史詩方法#1-通過人工智能對(duì)編程加速開發(fā)

　　我一直喜歡的一個(gè)敏捷方法是成對(duì)編程。配對(duì)編程讓兩個(gè)開發(fā)人員一起開發(fā)一個(gè)軟件特性。一個(gè)開發(fā)人員通過編寫代碼作為驅(qū)動(dòng)程序，另一個(gè)作為導(dǎo)航員，檢查準(zhǔn)確性并記住更大的圖片。我很久以前就知道，為嵌入式系統(tǒng)編寫代碼并不是困難的部分。任何人都可以編寫代碼;它檢查代碼是否正確，并做它需要的，這就是訣竅。

　　人工智能模型可以生成代碼。Github的副駕駛和OpenAI的代碼沙箱做得很好。將一個(gè)人作為導(dǎo)航器與一個(gè)將編寫代碼的AI模型配對(duì)是加速開發(fā)人員吞吐量的好方法。例如，我最近正在開發(fā)一個(gè)軟件模塊，其中包括單元測(cè)試，在那里我使用了副駕駛來幫助我加速開發(fā)。當(dāng)我開始輸入我正在編寫的函數(shù)或測(cè)試的名稱時(shí)，副駕駛會(huì)開始建議代碼的樣子，比如：

　　TEST(HeaterGroup, CreateThread)

　　{

　　UINT status;

　　TX_THREAD HeaterThread;

　　status = tx_thread_create(&HeaterThread, "HeaterThread", HeaterTask, 0,

　　HeaterThreadStack, HEATER_THREAD_STACK_SIZE,

　　HEATER_THREAD_PRIORITY, HEATER_THREAD_PRIORITY,

　　TX_NO_TIME_SLICE, TX_AUTO_START);

　　CHECK_EQUAL(status, TX_SUCCESS);

　　}

　　副駕駛很快就產(chǎn)生了一個(gè)測(cè)試，我必須在這個(gè)案例中進(jìn)行審查和祝福。它并不總是正確的，也并不總是有一個(gè)好的建議，但總的來說，它提高了我編寫代碼的速度。人工導(dǎo)航器可以導(dǎo)致更高的質(zhì)量和更快的代碼開發(fā)。

　　史詩般的方式#2-更快的調(diào)試

　　我發(fā)現(xiàn)ChatGPT在查找代碼中的錯(cuò)誤或建議改進(jìn)代碼方面相對(duì)不錯(cuò)。從歷史上看，根據(jù)安斯彭可2020年嵌入式營銷調(diào)查，開發(fā)者平均花了20%的時(shí)間來調(diào)試代碼。然而，我遇到過許多開發(fā)人員和團(tuán)隊(duì)，他們花費(fèi)了超過40%的時(shí)間!減少調(diào)試時(shí)間可以節(jié)省數(shù)月和數(shù)十萬美元的開發(fā)成本。人工智能工具將幫助開發(fā)者實(shí)現(xiàn)這一目標(biāo)。

　　我最近在一篇演示C緩沖區(qū)溢出的文章中使用了代碼。該代碼如下：

　　#include

　　#include

　　int main (void){

　　printf ("Hello, world!\n");

　　printf ("Let's overflow the buffer!\r\n");

　　uint32_t array[5] = {0, 0, 0, 0, 0,};

　　for(int index = 0; index < 6; index++) {

　　printf("Index %d: %d\r\n", index, array[index]);

　　}

　　return 0;

　　}

　　我把這個(gè)代碼，粘貼到ChatGPT中，并要求它找到這個(gè)bug。其結(jié)果如下：

　　“在這段代碼中有一個(gè)緩沖區(qū)溢出。該數(shù)組被定義為大小為5，但是for循環(huán)試圖訪問一個(gè)索引6，這是越界的。這可能會(huì)導(dǎo)致未定義的行為，例如覆蓋不應(yīng)該修改的內(nèi)存。

　　要解決這個(gè)問題，您可以改變for循環(huán)條件，以停止在5，如下：

　　for(int index = 0; index < 5; index++) {

　　printf("Index %d: %d\r\n", index, array[index]);

　　}

　　This way the loop will only access the valid indices of the array, and will not cause buffer overflow.”

　　這可能看起來微不足道，但其潛力是令人信服的。ChatGPT能夠找到緩沖區(qū)溢出，提出修復(fù)它的方法并解釋原因。開發(fā)人員可能花了超過10-20秒的時(shí)間來發(fā)現(xiàn)這樣的錯(cuò)誤，特別是如果錯(cuò)誤更復(fù)雜的話。

　　我們已經(jīng)使用了靜態(tài)的和動(dòng)態(tài)的分析工具來改進(jìn)我們的代碼。使用人工智能工具來審查代碼并提出改進(jìn)建議是合乎邏輯的下一步。我已經(jīng)和幾十個(gè)工程師交談過了，他們已經(jīng)在使用ChatGPT來幫助他們學(xué)習(xí)Rust，改進(jìn)他們的C++代碼，找到更好的編寫Python的方法，等等。

　　史詩般的方法#3-將開發(fā)者指向正確的方向

　　有時(shí)，開發(fā)人員會(huì)遇到他們以前沒有完成過的活動(dòng)。在這些情況下，開發(fā)人員將需要在網(wǎng)上走出去，做一些搜索，做一些研究，嘗試一些事情，最終，他們會(huì)弄明白。然而，這個(gè)過程有時(shí)可能需要比我們想要的更多的時(shí)間。有了人工智能工具，開發(fā)者可以找到正確的方向，并更快地加快速度。

　　例如，如果你正在開始開發(fā)一個(gè)新產(chǎn)品，并且必須制定一個(gè)軟件開發(fā)計(jì)劃，你可以問人工智能應(yīng)該包括什么。響應(yīng)可能是如下的：

　　項(xiàng)目概述：對(duì)項(xiàng)目的目標(biāo)、目標(biāo)和范圍的總結(jié)。

　　需求：對(duì)軟件的功能需求和非功能需求的詳細(xì)描述。

　　設(shè)計(jì)：對(duì)軟件的整體架構(gòu)和設(shè)計(jì)的描述，包括任何相關(guān)的圖表或原理圖。

　　開發(fā)時(shí)間表：關(guān)于軟件開發(fā)的詳細(xì)計(jì)劃，包括任務(wù)、里程碑和截止日期。

　　測(cè)試和質(zhì)量保證：一個(gè)關(guān)于測(cè)試和質(zhì)量保證的計(jì)劃，包括任何相關(guān)的測(cè)試工具和方法。

　　部署和維護(hù)：部署軟件并在生產(chǎn)過程中維護(hù)軟件的計(jì)劃。

　　資源分配：對(duì)項(xiàng)目所需資源的描述，包括人員、設(shè)備和預(yù)算。

　　風(fēng)險(xiǎn)管理：識(shí)別和減輕整個(gè)項(xiàng)目中潛在風(fēng)險(xiǎn)的計(jì)劃。

　　溝通：在項(xiàng)目團(tuán)隊(duì)之間和與利益相關(guān)者之間的溝通計(jì)劃。

　　附錄：與項(xiàng)目相關(guān)但未包括在計(jì)劃主體中的任何附加信息。

　　ChatGPT生成了上述列表。是否準(zhǔn)確?我認(rèn)為這是一個(gè)優(yōu)秀的第一次通過。我使用的軟件開發(fā)計(jì)劃有更多的內(nèi)容，但所有這些項(xiàng)目都包括在內(nèi)了。因此，一個(gè)創(chuàng)建他們的第一個(gè)軟件開發(fā)計(jì)劃的人將會(huì)有一個(gè)方向要走。

　　現(xiàn)在，我認(rèn)為這是一個(gè)很好的時(shí)機(jī)來指出，你不能總是相信人工智能工具會(huì)告訴你做的事情。我最近在做一個(gè)項(xiàng)目，其中我必須啟用糾錯(cuò)碼(ECC)。我沒有在那個(gè)微控制器上做過，我很好奇ChatGPT是否會(huì)給我正確的答案，或者給我指明正確的方向。我閱讀了數(shù)據(jù)表，把我需要做的事情放在一起，然后實(shí)現(xiàn)了它。在驗(yàn)證了我的解決方案后，我問ChatGPT如何做同樣的事情。生成的輸出是正確的方向，但遺漏了一些關(guān)鍵的細(xì)節(jié)。如果我單獨(dú)依賴它，我可能還會(huì)試圖弄清楚為什么ECC不工作。

　　結(jié)論

　　像ChatGPT、CoPilot等許多其他工具將極大地改變企業(yè)和開發(fā)人員編寫軟件的方式(以及更多)。然而，我不相信我們會(huì)很快把鑰匙交給機(jī)器。我懷疑這些工具能否優(yōu)化實(shí)時(shí)性能，或創(chuàng)建正確的權(quán)衡，以確保在多任務(wù)處理環(huán)境中能夠滿足最后期限。然而，增強(qiáng)開發(fā)者并幫助他們變得更高效的潛力是巨大的。大多數(shù)嵌入式系統(tǒng)公司面臨的兩個(gè)最大挑戰(zhàn)是上市時(shí)間和開發(fā)預(yù)算。自動(dòng)化和流程可以幫助團(tuán)隊(duì)沿著這條道路前進(jìn)，但人工智能可能只是最終解決這些挑戰(zhàn)的工具。