笔者在一家制造业公司做嵌入式软件工程师,负责用AI提供团队工作效率。总结出一些工作心得分享给大家。
独家视角!实操性强!满满干货!
本篇先和大家讲解AI的本质,后面会出1~2篇实战方面的文章。帮助大家更好的理解AI,驾驭AI。欢迎评论区或私信交流😊。

第一章 心法篇:看清 AI 的本质与嵌入式边界

嵌入式开发是确定性的艺术。一个寄存器的配置、一个时序的微秒级偏差,决定了系统的成败。
大语言模型不是这套逻辑。它是一个概率模型。
要让 AI 成为高效工具,我们需要从底层逻辑上完成认知重构。

1. 知己知彼:大语言模型的概率本质

AI 不是百科全书。它不存储事实,不进行逻辑推演。
它只做一件事:基于上下文,预测下一个最可能出现的词。
这个本质决定了它的输出是概率性的。当我们给出清晰的目标和严格的约束时,它的概率空间被压缩,输出趋于精准。当我们给出模糊的目标和宽松的约束时,它的概率空间迅速膨胀,输出走向发散——在嵌入式场景下,这往往意味着凭空捏造冗余功能,甚至引入隐蔽的 Bug。
所以,别指望它能读懂我们的潜台词。在生产任务里,我们画定的边界,比高超的代码技巧更重要。

2. 控驭有道:探索期“放”,生产期“收”

AI 兼具发散与收敛特性。这意味着在不同的项目生命周期,我们需要切换控制策略。
探索期,我们需要战略放开。 当调研陌生领域(如评估不同 DCDC 拓扑结构)时,提出开放式问题。允许 AI 发散,利用其知识库扩充我们的方案库,识别潜在风险。
编码期,我们必须战术收紧。 当开始写驱动或控制算法时,明确输入、输出、芯片型号和内存限制。纯文字约束往往不够,最有效的限制是投喂标准代码示例(Few-Shot)。让 AI 参照既定结构和寄存器风格生成下一个功能。
把具体的参考代码摆出来,比一百句抽象要求都管用。

3. 嵌入式专属盲区:避开硬件幻觉与建立闭环

通用软件的 AI 方法论在嵌入式领域常常失效。其根源在于嵌入式开发有其独特的物理壁垒。
第一个壁垒是数据手册幻觉。 AI 记不住特定国产 MCU 的特殊寄存器定义。它会编造不存在的引脚。破局的方式,不是让 AI 盲猜,而是注入绝对事实。把芯片手册里的引脚定义、寄存器表格或时序说明直接作为输入。强迫它在事实底座上推导。
第二个壁垒是缺乏物理反馈的纸上谈兵。 AI 生成的代码在语法上可能无懈可击。但当遇到中断嵌套、并发竞争或微秒级时序偏差时,单片机就会死机。其本质是物理世界的复杂性无法仅靠静态逻辑推演解决。
因此,我们需要建立“研发-调试”闭环。

[ 编写 Prompt ] ──> [ AI 生成代码 ] ──> [ 硬件板卡编译测试 ]
       ▲                                         │
       └──────── [ 反馈编译错误或波形异常 ] ◄──────┘

把编译器报错、仿真器的 HardFault 日志,甚至逻辑分析仪的波形描述反馈给它。让它在真实的物理反馈中修正逻辑,这就把代码生成器变成了我们的 Debug 助手。

4. 上下文管理:如何让 AI 拥有长久记忆

AI 的处理能力受制于上下文窗口。当我们将海量代码和杂音填入长周期项目时,它的注意力会被稀释,核心任务处理能力大幅下降。
为了维持极致的专业度,我们需要两项控流技术。
第一项是任务微切分与多步对齐。 面对复杂功能(如 DCDC 闭环控制与故障中断),先让 AI 梳理逻辑框架。在确认系统状态机一致后,将任务拆解为最小单元逐一攻克。
第二项是外挂上下文状态机。 AI 无法跨越会话保留记忆。我们需要在外部为 AI 建立项目存档。在项目根目录维护一份文档,记录:

  • 核心目标(如:基于某 MCU 的数字单相 Buck DCDC)
  • 已完成模块(如:[x] PWM 互补输出,[x] ADC 同步采样)
  • 当前任务(如:[ ] 编写 PID 控制算法)
  • 下一步计划
    每次开启新对话时,我们把这份状态文档发给 AI。完成“读档”后,我们就拉齐了上下文。接下来,就可以无缝推进开发任务。

更多推荐