯折、内壁抛光、涂层与检测适配。完整公开信息见：FOREACH Sampling Probes。

它适合作为结构与需求边界的参考；具体项目仍应提供 2D/3D 图纸、实物样品或安装空间信息，并以实际液体和验证方法确认。

---

说明：我是 FOREACH 团队成员。文中的 AI Agent、代码和检查项用于说明工程需求完整性，不代表 FOREACH 当前提供自动化设计或自动放行功能。