AI 辅助开发问答合集
本合集由同主题多个问答的答案精华重新组织而成，原帖均保留未动。
一、嵌入式和 AI 的结合有哪几种形态
主要三种：
- AI 提升研发效率：辅助编程、优化 CI/CD 流程、构建模拟仿真与虚拟化；
- 端侧 AI：常规方法不好解决的感知、识别、预测或多模态融合问题，在满足实时性、资源有限的前提下端侧部署；
- AIoT 混合：设备本身不跑大模型，通过蓝牙/WiFi 等接入云端 AI 服务（如"AI 小智"），属于物联网与云端的混合运用，不算纯端侧 AI。
— 问：嵌入式和ai的结合处一般需要应用技术栈有哪些 是那种端侧算力的设备（Jack）
二、常用 AI 辅助工具怎么选
- 代码补全：课程里 VSCode 用的是 Tabnine；自动生成注释、自动格式化也可以直接配 Tabnine。
- 国内分工：写文档/技术方案用文心一言；党政风材料用天工 AI；生活旅游规划用豆包；写代码用 DeepSeek、通义灵码。
— 老师课程里vscode里用的AI插件是啥呀（Jack）
— 2. 我看有一些工具可以自动生成注释，自动格式化（Jack）
— 国内AI应用 写文档，技术方（Jack）
三、零成本上手 agent + MCP + skills + RAG
从零实现整套架构较难，快速上手的办法：VSCode 装 roo code 插件，登录后配置一个 DeepSeek API key 即可用起来。roo code 本身就是一个 agent——右上角设置里可配置各种 MCP，在工作目录 .roo/skills/ 下放置 skills，skill 的 .md 里还可以写检索 RAG 等操作。拿来即用，便宜实惠。
— 前面说的 agent + MCP + skills + RAG 的架构（Jason）
四、Claude Code 的历史对话怎么查
VSCode 插件或 CLI 的对话记录默认保存在 C盘 .claude/project/ 目录下，每个项目对应一个文件夹。用 pip install claude-code-log 安装现成工具，可把原始 JSONL 转成适合人类阅读的 HTML 再阅读。
— 使用 Claude code（Jason）
五、Agent demo 易，生产落地难
搭一个 Agent demo 很简单，但要在生产环境 7x24 小时稳定运行、效果稳定输出非常难——瓶颈不是模型能力，而是生产流程复杂：哪些步骤交给 AI 发挥、哪些必须用代码固化、每步 token 性价比和延时控制多少、有没有 dashboard 做 KPI 统计。这要求既熟悉原有工作流，又熟悉 AI 的能力边界；落地的工具最终一定是一个能量化、能汇报的产品，而不是技术 demo。
— 搭建一个 Agent demo 很简单，但是想要在生产环境搭建一个可以 7：24（Jason）
六、AI 时代工程师的竞争力是什么
以后每个人都是事情的 owner，而不再只是具体实现者：AI 填充框架内的事情，框架由人来搭。软件架构、密码学安全有很多方案，选哪个 AI 拍不了板，还得人来拍板；对未知的预测与探索需要人向前走一步，AI 不会自动走这一步。
— ai时代工程师的竞争力究竟是什（Jack）
七、"架构 + AI"：未来工程师的定位
要跑步进入"架构+AI"的时代：未来工程师是架构师和测试工程师。对嵌入式硬件、底层原理、架构的理解，决定工程师能否判断"指导 AI 做出来的东西对不对"。
— 我们需要跑步进入“架构➕AI”的时代，未来工程师是：架构师和测试工程师（Jack）
八、AI 对嵌入式岗位结构的影响
AI 会大大增加嵌入式中小厂的岗位、减少大厂岗位：越容易被流程化、模板化的工作越被压缩（大厂这类工作多）；越需要专业背景、业务理解、现场判断的岗位越需要真人（小厂多新行业，且 AI 降低了硬件创新门槛）。中小厂每个新产品方向都需要工程师按需求指挥 AI 干活，调用芯片厂商的 MCP；追求长期迭代的产品，架构是必修课。
— AI对嵌入式开发来说，会大大增加嵌入式中小厂的就业岗位（Jack）