当前位置: 首页 > news >正文

硬件版【Cursor】?aily blockly IDE尝鲜封神,实战硬伤尽显

步骤 1:安装启动

下载好安装包,一路 “下一步”,几分钟就装好了。打开 IDE 的瞬间,我直接被清爽的界面戳中了:

  • 左边是全平台开发板列表,Arduino、ESP32、STM32、树莓派 Pico… 主流板子基本全覆盖。
  • 中间是图形化编程区,和 Scratch/Blockly 一样的拖拽式界面,对新手比较友好。
  • 右上角那个星星形状的「AI 按钮」,就是传说中 “硬件版 Cursor” 的核心功能,点一下就能唤起专属 AI 助手。

步骤 2:写需求,AI帮忙写代码+安装库以及器件选型

我这次的项目需求很明确:

帮我生成一个AI语音聊天机器人,后端使用任意ASR/TTS/LLM模型即可,我用的是I2S麦克风INMP441和I2S功放MAX98357A,我希望屏幕上的 小人可以支持自定义图标导入,我用的屏幕是ST7789

AI开启了自动服务:

  • 自动推荐 / 切换开发板​:AI 直接帮我切换到了 ESP32-S3 的开发板,还贴心提示:“这个板子有足够的 I2S 和 SPI 引脚,适合你的项目”,完全不用我自己翻手册选板子,太懂了。
  • 自动安装依赖库​:AI 识别了我需要的所有库 ——ESP32 I2SAdafruit GFXAdafruit ST7789ESP32 WiFiWebSockets… 直接用 npm 帮我安装,而且是项目级隔离的,不会和别的项目冲突!终于不用再面对 Arduino IDE 的 “库版本地狱” 了。
  • 自动规划项目流程​:右边的 AI 助手给我列了完整的 todo 清单:从 “切换开发板”“安装库”,到 “了解库文档”“设计代码结构”,再到 “编写代码”“编译验证”,像个专属硬件导师一样,一步步带着我走。

步骤 3:AI 自动生成图形化代码,连引脚都帮我配好了

等库装完,AI 直接开始帮我生成图形化代码 —— 我全程就看着它自己拖拽模块,把整个项目的逻辑都搭好了:

  • 硬件初始化部分​:帮我配置好了 I2S 麦克风和功放的引脚,比如BCLK接GPIO5LRC接GPIO6DIN接GPIO7,连 ST7789 屏幕的 SPI 引脚、功放的静音脚SD都帮我配置好了,不用我对着引脚图一个个查。
  • WiFi 连接部分​:给我留好了填 SSID 和密码的模块,还加了连接失败的串口提示,连重连逻辑都帮我写好了。
  • 语音处理全流程​:自动加了 “I2S 录音 →ASR 转文字 →LLM 处理 →TTS 转语音 →I2S 播放” 的完整逻辑,每个模块旁边都有注释,比如 “这个模块是初始化麦克风,采样率 16000Hz,单声道,适合语音识别”,新手也能看懂每个步骤在干嘛。
  • 屏幕显示与自定义图标​:帮我初始化了 ST7789 屏幕,加了 “录音中”“处理中”“播放中” 的状态显示模块,甚至连自定义图标导入的模块都帮我加上了,还提示我:“可以在这里替换你自己的小人 BMP 图标,支持 16 位色,直接导入就行”。

其他功能

由于我这里没有对应开发板,所以并没有烧录,这里看了一下其他的功能。

点了右上角的「查看代码」按钮,可以看到它生成的是​完整的 Arduino C++ 代码​,框架、头文件、函数定义都规规整整:

点开旁边的「串口监视器」,可以看到有一些常用基础功能:波特率、COM 口选择、自动换行、HEX 模式、快捷发送文本,甚至 DTR/RTS 控制引脚的选项。

除此之外,还有一些模型商店,里面有 SenseCraft AI 的预训练模型,比如手势识别、人脸检测、目标检测:

短板明显:更像新手玩具,而非深度嵌入到开发工作流中的工具

仔细查看了Github上的代码,个人认为aily blockly 目前是「硬件新手的神器」,但离「专业级工程化 IDE」,还有很长的路要走。
它把入门门槛做到了极致,但完全没有覆盖进阶开发者、专业硬件项目的真实工作流,更像是一个快速做原型、尝鲜的工具,而不是能落地工程开发的生产力平台。

结合真实开发者的使用习惯,说几个最核心的不足:

版本控制能力:依赖管理成熟,正统版本管控缺失

在项目依赖管理层面,该 IDE 采用npm模式实现开发板固件包、各类外设库的项目级隔离部署,彻底解决传统 Arduino IDE 全局库混用、版本冲突、环境迁移失败等行业普遍痛点,单机多项目并行开发体验十分友好。

但 aily blockly 目前​完全没有集成 Git​:

  • 不能初始化仓库、提交代码、管理版本
  • 不能自动记录每次 AI 生成 / 手动修改的内容
  • 不能自动生成规范的 Git 提交描述(比如:feat: 添加 I2S 麦克风驱动 /fix: 修复屏幕显示 BUG)
  • 更谈不上多人协作、版本对比

主流开发者打开 IDE 第一步就是 Git,它直接缺失了最基础的工程化基建。

无工程化调试闭环:只负责 “生成代码”,不负责 “迭代优化”

对新手来说,做一个简单的Demo,能一键生成代码、跑通项目就够了;

但是实际开发中,往往面临着功能反复变动、器件选型更换等问题,对想深入开发的人来说,​开发 = 调试 + 迭代 + 验证​,而这块完全是空白。

它目前不能像我们上位机开发一样:

  • 在代码里插入自定义测试点、埋点、调试日志
  • 烧录后自动读取硬件输出、捕获异常、回传数据
  • 根据测试结果自动建议代码修改、参数优化
  • 形成「写代码 → 烧录 → 测试 → 改代码」的闭环

无自动化测试框架:项目可靠性全靠 “赌”

这是我认为最影响工程化开发的核心短板:​IDE 仅支持 AI 生成业务功能代码,却完全无法配套生成对应的测试代码框架与测试用例​。

从官方规划和实际体验来看,工具现阶段​零自动化测试能力​:既没有嵌入式单元测试、硬件外设集成测试的代码模板,也不支持 CI/CD 持续集成对接;更无法根据 AI 生成的主逻辑,自动生成引脚测试、功能校验、异常容错等配套测试代码。

这意味着,所有代码的可靠性完全依赖手动验证:烧录、上电、手动测试、肉眼排查,没有任何自动化校验手段。项目一旦进入迭代阶段,修改一处逻辑就可能引发连锁 BUG,既无法保障代码稳定性,也无法形成「开发 - 测试 - 迭代」的闭环,完全无法支撑量产级项目的可靠性要求。

硬件资源与运行性能分析:仅优化编译速度,无运行态数据监测

软件自带云端闪电编译加速工具,能够大幅缩短多库复合项目的编译耗时,有效提升原型开发效率,但该功能仅针对编译效率优化,和程序运行性能无关。

目前软件缺失嵌入式开发两大刚需核心能力:一是无固件Flash存储空间、片上SRAM内存占用量化统计功能;二是无设备运行状态监测模块,无法实时采集 MCU 算力占用、程序运行帧率、外设调度效率等核心性能数据。
开发者无法直观掌握板载资源余量:

  • 看不到编译后固件占用多少 Flash
  • 看不到运行时占用多少 SRAM、有没有内存泄漏
  • 没有代码性能分析、执行效率报告
  • 没有瓶颈检测、优化建议

擅长智能生成,缺乏专业层级代码优化

AI 生成的代码能跑,但不具备基本的一些开发技能:

http://www.cnnetsun.cn/news/3175499.html

相关文章:

  • 【Bug已解决】Claude Desktop 报错 Virtual Machine Platform not available 解决方案
  • 基于scRNA解析HNSCC肿瘤免疫微环境中Tfh、Th17细胞浸润的预后价值
  • 商用轨道插座怎么选更划算 各品牌性价比盘点帮你避坑少花冤枉钱
  • Windows Mobile下访问Sqlite的Native C++封装
  • Unity URP卡通渲染着色器:从原理到实践的完整指南
  • 3步掌握AMD Ryzen SDT调试工具:专业级CPU性能调优完整指南
  • NHibernate Issues之1904/1905:相同属性的Domain与Join查询/子查询
  • 智能办公本X2:端侧AI驱动的手写语音协同工作流
  • 大语言模型解码策略与低资源部署技术详解
  • NHibernate实例分享:Northwind Mapping
  • 2026年全铜卫浴五金洁具厂商口碑情况汇总
  • Vben精讲:06-Vben环境变量配置
  • MoeKoe Music终极指南:如何用开源免费客户端享受VIP音乐体验
  • Python自动化测试·Selenium操控元素的方法
  • 从Qwen-AgentWorld看大模型智能体如何操作真实系统:架构、挑战与工程实践
  • Cline 配置 Claude Sonnet 5 实战指南:思考深度调优与切换 Fable 5 的时机
  • 恶劣天气数据集 极端天气数据集 雨天道路数据集 雾天道路数据集 雪天马路恶劣环境图像目标检测数据集-道路障碍物识别数据集-数据集第10119期
  • 三千米浮空飞艇视频接入,广域立体视频孪生全域侦监技术解读 野外复杂地形动态重建 · 演训场景视频孪生目标三维重构完整体系
  • 毕业生必备7款AI写作辅助网站,一站式搞定选题初稿与降AI率
  • GHelper:华硕笔记本开源高效控制工具的专业替代方案
  • 成都茶台定制推荐
  • YOLOv10模型改进-Neck改进-第74篇:YOLOv10改进策略【Neck】| FPN-DCN可变形卷积
  • 连锁超市收银系统选什么?千店实测与商拓深度测评
  • 【湍流】基于matlab对涡粘性和雷诺应力模型FVM实现湍流通道流【含Matlab源码 15687期】含报告
  • 如何选择合适的面试机构?
  • 一文吃透 Transformers 模型加载:from_pretrained 参数大全与推理全流程解析
  • 磁吸易装 + 稳定传输,打造高效机房 U 位资产管理方案
  • 像素地理锚定标准化模型 Pixel2Geo引擎构建视频孪生空间基准体系 虚实双向指令交互通道 视频孪生联动前端感知设备智能处置技术详解
  • PPO强化学习
  • 嵌入式系统调度算法介绍