AI编程让互联网都产出翻倍了，却让调ISP的图像颜色更偏，嵌入式工程师想砸示波器，可太难了！

我用完有什么感受呢，什么工具好用，怎么用

昨天有个做纯软件的朋友问我：“现在用的什么编程工具？”

我说，trae/cursor/claude code都试了下，各有优势，然后我就结合了。有时候换着用。

他问：‘cursor好不好用？能省多少时？“

我说：”大概30%吧。“

他很惊讶，说："才30%？我用Cursor之后代码产出翻倍了。"

瞬间我不知道怎么接哈哈，整个不会了。……

内心OS: 你们的代码跟我这能一样吗？你们写个接口叫"增删改查"， 我调个寄存器得先看看芯片手册300页。

后来我在想，为啥同样是AI编程，嵌入式软件跟互联网的体验差距这么大？

直到我悟出了一个真理：

AI不会让你失业，但会用AI的人会让你失业。

这句话听听就像鸡汤，但如果你就是个嵌入式工程师，会发现它挺残酷的。

因为AI帮不了的那部分，恰恰是最要命的。

先说嵌入式跟互联网最大的区别：

如果纯软工程师写代码，错了咋办？

改一下，Ctrl+S，部署，云服务器上一丢，好了。

我写嵌入式软件的代码，错了咋办？

好，板子重启一下。哦不，重启还没用，得重新烧录。

再不行，示波器掏出来，看看波形对不对。

再再不行，把硬件工程师喊过来："哥，我这IO口咋没信号？" 你说AI能帮我啥？

AI能帮我生成代码，但它不能让我的板子亮起来。

再说在平台上，ISP调图像

AI 生成了一套色温计算公式，觉得能覆盖所有场景。

结果背景是一大片绿草地， ISP 直接把画面调成了惨紫色。

AI 永远不知道，在咱们眼里，绿色不一定是绿。也不知道什么是画质通透。

我用了AI编程，实测下来是这样的：

AI能帮我们的是数学模型与逻辑转换。梳理SDK的代码逻辑，或者学习别人的代码。生成模块代码。解释芯片手册，然后让我们的代码，也可以自我解释，加上注释。

AI不能帮我们的是，主观对画质的玄学定调。客户说色彩要通透。AI 懂什么叫通透吗？它只会算信噪比。量一下示波器波形，板子跑不起来看看等等，理论满分，实操不行。

AI 懂所有的色彩科学，但它不懂什么叫好看，AI 懂所有的寄存器位，但它不知道板子都冒烟了。

但你说AI没用吗？那肯定不是。正确的姿势是：让干脏活累活，自己来关键的。

具体来说，专属的Prompt技巧：

 技巧1：让它帮你写PQ 调优自动化脚本

ISP 调优最烦的就是处理成千上万张 Raw 图。批量转换格式、统计亮度均值、提取 Raw 数据，这种活儿手撸代码太浪费时间。

Prompt 示例：

“写一个 Python 脚本，要求：读取文件夹下所有的（什么平台） 12bit Raw 图（规格什么分辨率），计算每张图中心 10% 区域的平均亮度，并将结果输出成 Excel 表格。顺便帮我检查一下数据分布，看有没有严重的过曝点。”

技巧2：让它帮你写注释

"帮我把这段I2C初始化代码，每一行写清楚做什么，寄存器为什么要这么配"

其实我觉得吧，用了AI编程之后，我的工作效率大概提升了20%-30%.

注意，不是工作量，是效率。

以前做视频流调试流程：对需求很久，查手册几小时，写代码好几个小时，调bug看运气

现在看需求AI帮我整理，查手册AI帮我筛重点解读，写代码生成模块的模板，调bug看运气

你说省了多少？

省的是前面两步，后面的硬件调试，该踩的坑一个没少。

用AI：是放大镜，不是替代品。

要是想着AI能调通板子、调好画质，能帮验证、能帮解决问题

洗洗睡吧，梦里啥都有。

但要是想着AI能帮写框架、解释手册。这才是好的打开方式。

最重要的还是提示词，差异化就是看谁会提问。最重要的是结构化表达，结构比文采重要。如果高频用的需求，可以自己维护一个提示词文档，问AI的时候，也要尽可能的说清楚

角色设定 + 上下文背景(硬件) + 具体任务 + 约束条件（拒绝幻想） + 输出格式

给它设定，他是个高级嵌入式视频流方向的工程师，硬件是什么样的环境条件，具体干什么，限定条件，怎么输出，输出样的东西，就会大幅度的减少幻想。

其次，好的习惯能将 AI 的能力放大10 倍

比如：

01

分段生成 · 分段测试 · 分对话讨论

不要一次想实现太多，不要让 AI 一次性生成几百行代码，先生成初始化，测试没问题，再生成中断，再测试，避免一次性踩一堆坑，review成本极高 。

把角色分开，一个对话摸清上下文，一个对话负责实现，一个对话专门review,测试

02

把报错截图 + 代码块 = 精准投喂

报错日志，和代码一起发给 AI，它能更快定位问题，比纯文字描述强太多，能给图不靠嘴

03

上下文一乱，就果断 / clear

不要互相绕晕了，不是越聊越聪明，是越聊越混乱：旧问题丢进新任务、忘掉限制、套模板，越自信跑偏。

04

高频动作值得做成固定模板

重复用的那一类，那就别每次从头写，做成自己的模板

其实，AI不是魔法，它是放大器和智能搭档，给它的应该是判断而不是单纯的资料。脑子里是平庸的那给他也是平庸的，它输出的也就是平庸的。

对于trae，cursor ，claude code这些工具，其实各有所长，可以结合一下，按需组合

trae的免费轻量，中文理解的绝对性碾压, 但是脑容量不好，下午还要排队

cursor的项目级上下文，多文件批量修改强，补全质量高。但是中文理解一般，低配电脑运行卡顿。

claude code 深度理解、长文本、架构级分析，复杂问题定位能力最强，但是呢好像无实时代码补全功能

---

不知道大家在AI生成内容的过程中都在干什么？

看个手机？上个厕所？

如果你认真观察，就会发现

Trae 展示完整的思维链，中文理解能力强,输出也偏于文档化。cursor上下文理解好，但思维过程不可见。输出风格更像是日常问答。Claude Code结果精准，推测思考过程也很强，而且优先级明确，给出的指示也是可以立即执行的清单。

嵌入式工程师的大部分时间不是写代码，是调板子。图像调优ISP方向，我们也是针对不同的产品需求，客户喜好去做。AI替代不了调板子，但它能让你有更多时间去调板子。替代不了画质标准，但是能够辅助。

这就够了。