AI 辅助开发

AI 工具可以提高效率，但不能替代验证。尤其是 HDL、嵌入式和服务器脚本，生成结果必须经过仿真、测试或实际运行确认。

适合使用 AI 的场景

• 生成模块骨架。
• 解释报错和日志。
• 编写 testbench 或 Python 数据处理脚本。
• 梳理文档、周报和实验记录。
• 对已有代码做 Review 提醒。

不适合直接交给 AI 的场景

• 未公开项目资料、合作方文件、私钥、Token、账号密码。
• 没有验证条件的上板代码。
• 涉及安全、电源、硬件连接的高风险决策。
• 需要导师或项目负责人拍板的技术路线。

示例提示词

生成 HDL 骨架：

帮我写一个参数化同步 FIFO，数据位宽和深度可配置，需要 full/empty 标志，并说明复位行为。

写 testbench：

给这个 UART 发送模块写一个 testbench，波特率 115200，发送 0x55 和 0xAA，并检查 tx_done。

分析报错：

Vivado 报 multi-driven net。下面是相关代码和日志，请帮我定位哪些 always 块可能同时驱动同一个信号。

使用原则

• 先描述目标和约束，再贴最小必要代码。
• 让 AI 解释思路，不只要结果。
• 对生成代码做仿真、lint、单元测试或实际运行。
• 把最终可用结论写进项目文档，避免只留在聊天记录里。