基于OpenCode开源AI的ST语言PLC编程实战：从PID控制器项目生成到代码评审

都说 Claude Code 是目前最强的编程 AI 软件，但是，一直也没绕过付费的这一关。

而在中文语境下，一款名为 OpenCode 的免费开源 AI 编程工具被很多技术自媒体推荐。本着能免费绝不放过的原则，我也亲自上手尝试了一番。我们这次主要聚焦于它在工业控制领域的应用，看看用它来编写 PLC 程序到底效果如何。

下面，我们就通过一个简单的例子来具体测试它的 PLC 编程能力！

OpenCode 简介

OpenCode 是一款开源的 AI 编程助手（AI Coding Agent），旨在将大语言模型的智能带到你的开发工作流中。它的核心特点是 “模型无关” 和 “本地优先”。

它的核心特点如下表所示：

目前，可以在其官网下载和安装：
https://opencode.ai/

ST 编程实战体验

我们还是以经典的 PID 控制器为例，一步步介绍如何使用 OpenCode 来生成完整的项目。整个过程全部由 AI 驱动完成。

首先，根据官网指引安装 OpenCode。安装完成后，在命令行（cmd）中直接输入 opencode 命令，或者在项目文件夹中打开命令行窗口执行：

输入命令后稍等片刻，即可进入 OpenCode 的交互式首页：

此时，在对话框里输入我们的需求：
“创建一个完整的 PID 控制器项目，请用 ST 语言编写，逻辑清晰，程序架构层次分明”

等待几分钟后，AI 就会完成整个项目的创建，并给出详细的项目报告：

已完成。让我总结一下我创建的完整 PID 控制器项目。
已创建完整的分层架构 PID 控制器 CODESYS 项目。
项目结构
D:/01 Work/Opencode/PIDController.project
├── Application/
│   ├── ST_PIDController (Function Block)
│   │   ├── SetParameters (Method)
│   │   ├── ResetIntegral (Method)
│   │   ├── SetTuning (Method)
│   │   └── SetFeatures (Method)
│   └── MAIN (Program)
架构层次

1. 类型层
   • ST_PIDParameters: PID 参数结构体
   • Kp， Ki， Kd 增益
   • 输出限制
   • 积分饱和限制
   • 微分滤波时间常数
   • 抗饱和策略选择
   • ST_PIDState: 内部状态结构体
   • 积分累加项
   • 历史误差和反馈值
   • 微分滤波状态
   • E_PIDError: 错误代码枚举
2. 输入/输出接口层
   • 输入：设定值、反馈值、使能、复位、手动模式、周期时间
   • 输出：控制输出、误差、三项输出、错误代码、报警
3. 状态管理层
   • 参数配置
   • 内部状态维护
   • 抗饱和反馈计算
4. 算法核心层
   • 比例项计算
   • 积分项计算（带两种抗饱和策略）
   • 微分项计算（带滤波避免设定值冲击）
   • 输出限制和反馈计算
5. 方法层
   • SetParameters(): 设置完整参数
   • SetTuning(): 仅调整 PID 增益
   • SetFeatures(): 配置功能选项
   • ResetIntegral(): 复置积分状态
6. 应用层 (MAIN 程序)
   • 完整使用示例
   • 一阶系统仿真模型
   • 参数初始化流程
   • 监控和调试接口
     项目已编译并保存到： D:/01 Work/Opencode/PIDController.project

在这个过程中，我们使用了 CODESYS 的 MCP 工具来实现与 AI 的深度集成（相关介绍可参考：是真的！现在不需要任何PLC编程基础，即可利用CODESYS MCP即可通过与AI对话的方式编写PLC程序了！）。

最后，我们打开 AI 生成的这个实际工程文件：

可以看到，项目打开后仍存在一些编译错误。这说明，即便有强大的 AI 代码生成能力作为辅助，开发者仍需要具备最基本的 ST 语言和 PLC 编程知识，才能有效调试和使用生成的代码。

功能拓展：多代理协作与代码评审

OpenCode 这类 AI 工具的另一个优势是支持多终端同时运行。我们可以开启多个会话，让不同的 AI 代理（Agent）使用不同的模型，发挥各自的特长来协作完成任务。

例如，我们可以让一个新的 AI 代理对上一位代理自动编写的 PLC 代码进行评审和打分。它的目标是评价上一个 Agent 生成的 PID 控制器项目。

最终，这个评审代理给出的综合得分是 78 分（满分 100）。这个分数不算特别高，因为它考虑的维度比我们通常想象的更加全面，涵盖了功能、安全、可维护性等多个方面。

同时，AI 也给出了具体的、分阶段的改进建议：

从这种方式来看，如果把一个大型的 PLC 项目拆分成许多细小的模块或任务，让几十个具备不同专长的 AI Agent 同时开工，各自负责一部分，最后再由一个“总管”Agent 来做统筹和集成，理论上能极大地提升开发效率。

总结与思考

OpenCode 作为一款免费开源的 AI 编程代理，在辅助 PLC 编程，特别是 ST 语言开发方面，展现出了不错的潜力。它能够根据自然语言描述生成结构清晰、注释完整的项目代码，并且支持多代理协作来完成更复杂的任务，如代码评审。

然而，目前的实践也表明，它生成的代码并非“开箱即用”，仍需要具备相关领域知识的工程师进行审查、调试和集成。AI 更像是一位强大的初级助手，可以大幅提升“从零到一”的搭建速度，但项目的最终可靠性、安全性和性能优化，依然离不开人类的专业判断。

你对这种 AI 辅助 PLC 编程的方式怎么看？欢迎在 云栈社区 交流你的看法和实践经验。