半年打磨，我把单片机 AI 工作流升级到第二版

距离上次设计的第一版 AI 工作流，已经过去两个月了。这两个月忙到飞起——一边把教程录完，一边又用这套 AI 工作流帮客户开发真实的单片机项目。换作以前，一个人根本做不了这么多事。

说实在的，如果没有 AI，我大概率不会接单片机定制开发。这事真不挣钱，都是体力活：资料自己翻，原理图自己啃，客户需求自己整理，代码自己写，编译报错自己查，不懂的技术栈还得花时间学……一个项目干下来，看着那点微薄的收入，人都是崩溃的。更糟的是，很多东西沉淀不下来，下个项目还是从头再来。

但有了 AI 以后，我忽然发现这事似乎还能干。我不需要花大量时间研究具体技术栈，只要懂怎么测试就行；不懂的地方，也可以让 AI 教我。人力成本降低了，效率提高了，正好也能在各种项目上打磨这套 AI 工作流。

最近接了一个电控产品，全程我一行代码都没写，也没去研究 CAN 协议，甚至代码打开看的次数都不超过 10 回。结果产品功能不仅调通了，还把客户的老代码重构了一遍，测试好交给他。中间改了很多次功能、协议指令，我基本几个小时全部搞好。为了客户方便，每次还附带一个直观的测试网页——哈哈，这都是 AI 帮我干的。

可能你觉得这样很虚，心里没底。当初我也这么想。直到我窥探到有些大佬，用着几十个 AI Agent 帮他干活的那种震撼场景后，我越研究越发现：当你设计好每个环节的规则和边界，AI 输出的质量真的比人高得多、快得多。请相信这一点。

以前这些事都要工程师一点点手工做，现在 80%–90% 的研发环节，可以用我这套工作流替我去做那些脏活累活。一个工程师 + 一群 Agent，我觉得是未来研发的新工作方式。如果还沿用传统流程做研发，效率会被降维打击。

现在我做的每个项目，都是这种标准化的目录结构、标准化的硬件接口说明、标准化的功能需求文档，以及标准化的工程目录和代码架构。把前置工作都标准化以后，后续研发新项目就能复用这套流程，越跑越顺，越跑越快。这大概就是很多嵌入式团队梦寐以求的组织流程化。

我用这套工作流跑了 3 个项目，两个是从零开发，一个是在老代码上增加功能然后重构。中间也发现了第一版工作流的缺点，顺势升级到现在第二版的 MCU 工作流。第二版除了优化原来的 Skill 外，教程里还手把手教你怎么设计一个新 Skill 去解决一个痛点：比如以前我们在不同环节要调用不同的 Skill，得记住名字、得想怎么组合流程，特别麻烦。这个新 Skill 相当于项目经理的角色——你提需求，它自己分析该调用哪个 Skill，还会自动组合几个 Skill 去完成一个任务。后面再有新的 Skill，直接拼装进去就行，整个工作流就会越来越完善。

传统方式去开发类似项目，如果不熟悉，从零开始，到实现多级菜单、RF 无线软件解码、按键短按/长按/连续/释放、按键音等功能，大概需要半个月到一个月。而现在用这套工作流，在很熟悉产品功能的情况下，基本一两个小时就搞定了，而且项目目录架构更标准，文档更齐全，代码架构质量也更高。

到这一步，这套工作流基本覆盖了从零开发到后期维护、增减功能的整条线。人只定方向、做判断、上板验证；读资料、整理接口、写代码、分析报错、输出文档这些脏活累活，统统交给 AI。

这段时间，我和不少嵌入式工程师、小团队负责人、接单工程师聊过。大家的反馈出奇的一致：

• “我也用 AI，但感觉只能写点简单逻辑。”
• “完整项目它就不行了。”
• “AI 写的代码，不敢在产品上用。”
• “项目资料太乱，AI 也不知道从哪下手。”
• “团队里有人用、有人不用，最后还是各干各的。”

我一开始也这样。这不是工程师的问题，也不是 AI 太菜，而是大家用 AI 的方式还停在“聊天”和“搜索引擎”这一层——问一句答一句，没人把它当成一个能干活的生产工具去编排。我用 AI 最大的体感是：你得先让 AI 懂你的项目，把项目整理得让 AI 容易接手。代码想写到能上产品的程度，关键在喂给它的东西够不够：项目上下文、硬件约束、你自己踩坑攒下的经验。规则不定好，它自然往歪了写；规则定好了还歪，那就是模型能力边界了。而定这些规则、再反复测试输出、再修复，是真的很耗时间。所以我才说，一天 10 小时都不够用……

个人用不好 AI，自己摸索还能凑合。团队用不好，才是真问题。我现在越来越觉得，中小嵌入式团队用 AI，最难的不是买工具。Codex、Claude Code、Cursor、各种 Agent 工具，大家都能装，门槛低得很。真正难的是，团队里没人知道该怎么把 AI 放进项目流程。我接触过不少带 3~10 个人的小团队负责人，他们说的话都差不多：我知道要让团队用 AI，但不知道怎么标准化，现在是每个人自己摸索，有人用得熟，有人压根不用，出来的东西质量参差不齐，根本没法统一。工程师自己用，停在查资料、问代码、写小函数；负责人想推，但不知道怎么定标准；老工程师觉得 AI 不靠谱，因为它说错过太多；新人想用 AI 接手项目，结果项目资料本身就是乱的，AI 也接不上。最后就是每个人一套方法，输出忽好忽坏，谁也不敢拿 AI 写的代码直接上产品。

这些弯路，我都替你们走过来了。

AI 到底有没有帮上忙？帮了多少？这是很多人最想问的，也是我刚开始最关心的。经过我多个项目的实操，说句实话，最直接的帮助就是效率的提升——但能提升多少，因人而异。AI 是个效率放大器，放大几倍，取决于你的行业经验、对产品功能的理解深度，以及用 AI 的熟练度。底子越厚、表达越准，放大倍数越高。用 AI 本身也是门手艺，也得熟能生巧。

但放大是实实在在的。下面是我最近在不同真实项目上跑出来的数据，仅供参考：

我总结下来，用熟这套工作流以后，整个研发过程最耗时的，其实是在和客户确定需求以及后期测试环节；中间环节比传统方式快很多。

我觉得不管对个人还是团队，最关心的还是这组数据背后，对应的 钱和时间的关系。

1. 如果你是中小嵌入式团队负责人——同样的人、同样的薪资，一年能多交付 2–3 个项目。按每个项目 10–30 万的合同额，多出来的就是 20–90 万营收。还有一笔隐性账：Skill 里编码了老工程师的经验、分层原则、编码规范，新人拿到 Skill 按标准流程走，写出来的代码又快又规范，不用老员工手把手带，省下很多沟通成本。

2. 如果你是接外包、做定制开发的——现在我最喜欢的单子是硬件现成，只开发软件，这种全程由 AI 完成，可以几个项目同时推进。以前一个项目 3–6 个月，一年最多做 2–3 个。用了这套工作流，一个项目 1–2 个月，同样一年能做 6–8 个。按一个项目 2–5 万算，多做 3–4 个，一年多赚 6–20 万。

3. 如果你是在公司上班的工程师——前期准备每个项目能省下大约 13 小时，一年省 50–80 小时，相当于少加两周班。开发周期缩短 2–3 倍，意味着你交付比别人快：同样的活，别人加班你准点走；同样的时间，你比别人多交一个项目。快，不是让你干更多的活，但快能给你更多选择权。

4. 不管哪种情况，本质是同一件事：这套 AI 工作流是个生产力杠杆。同样的时间、同样的技术底子，撬动 2–3 倍的产出，把你的时间从“1 倍”变成“2–3 倍”。

如果你也在探索嵌入式 AI 开发，想和更多同好碰撞经验，不妨来 云栈社区 看看。代码编写中那些烦人的 C/C++ 底层细节，也许能找到新的应对思路。人定方向、AI 执行，这条路，会越走越宽。