本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

Embedded-dev 嵌入式开发全工作流

开源链接:

GitHub - DunCanYounG-1/embedded-dev: Primary embedded development skills · GitHub

AI 嵌入式开发规范工作流

• codex版本在研发当中，因为本人codex日常用的没有claude多qaq

项目简介

在结合 AI 进行嵌入式开发的过程中，我发现当前目前AI在代码生成方面存在部分短板，导致开发效率不升反降。本项目根据我日常的开发工作流进行了总结，通过优秀的代码规范约束、多角色批判性审查和部分开源项目复用，降低了 AI 生成代码的不确定性，显著提升了嵌入式开发的质量和效率。

核心痛点

经过大量实战，我总结出 AI 嵌入式开发很容易触发的的四大问题：

1. 代码质量失控：AI 生成的代码经常 “随地拉屎”，缺乏工程化思维，随着项目迭代快速变成难以维护的屎山


2. 上下文丢失：每次重新开启对话，AI 完全不知道项目进度和下一步方向，需要重新上传整个项目文件，耗费巨量 token 和上下文窗口，大项目尤为明显


3. 代码混乱：AI生成具有随机性，经常重复性定义变量、函数和宏，生成的代码逻辑不统一、风格不一致，可读性较差


4. 接口猜测：AI 总是喜欢凭空猜测硬件接口、寄存器地址和函数签名，而不是基于已有代码和事实进行推导

解决方案

针对以上痛点，我设计了一套多维度的解决方案：

1. Hooks 严格代码规范约束

通过预定义的 hooks 系统，对 AI 生成的代码进行强制检查和格式化：

• 强制统一代码风格（命名规范、缩进、注释格式参考了业界前辈们的优秀代码样本进行训练和总结）


• 禁止重复定义，自动检测已有变量和函数


• 限制函数长度和复杂度，强制模块化拆分


• 嵌入式专属检查（寄存器操作规范、中断处理规范、内存管理规范）

2. 多轮次多角色批判性论证系统

引入多个专业角色对 AI 生成的代码进行交叉审查：

• 架构师角色：检查整体架构合理性和可扩展性


• 嵌入式工程师角色：检查硬件相关代码的正确性和性能


• 代码审查员角色：检查代码规范、潜在 bug 和安全问题


• 测试工程师角色：提出测试用例和边界条件验证

每一轮代码生成都需要经过至少两个角色的批判性论证，通过后才能进入下一步。

3. 开源项目优先复用机制

在 AI 生成任何代码之前，先执行以下步骤：

1. 检索 GitHub 上同类型的优秀开源项目


2. 分析这些项目的架构设计和代码实现


3. 提取可复用的模块、函数和最佳实践


4. 基于已有优秀代码进行修改和适配，而不是从零生成

这一机制极大减轻了 AI 生成的不确定性，同时保证了代码质量。

4. 项目状态持久化记忆四文件

解决上下文丢失问题：

• 自动维护项目状态文件，记录当前开发进度、已完成模块和下一步计划


• 每次对话只需要上传最新的状态文件和变更的代码片段


• 支持增量更新，避免重复上传整个项目


• 自动生成项目摘要，帮助 AI 快速了解项目全貌

工作流概览

1. 项目初始化

   └── 上传项目需求和已有代码

   └── AI生成项目架构和开发计划

   └── 架构师角色审查和优化



2. 模块开发循环

   └── 检索相关开源项目和最佳实践

   └── AI生成模块代码初稿

   └── 多角色批判性审查

   └── 根据审查意见修改代码

   └── 代码规范检查和格式化

   └── 提交代码并更新项目状态



3. 集成测试

   └── AI生成测试用例

   └── 执行测试并反馈问题

   └── 迭代修复直到通过测试

这是我在实际开发中总结出来的一套还算能用的工作流，肯定还有很多不完善的地方，欢迎各位佬友批评指正，一起交流探讨更好的 AI 辅助开发方式。

版本更新预告

• 正在学习运动控制算法ing…准备把这一块的知识也补上


• 下一个大版本预计更新效仿trellis的框架搭一个嵌入式专属的开发框架

如果大家觉得这个工作流还不错，或者对你有帮助的话，求求各位佬友点一下 star，这是对我最大的认可