简介这几个月以来各种AI工具席卷而来AI的浪潮彻底被卷起来了大家都能看到各大短视频平台AI制作的短视频犹如雨后春笋平台的推波助澜加上商业跑通闭环成本压缩到原来的十分之一内容正在从“实拍中资产”转向轻量化批量生产短视频行业的创作逻辑已经彻底改变。今天主要说说AI编程目前的发展已经跨国单纯的代码补全阶段现在正从 IDE 插件式辅助往编程智能体 Agent的方向推进从写单行代码升级到独立完成跨文件功能开发、自动调试的工程闭环大量开发者已经在日常项目里规模化使用。今天就以Grok Bot为例开发一款上位机实时监测数据APP这是一款数字化工具开发的目的是代替原有的人工通过摄像头录像来整理数据提高工作效率解放生产力。一、当前现状产品在研发过程中为了更好的用户体验需要展示一些数据给用户看一方面是体验好了能增加附加值带动销量另一方面提升产品档次带来产品溢价消费者愿意买单。比如移动电源以前都是4个LED灯显示电量现在大多数都是通过数显SOC显示了。今年刚发布的新国标“移动电源安全技术规范GB47372-2026”要求把电压、温度、电池信息等展示给用户展示给用户的数据就需要详细测试数据的变化要稳定不能有突变。好了进入正题我们需要给用户展示电量SOC、电池电压、电池电流、电芯温度、预计充满时间、预计放空时间、端口电压、端口电流等等那这些数据需要测试整个工作的过程是否数据变化是否符合规格要求以往测试我们通过放一个摄像头全程录像再手动统计有些实时的数据只能肉眼取观察这样测试有很多弊端一个是耗费人力另一个是结果存在偶然性。那我们就想优化这个流程来提高效率解放生产力同时测试的整个过程中呈现数据化有原始数据有可直观的曲线遇到问题也便于分析。一句话概括就是测试流程从人工干预改成数字化监测。二、实现数字化监测工具需求明确了我们需要用AI来开发一个工作流这里用的是Grok Bot来开发。这里提前说一下需要搭配我们的硬件设备的log数据log打印的数据类型需要标准化这样才具备可扩展性。接下来我们看一下这个工作流怎么开发。2.1 首先设计框架第一步先把需要显示的数据设计一个框架分几个区域显示什么数据比如串口信息部分显示串口号、波特率、开关log接收区用于接收硬件设备打印的log数据参数部分上位机通过解析串口上报的数据把需要监测的数据从log提取并显示出来动态曲线显示电池电压、电量SOC的实时曲线。如下图所示这个是我当时用AI工具生成的界面全程没有写一行代码全靠AI生成不断优化而成。2.2 测试数据显示框架设计好了下一步就要验证数据显示是否正确。搭建硬件环境实时打印log数据接上电脑查看数据显示根据具体的问题去优化。如下图这里展示一个测试数据显示正常的界面。从图中可以看到有一项“日志记录”的功能点击之后本地会实时记录界面显示的所有数据生成表格当发现测试的结果不满足要求时我们可以打开本地记录的log数据追踪分析整个测试流程的数据看看是哪个数据异常导致的。如下面截图所示就是本地记录的log数据。2.3 稳定性测试功能都实现了最有一步就是测试稳定性了主要看看是否有以下问题1) APP是否一直稳定显示数据数据显示正确2) APP长期运行是否出现卡死、闪退等问题3) APP后台的运行占有率是否处于高风险。2.4 发布APP测试2~3轮相对稳定之后就可以发布APP了后面的硬件设备就可以用这个测试平台挂在电脑上让它自己跑就好了全程不需要人去干预最后主需要验收一下结果就好了大大解放了生产力1个人可以同时测试多个项目了。彩蛋我当时为了更好的使用体验增加了工作结束的弹框提示小伙伴也可以自己去DIY各种创意想法让开发的APP更加简单好用。三、总结通过这一次深入接触AI编程发现确实优势明显比如像我这种不会计算机开发的嵌入式开发者但短板同样突出也是现在很多人踩坑的地方。AI 生成的代码经常看起来能跑边界条件、异常处理、安全逻辑考虑不全复杂业务逻辑、底层硬件时序、性能瓶颈它很难一次性做对。它输出的是 “大概率能用的代码”不是经过验证、适配项目完整架构的工程代码。很多人直接复制粘贴上线很容易埋下隐性 bug。而且 AI 容易产生幻觉编造不存在的 API、寄存器参数越是底层、偏硬件的项目这个风险越高所以必须人工逐行复核。AI编程的爆发已经改变了我们的工作模式长期来看程序员的工作重心会转移。原来大量时间耗在写基础代码未来更多精力放在需求拆解、架构设计、方案选型、代码评审、性能调优、风险把控上。会区分两类开发者一类只会复制 AI 代码看不懂底层逻辑很难处理复杂问题另一类懂得怎么给 AI 提清晰需求、校验 AI 输出、修正缺陷用 AI 放大自己效率这类人竞争力反而更强。AI 编程现在处于强辅助、有限自主的阶段。它是高效的工程助手而不是独立程序开发者。短期会持续改变开发流水线长期的核心矛盾不在于 AI 能不能写出代码而是如何控制它生成代码的可靠性、可维护性把它稳妥放进正式项目交付体系里。AI 编程是工具革命会淘汰只会搬砖的开发方式但懂原理、能判断、会架构的开发者价值会更高。工欲善其事必先利其器拥抱AI。 
长河君 · 2026/10/23 2:43:10 · 阅读 1.2k 用AI编程开发一款实时监测数据APP，全程没写一行代码 i
简介这几个月以来各种AI工具席卷而来AI的浪潮彻底被卷起来了大家都能看到各大短视频平台AI制作的短视频犹如雨后春笋平台的推波助澜加上商业跑通闭环成本压缩到原来的十分之一内容正在从“实拍中资产”转向轻量化批量生产短视频行业的创作逻辑已经彻底改变。今天主要说说AI编程目前的发展已经跨国单纯的代码补全阶段现在正从 IDE 插件式辅助往编程智能体 Agent的方向推进从写单行代码升级到独立完成跨文件功能开发、自动调试的工程闭环大量开发者已经在日常项目里规模化使用。今天就以Grok Bot为例开发一款上位机实时监测数据APP这是一款数字化工具开发的目的是代替原有的人工通过摄像头录像来整理数据提高工作效率解放生产力。一、当前现状产品在研发过程中为了更好的用户体验需要展示一些数据给用户看一方面是体验好了能增加附加值带动销量另一方面提升产品档次带来产品溢价消费者愿意买单。比如移动电源以前都是4个LED灯显示电量现在大多数都是通过数显SOC显示了。今年刚发布的新国标“移动电源安全技术规范GB47372-2026”要求把电压、温度、电池信息等展示给用户展示给用户的数据就需要详细测试数据的变化要稳定不能有突变。好了进入正题我们需要给用户展示电量SOC、电池电压、电池电流、电芯温度、预计充满时间、预计放空时间、端口电压、端口电流等等那这些数据需要测试整个工作的过程是否数据变化是否符合规格要求以往测试我们通过放一个摄像头全程录像再手动统计有些实时的数据只能肉眼取观察这样测试有很多弊端一个是耗费人力另一个是结果存在偶然性。那我们就想优化这个流程来提高效率解放生产力同时测试的整个过程中呈现数据化有原始数据有可直观的曲线遇到问题也便于分析。一句话概括就是测试流程从人工干预改成数字化监测。二、实现数字化监测工具需求明确了我们需要用AI来开发一个工作流这里用的是Grok Bot来开发。这里提前说一下需要搭配我们的硬件设备的log数据log打印的数据类型需要标准化这样才具备可扩展性。接下来我们看一下这个工作流怎么开发。2.1 首先设计框架第一步先把需要显示的数据设计一个框架分几个区域显示什么数据比如串口信息部分显示串口号、波特率、开关log接收区用于接收硬件设备打印的log数据参数部分上位机通过解析串口上报的数据把需要监测的数据从log提取并显示出来动态曲线显示电池电压、电量SOC的实时曲线。如下图所示这个是我当时用AI工具生成的界面全程没有写一行代码全靠AI生成不断优化而成。2.2 测试数据显示框架设计好了下一步就要验证数据显示是否正确。搭建硬件环境实时打印log数据接上电脑查看数据显示根据具体的问题去优化。如下图这里展示一个测试数据显示正常的界面。从图中可以看到有一项“日志记录”的功能点击之后本地会实时记录界面显示的所有数据生成表格当发现测试的结果不满足要求时我们可以打开本地记录的log数据追踪分析整个测试流程的数据看看是哪个数据异常导致的。如下面截图所示就是本地记录的log数据。2.3 稳定性测试功能都实现了最有一步就是测试稳定性了主要看看是否有以下问题1) APP是否一直稳定显示数据数据显示正确2) APP长期运行是否出现卡死、闪退等问题3) APP后台的运行占有率是否处于高风险。2.4 发布APP测试2~3轮相对稳定之后就可以发布APP了后面的硬件设备就可以用这个测试平台挂在电脑上让它自己跑就好了全程不需要人去干预最后主需要验收一下结果就好了大大解放了生产力1个人可以同时测试多个项目了。彩蛋我当时为了更好的使用体验增加了工作结束的弹框提示小伙伴也可以自己去DIY各种创意想法让开发的APP更加简单好用。三、总结通过这一次深入接触AI编程发现确实优势明显比如像我这种不会计算机开发的嵌入式开发者但短板同样突出也是现在很多人踩坑的地方。AI 生成的代码经常看起来能跑边界条件、异常处理、安全逻辑考虑不全复杂业务逻辑、底层硬件时序、性能瓶颈它很难一次性做对。它输出的是 “大概率能用的代码”不是经过验证、适配项目完整架构的工程代码。很多人直接复制粘贴上线很容易埋下隐性 bug。而且 AI 容易产生幻觉编造不存在的 API、寄存器参数越是底层、偏硬件的项目这个风险越高所以必须人工逐行复核。AI编程的爆发已经改变了我们的工作模式长期来看程序员的工作重心会转移。原来大量时间耗在写基础代码未来更多精力放在需求拆解、架构设计、方案选型、代码评审、性能调优、风险把控上。会区分两类开发者一类只会复制 AI 代码看不懂底层逻辑很难处理复杂问题另一类懂得怎么给 AI 提清晰需求、校验 AI 输出、修正缺陷用 AI 放大自己效率这类人竞争力反而更强。AI 编程现在处于强辅助、有限自主的阶段。它是高效的工程助手而不是独立程序开发者。短期会持续改变开发流水线长期的核心矛盾不在于 AI 能不能写出代码而是如何控制它生成代码的可靠性、可维护性把它稳妥放进正式项目交付体系里。AI 编程是工具革命会淘汰只会搬砖的开发方式但懂原理、能判断、会架构的开发者价值会更高。工欲善其事必先利其器拥抱AI。