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

用AI繪制草圖

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

（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)項目的基礎(chǔ)工作，這通常包括排查意外或模糊的錯誤信息。在編寫草圖代碼的同時，可以編寫測試用例并識別功能缺失。

幸運的是，在開發(fā)過程中引入人工智能（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)確無誤，而且在試圖用代碼解決大型復(fù)雜問題時，往往會忽略重要細(xì)節(jié)。因此，與工程師或具備類似經(jīng)驗的技術(shù)人員合作，對于測試和驗證代碼是否按預(yù)期運行以及項目是否成功至關(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（Adafruit TSL2591高動態(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項目不僅僅是編寫草圖代碼。在開始軟件編程之前，還需要進(jìn)行一些準(zhǔn)備工作。具體來說，就是需要閱讀文檔和規(guī)格說明，了解如何與所選組件交互，識別預(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)冗長且繁瑣，因此有一個AI助手來簡化這一過程是非常有益的。

許多LLM可以接受像數(shù)據(jù)手冊等文件格式，以回答有關(guān)規(guī)格、功能和要求的問題（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可加速對新組件未知功能的理解與學(xué)習(xí)。這在項目中首次使用新模塊庫時尤其有用。

構(gòu)思和結(jié)構(gòu)設(shè)計

AI還可以幫助理解高級流程，尤其是在多個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。如果項目不是特別復(fù)雜，可以快速啟動項目，先讓模型生成最基本的循環(huán)，然后再繼續(xù)開發(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)會更加簡潔。（圖源：作者）

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

首先，每次僅請求生成小段代碼，并通過簡潔明了地概述輸入、輸出及預(yù)期功能來明確需求。例如，為AI提供精確的設(shè)計風(fēng)格注釋和起始代碼，可以幫助生成更優(yōu)質(zhì)的代碼。對于編寫常見代碼段，如控制LED閃爍、輸出脈寬調(diào)制信號、驅(qū)動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)前項目相匹配。這種方法還可用于精簡代碼，將部分代碼轉(zhuǎn)化為可重復(fù)使用的函數(shù)，并確保代碼生成請求明確描述硬件限制，如具體的微控制器型號（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所用開發(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，驗證模型是否出錯同樣重要，因此請務(wù)必審查代碼，并使用在線模擬器（如Tinkercad）進(jìn)行測試。此外，AI還能生成調(diào)試代碼行，以簡化調(diào)試過程；例如，如果有部分AI代碼不清晰，它往往會在被問及時能成功解釋具體代碼的含義。最后，如果模型出現(xiàn)錯誤，還可以對其進(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

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發(fā)，但它們在提升硬件項目方面也大有可為。這一點在編寫Arduino草圖等任務(wù)中尤為明顯。這些模型不僅能幫助開發(fā)者為這類系統(tǒng)生成代碼，還能在項目其他環(huán)節(jié)提供支持，例如理解文檔、解析不熟悉的組件庫，以及在實施前構(gòu)思整體軟件流程。與任何軟件工具一樣，AI模型并非完美無缺，也無法取代參與硬件項目的人類開發(fā)者，但其作為工程輔助工具的能力，正是加速開發(fā)流程的理想選擇。