這兩年我一直在用研究AI，以及讓它盡可能協助我工作。
如果是2年前，用AI的時候，它給我的印象是：蠢貨。。。
到了2024年，用AI的時候，它給我的印象是：哎喲，不錯哦！
而現在，用AI的時候，它給我的印象是：不是，臥槽，你這么吊了嗎？
從開始覺得沒用，到有點用，到震驚，覺得它離譜，也就短短的兩年時間。
其實一直在關注AI的人都會有一種感覺，根本學不過來，Claude code剛部署完，Clawdbot又來了，好在，大多方法論都是相似的。
前段時間看了一條推文，說未來程序員不再需要寫代碼，還是說未來不再需要程序員，又或者是未來人人都是程序員。
具體記不清了，反正推文表達的意思是：碼農的天塌了。。。
如果前兩年看到，我是不信的，現在我覺得這可能是即將發生的事情，或早或晚！
最近我用Claude code+GLM4.7做了一個吃透單片機項目的技能包，實現完整的項目知識管理 + 開發提效解決方案。
試了下效果，確實很炸裂。
技能包需要結合AI使用，相當于技能包能加強了通用大模型一個細分場景的能力，主要分2兩步。
有以下幾點服務：
自動根據源碼，提取完整的接口定義，硬件配置、協議、程序框架、算法，給代碼加注釋，快速定位代碼，自動幫你在電腦上新建文件，真正釋放雙手，比如輸出項目依賴關系，完整索引和標準化文檔。
最終會幫你生成這些文件夾和文件架構。
除了整理輸出項目技術文檔，它還能提供項目任何細節的精準問答、代碼能精確到代碼行數、這是通用大模型很難做到的。
比如 "這個協議是什么格式？"
它搜索所有數據結構，提取協議幀格式、狀態機。
下面是幫一個客戶做的。
我又拿特訓營項目3做了一個實驗，讓它給我解釋下我項目集合里，項目3的UI菜單是怎么做的，思路是什么？代碼如何實現，并輸出.md文件。
然后我就端起茶在線等。
沒兩分鐘，它就給我哐哐一頓輸出好了。
給你看看它生成的文檔質量：
是不是很離譜？哪怕程序是我寫的，我都無法像它這么高效、清晰、精準地梳理出來，寫完一個月后都忘光了。
以前的大模型只能給你模糊答案，現在是給你精準答案，并幫你寫好保存在電腦上。
能提取項目里面通用的代碼架構，算法，協議，讓它舉一反三跨芯片移植復用，不用自己操心怎么移植，怎么改，你只要把要求列給他，它自動幫你寫代碼，保存在本地。
這個功能其實特別有用。
前段時間我在調試foc的時候，網上找了一些算法，比如之前我找了microchip的滑膜觀測器算法，但是它的移植到我的單片機上很麻煩，我數學功底太差，自己推導吃透再寫程序，耗時又太長，就可以用這個代碼識別和復用。
用這套技能包先學習microchip的滑膜觀測器算法，然后你只需要說："幫我提取microchip的滑膜觀測器算法，復用到我的項目上"。
這個場景對1-3年的工程師特別常見。
你接手一個項目，代碼是屎山，幾百行代碼全塞在main函數里，全局變量滿天飛，復制粘貼代碼到處都是。
你想重構，但不知道怎么改，怕改壞了。
網上看設計模式，感覺都有道理，但不知道怎么用到自己的項目里。
用這套技能包，你只需要說："用狀態機重構這個項目的按鍵處理"。
它會：
而且這些設計模式都是從真實項目里提取的，不是教科書上的理論。
很多人可能問，這些功能類似于ChatGPT也能做，為什么要專門搞個技能包？
區別在于：
通用大模型（如ChatGPT）：
這套技能包+大模型：
說得直白點：
通用大模型像是一個"啥都懂一點"的應屆生。
這套技能包像是一個"對你項目了如指掌"的專家。
你說哪個更好用？
我算是AI資深用戶了，前后花了2年時間摸索，也和網上那些磚家說的：不是AI蠢，而是你不懂提示詞工程。
然后我又買了很多寫提示詞的方法和模板，最后折騰一波下來，它的輸出結果還是不盡人意，讓我感覺這就是AI的天花板了，不管你怎么優化提示詞都沒用。
而且早期AI對話框，聊完記憶就沒了，要么上下文限制，無法讓AI分析幾十個代碼文件。
這套技能包是基于Claude Code的本地能力，而且最關鍵的是，項目和記憶永久保留在本地。
這東西有啥用？
其實我是最關注落地行動的，根據我做這么多年工程師的經歷，有幾個場景我認為巨有用。
以前我每次跳槽到一家新公司，前3個月是最難受的。
因為接手新項目，代碼亂，無文檔，注釋少，沒人問，問了對方也是隨便敷衍的回答。
現在有了這個工具，毫不夸張地說，AI學完比開發者本人更了解項目全貌。
對于企業來說，核心工程師離職，代碼知識流失，文檔缺失，關鍵模塊無人維護，項目出問題排查慢，隱形BUG無人知曉。
而讓工程師以文檔的形式總結出來，難度很大。
第一是時間，寫文檔時間2-4周。
第二是寫技術文檔也是一門技術，不是所有工程師都會寫。
招人接手去理解代碼的時間，又是1-3個月。
用這套技能包，1-2小時搞定。
比如協議解析，某個Bug的解決方案，程序設計的思路，項目復雜又沒教程，用它也能幫你梳理項目完整性，新人也能快速上手。
不只是單個項目，比如你做過很多項目，這些經過驗證的技術沉淀，是工程師或者公司的數字資產。
項目分散，但很多功能是可以復用的。
比如433M解碼、NB-IoT通信、協議解析、OLED菜單、PID算法，程序架構這些代碼在不同項目中都能用。
以前要找代碼，只能靠記憶，或者一個項目一個項目翻。
現在用這套技能包，直接問："所有項目中的433M解碼實現"，它就給你列出來對比。
這兩年AI發展真的太快了，不能以年來看，一個月不關注，感覺都落后很多。
這套技能包只是AI在單片機開發領域應用的一個例子。
類似的工具，未來會越來越多。
前段時間看了一本時寒冰的書，書上人工智能篇有句話是這樣說的，我非常認可且細思極恐。
"一旦廉價機器人得到廣泛推廣，尤其是在一些勞動密集型產業，像印度這樣的如今具有勞動力優勢的國家將不再享受人口紅利，而那些科技發展水平更高、機器人普及率也更高的發達國家，有望徹底改變勞動力成本高昂的局面。這將徹底改變產業大轉移的路徑，甚至會改變一國之國運。
一個顯而易見的趨勢是，當發達國家大量使用機器人，使機器人成本顯著低于勞動力的時候，一些勞動密集型產業就會離開發展中國家而流向發達國家，從而使得發展中國家面臨前所未有的生存危機。發展中國家與發達國家之間的差距將急劇擴大。"
往小了說，我們工程師也是一樣的道理，當你還在猶豫這玩意兒有沒有用的時候，別人已經用它把1周的工作壓縮到1小時了，工程師之間的差距也將急劇擴大，當企業意識到這點的時候，哪怕你是公司資深工程師，他都將不再避你鋒芒。
如果你對這套技能包感興趣，或者有什么建議和需求，可以在評論區說說你的想法，也可以加我微信：2777492857
