HDL开发中的智能工具_有支持hdl语言的ai编程插件吗?-CSDN博客

本文链接：https://blog.csdn.net/m0_46570640/article/details/142470789

人工智能时代，程序员如何保持核心竞争力？

随着AIGC（如chatgpt、midjourney、claude等）大语言模型接二连三的涌现，AI辅助编程工具日益普及，程序员的工作方式正在发生深刻变革。有人担心AI可能取代部分编程工作，也有人认为AI是提高效率的得力助手。面对这一趋势,程序员应该如何应对?是专注于某个领域深耕细作，还是广泛学习以适应快速变化的技术环境?又或者，我们是否应该将重点转向AI无法轻易替代的软技能？让我们一起探讨程序员在AI时代如何保持并提升自身的核心竞争力吧！

智能工具的作用

智能地解决问题
很多时候，解决一个问题需要将问题分解为多个问题，然后进行逐个解决。而智能工具提供的往往是一站式的解决方案，可以大幅缩短解决问题的时间。
提供工具化地使用方法
和直接询问他人解决不同，智能工具大部分时候还是一个工具，只能作为参考。和人的沟通中存在盲区的互补，而使用工具则只需要考虑效果。这种单向的解决方案必然存在合理性问题，需要慎重使用。

百度AI使用

使用感受

本人目前接触最多的就是百度的AI，在百度搜索的时候自动弹出。从直接感受来看，主要分为以下几个类型：

对于知识类的问题，效果约等于快速翻阅电子书。
对于操作类的问题，如果有关联度较高的博客，基本上是几篇博客的融合，操作基本上说的通。但是如果没有较高的关联度，那就会出现关键字被替换导致的错误教程。这一点在比较小众的软件的使用教程上尤为明显。
对于纠错类的问题，大部分时候给出的结果就是下面几篇博客中的解决方法的列举，类似试错法不断地解决。

module divider #(parameter N = 10)(
    input clk_in,
    input rst,
    output reg clk_out
);
 
reg [31:0] counter; // 使用32位计数器
 
always @(posedge clk_in, posedge rst) begin
    if (rst) begin
        counter <= 0;
        clk_out <= 0;
    end else begin
        if (counter < N - 1) begin
            counter <= counter + 1;
        end else begin
            counter <= 0;
            clk_out <= ~clk_out; // 切换时钟输出状态
        end
    end
end
 
endmodule

从上面百度AI生成地分频器来看，其结构可能是从几个博客里面拿出来的，然后变量名用关键字替换了。整体上就是将问题的答案整合为一个标准答案。这个对于有关相关设计经验但是忘记了相关的知识点的情况，会提供一个非常好的复习提纲。
博客内的分频器

使用优化

除了直接搜索对应的问题，还可以利用关键字强化问题的关联性，以免出现多义的名词导致的结果错误。比如解决语法问题：
搜索–TCL的正则表达式
得到正则表达式的基本语法
搜索–TCL正则表达式匹配所有字符
得到能够匹配所有字符的符号

这里效率的提高体现在问题越详细，答案越准确。和手动解决问题的差异就在这，手动解决问题时希望每个步骤越简单越好，解决起来越快。而AI工具希望问题越全面越好，这样参考的资料就越多。在这里，可以总结出一条使用规律：
对于智能工具：关键字要比问题描述逻辑要重要

全自动编程可能性

自动化+人工

现阶段，在HDL编程中，效率最高的还是自动化加上人工实现。自动化提供高效的执行验证流程，人工负责搭建模型，交由自动化模块进行验证和输出。
这种方法的成本是最低的，自动化对于程序员来说基本上就是脚本+操作系统。只要掌握的脚本足够多，完全可以实现重复性工作只做一遍。人工的注意力集中在分析问题和解决问题的方案搭建上。

bat + tcl + vivado，可以实现FPGA的流程自动化

智能AI+人工

目前感觉，智能工具集中在文档搜索上。对于懒于做笔记的工程师而言，智能AI的效果尤为显著。不过，随着AI技术的告诉迭代，人工的比例必然会不断下降。这里我感觉人工的工作量下降必然带来其重要性的提高。毕竟，在AI筛选之后，只有需要仔细分析决策的部分才会被保留到人工。

智能AI+自动化

这个更多倾向于工厂生产，而不是技术研发。从目前的开发经验来看，技术研发中不是很注重产品的产出速度，更多是关注新出现的问题。而工厂则是更关注整个的生产效率，需要利用自动化来保证收益。

小结

由于技术市场足够大，不会因为AI技术的发展，就立马改变整个技术开发的生态，就像计算机的文字存储不会取代纸张一样，AI技术也无法取代传统的技术开发工作。更多的情况是上述各种技术的随机组合，形成各种独特的开发环境。

在AI时代的发展展望

在刚接触AI技术的时候，确实非常震撼，感觉自己已经被AI超越。比如学生时代就想过AI会做的事以后是不是都不需要人工去做。但是在了解过AI技术从早期的自动化中脱离出来，经过机器学习和深度学习的发展，最后走向现在的实际应用，整个的技术脉络还是有迹可循的。作为一项技术，AI无疑会带来生产生活的改变，正如信息时代计算机所带来的改变一样。这种改变对于个人发展而言，机遇是大于风险的。作为码农，用镰刀收割永远不如收割机。