在不需要硬件交互的純軟件項(xiàng)目中，ChatGPT和Gemini等大語(yǔ)言模型（LLM）可以幫助程序員以前所未有的速度加速開(kāi)發(fā)進(jìn)程。這種輔助通常包括在開(kāi)發(fā)人員編寫代碼時(shí)提供補(bǔ)全建議，或在排查錯(cuò)誤和語(yǔ)法錯(cuò)誤時(shí)提供故障排除建議——這些都是耗時(shí)的編程環(huán)節(jié)。這些模型的文本生成功能似乎與軟件開(kāi)發(fā)相輔相成，但幸運(yùn)的是，這些模型在硬件項(xiàng)目中也能發(fā)揮重要作用。特別是對(duì)于Arduino這類平臺(tái)，它既適用于業(yè)余項(xiàng)目，也適用于概念驗(yàn)證硬件產(chǎn)品，LLM能夠加速開(kāi)發(fā)流程，而不僅僅是生成有用的代碼片段。

用AI繪制草圖

Arduino項(xiàng)目的關(guān)鍵部分是草圖，但正如任何工程師都會(huì)告訴你的，這只是整個(gè)流程的一部分。使用Arduino構(gòu)建項(xiàng)目的另外兩個(gè)主要步驟是：

（1）閱讀有關(guān)特定板卡和組件的文檔，了解引腳分配和使用要求；

（2）規(guī)劃整體軟件流程和架構(gòu)。完成這些初始步驟后，將繼續(xù)項(xiàng)目的基礎(chǔ)工作，這通常包括排查意外或模糊的錯(cuò)誤信息。在編寫草圖代碼的同時(shí)，可以編寫測(cè)試用例并識(shí)別功能缺失。

幸運(yùn)的是，在開(kāi)發(fā)過(guò)程中引入人工智能（AI）助手，可以優(yōu)化這些階段。AI助手的角色至關(guān)重要；雖然這些AI模型在生成復(fù)雜輸出方面似乎能創(chuàng)造奇跡，但它們并不總是準(zhǔn)確無(wú)誤，而且在試圖用代碼解決大型復(fù)雜問(wèn)題時(shí)，往往會(huì)忽略重要細(xì)節(jié)。因此，與工程師或具備類似經(jīng)驗(yàn)的技術(shù)人員合作，對(duì)于測(cè)試和驗(yàn)證代碼是否按預(yù)期運(yùn)行以及項(xiàng)目是否成功至關(guān)重要。LLM的選擇也很重要；盡管ChatGPT最為知名，但Claude、Gemini和Copilot等其他LLM因其出色的編碼能力也值得考慮。

閱讀文檔

圖：ChatGPT展示了其獲取元件數(shù)據(jù)手冊(cè)（Adafruit TSL2591高動(dòng)態(tài)范圍數(shù)字光傳感器）并編寫使用該元件所需的基本代碼的能力。（圖源：作者）

Arduino項(xiàng)目不僅僅是編寫草圖代碼。在開(kāi)始軟件編程之前，還需要進(jìn)行一些準(zhǔn)備工作。具體來(lái)說(shuō)，就是需要閱讀文檔和規(guī)格說(shuō)明，了解如何與所選組件交互，識(shí)別預(yù)期的輸入和輸出以及任何限制或范圍。根據(jù)組件類型的不同，這些文件可能相當(dāng)冗長(zhǎng)且繁瑣，因此有一個(gè)AI助手來(lái)簡(jiǎn)化這一過(guò)程是非常有益的。

許多LLM可以接受像數(shù)據(jù)手冊(cè)等文件格式，以回答有關(guān)規(guī)格、功能和要求的問(wèn)題（圖2）。部分模型還具有多模態(tài)能力，能在一定程度上理解這些文件中的圖形和電路板示意圖。同樣，生成式AI可加速對(duì)新組件未知功能的理解與學(xué)習(xí)。這在項(xiàng)目中首次使用新模塊庫(kù)時(shí)尤其有用。

構(gòu)思和結(jié)構(gòu)設(shè)計(jì)

AI還可以幫助理解高級(jí)流程，尤其是在多個(gè)組件相互作用的情況下。如果在做出影響其他電子元件的復(fù)雜、多方面決策之前，需要讀取許多傳感器數(shù)據(jù)，那么在編碼之前先構(gòu)思偽代碼流程或研究軟件布局可能會(huì)有所幫助。這還包括確定不同代碼是否應(yīng)分布在不同的文件中，以及這些文件之間可能的相互作用。如果項(xiàng)目不是特別復(fù)雜，可以快速啟動(dòng)項(xiàng)目，先讓模型生成最基本的循環(huán)，然后再繼續(xù)開(kāi)發(fā)。

編寫代碼

圖：根據(jù)左邊的指令，ChatGPT能夠?qū)⒉糠执a重寫為函數(shù)，因此右側(cè)的主循環(huán)會(huì)更加簡(jiǎn)潔。（圖源：作者）

如前所述，LLM在生成代碼方面表現(xiàn)出色，但并非完美無(wú)缺，尤其在處理冗長(zhǎng)復(fù)雜的輸出時(shí)。有鑒于此，采取以下步驟就能避免因修復(fù)錯(cuò)誤而造成的延遲，從而加速開(kāi)發(fā)進(jìn)程。

首先，每次僅請(qǐng)求生成小段代碼，并通過(guò)簡(jiǎn)潔明了地概述輸入、輸出及預(yù)期功能來(lái)明確需求。例如，為AI提供精確的設(shè)計(jì)風(fēng)格注釋和起始代碼，可以幫助生成更優(yōu)質(zhì)的代碼。對(duì)于編寫常見(jiàn)代碼段，如控制LED閃爍、輸出脈寬調(diào)制信號(hào)、驅(qū)動(dòng)編碼器或讀取流行傳感器數(shù)據(jù)，尤為有效。

其次，要求AI修改代碼段（如現(xiàn)有草圖中的代碼段），使其與當(dāng)前項(xiàng)目相匹配。這種方法還可用于精簡(jiǎn)代碼，將部分代碼轉(zhuǎn)化為可重復(fù)使用的函數(shù)，并確保代碼生成請(qǐng)求明確描述硬件限制，如具體的微控制器型號(hào)（如Arduino Uno與ESP32）以及任何電源、內(nèi)存或引腳限制。這樣可以確保生成的代碼針對(duì)所用開(kāi)發(fā)板進(jìn)行優(yōu)化，并避免與特定架構(gòu)不兼容的函數(shù)。

在使用模型生成代碼時(shí)，驗(yàn)證模型是否出錯(cuò)同樣重要，因此請(qǐng)務(wù)必審查代碼，并使用在線模擬器（如Tinkercad）進(jìn)行測(cè)試。此外，AI還能生成調(diào)試代碼行，以簡(jiǎn)化調(diào)試過(guò)程；例如，如果有部分AI代碼不清晰，它往往會(huì)在被問(wèn)及時(shí)能成功解釋具體代碼的含義。最后，如果模型出現(xiàn)錯(cuò)誤，還可以對(duì)其進(jìn)行調(diào)試，這在已經(jīng)有生成代碼作為上下文的情況下尤其有用。

結(jié)語(yǔ)

強(qiáng)大的現(xiàn)代AI模型（如LLM）正在以前所未有的速度加速軟件開(kāi)發(fā)，但它們?cè)谔嵘布?xiàng)目方面也大有可為。這一點(diǎn)在編寫Arduino草圖等任務(wù)中尤為明顯。這些模型不僅能幫助開(kāi)發(fā)者為這類系統(tǒng)生成代碼，還能在項(xiàng)目其他環(huán)節(jié)提供支持，例如理解文檔、解析不熟悉的組件庫(kù)，以及在實(shí)施前構(gòu)思整體軟件流程。與任何軟件工具一樣，AI模型并非完美無(wú)缺，也無(wú)法取代參與硬件項(xiàng)目的人類開(kāi)發(fā)者，但其作為工程輔助工具的能力，正是加速開(kāi)發(fā)流程的理想選擇。