AI技术在工程设计的应用

在不需要硬件交互的纯软件项目中，ChatGPT和Gemini等大语言模型（LLM）可以帮助程序员以前所未有的速度加速开发进程。这种辅助通常包括在开发人员编写代码时提供补全建议，或在排查错误和语法错误时提供故障排除建议——这些都是耗时的编程环节。这些模型的文本生成功能似乎与软件开发相辅相成，但幸运的是，这些模型在硬件项目中也能发挥重要作用。特别是对于Arduino这类平台，它既适用于业余项目，也适用于概念验证硬件产品，LLM能够加速开发流程，而不仅仅是生成有用的代码片段。

用AI绘制草图

Arduino项目的关键部分是草图，但正如任何工程师都会告诉你的，这只是整个流程的一部分。使用Arduino构建项目的另外两个主要步骤是：

（1）阅读有关特定板卡和组件的文档，了解引脚分配和使用要求；

（2）规划整体软件流程和架构。完成这些初始步骤后，将继续项目的基础工作，这通常包括排查意外或模糊的错误信息。在编写草图代码的同时，可以编写测试用例并识别功能缺失。

幸运的是，在开发过程中引入人工智能（AI）助手，可以优化这些阶段。AI助手的角色至关重要；虽然这些AI模型在生成复杂输出方面似乎能创造奇迹，但它们并不总是准确无误，而且在试图用代码解决大型复杂问题时，往往会忽略重要细节。因此，与工程师或具备类似经验的技术人员合作，对于测试和验证代码是否按预期运行以及项目是否成功至关重要。LLM的选择也很重要；尽管ChatGPT最为知名，但Claude、Gemini和Copilot等其他LLM因其出色的编码能力也值得考虑。

阅读文档

图：ChatGPT展示了其获取元件数据手册（Adafruit TSL2591高动态范围数字光传感器）并编写使用该元件所需的基本代码的能力。（图源：作者）

Arduino项目不仅仅是编写草图代码。在开始软件编程之前，还需要进行一些准备工作。具体来说，就是需要阅读文档和规格说明，了解如何与所选组件交互，识别预期的输入和输出以及任何限制或范围。根据组件类型的不同，这些文件可能相当冗长且繁琐，因此有一个AI助手来简化这一过程是非常有益的。

许多LLM可以接受像数据手册等文件格式，以回答有关规格、功能和要求的问题（图2）。部分模型还具有多模态能力，能在一定程度上理解这些文件中的图形和电路板示意图。同样，生成式AI可加速对新组件未知功能的理解与学习。这在项目中首次使用新模块库时尤其有用。

构思和结构设计

AI还可以帮助理解高级流程，尤其是在多个组件相互作用的情况下。如果在做出影响其他电子元件的复杂、多方面决策之前，需要读取许多传感器数据，那么在编码之前先构思伪代码流程或研究软件布局可能会有所帮助。这还包括确定不同代码是否应分布在不同的文件中，以及这些文件之间可能的相互作用。如果项目不是特别复杂，可以快速启动项目，先让模型生成最基本的循环，然后再继续开发。

编写代码

图：根据左边的指令，ChatGPT能够将部分代码重写为函数，因此右侧的主循环会更加简洁。（图源：作者）

如前所述，LLM在生成代码方面表现出色，但并非完美无缺，尤其在处理冗长复杂的输出时。有鉴于此，采取以下步骤就能避免因修复错误而造成的延迟，从而加速开发进程。

首先，每次仅请求生成小段代码，并通过简洁明了地概述输入、输出及预期功能来明确需求。例如，为AI提供精确的设计风格注释和起始代码，可以帮助生成更优质的代码。对于编写常见代码段，如控制LED闪烁、输出脉宽调制信号、驱动编码器或读取流行传感器数据，尤为有效。

其次，要求AI修改代码段（如现有草图中的代码段），使其与当前项目相匹配。这种方法还可用于精简代码，将部分代码转化为可重复使用的函数，并确保代码生成请求明确描述硬件限制，如具体的微控制器型号（如Arduino Uno与ESP32）以及任何电源、内存或引脚限制。这样可以确保生成的代码针对所用开发板进行优化，并避免与特定架构不兼容的函数。

在使用模型生成代码时，验证模型是否出错同样重要，因此请务必审查代码，并使用在线模拟器（如Tinkercad）进行测试。此外，AI还能生成调试代码行，以简化调试过程；例如，如果有部分AI代码不清晰，它往往会在被问及时能成功解释具体代码的含义。最后，如果模型出现错误，还可以对其进行调试，这在已经有生成代码作为上下文的情况下尤其有用。

结语

强大的现代AI模型（如LLM）正在以前所未有的速度加速软件开发，但它们在提升硬件项目方面也大有可为。这一点在编写Arduino草图等任务中尤为明显。这些模型不仅能帮助开发者为这类系统生成代码，还能在项目其他环节提供支持，例如理解文档、解析不熟悉的组件库，以及在实施前构思整体软件流程。与任何软件工具一样，AI模型并非完美无缺，也无法取代参与硬件项目的人类开发者，但其作为工程辅助工具的能力，正是加速开发流程的理想选择。