Automation

從一句抱怨開始 第三天了。 這塊點心小板真的夠硬。Claude Code 在大放送期間讓我能一直衝，結果還是頂到了用量限制。早上後來去參加研討會，腦子裡一直在想一件事： 我花了多少時間在 copy/paste？ JTAG 的 call stack、SWD 的暫存器狀態、Serial Console 的 log——一段貼過去，AI 給建議，我改一下 code，重新 build、flash、再抓 log，再貼回去。來來回回。有時貼錯視窗，有時貼漏了關鍵的那幾行。 跟以前純靠自己 debug 比起來，確實快很多。但還是不夠快。Bug 像俄羅斯套娃，抓掉一層，裡面還有一層。每一次的「這次應該好了」到「怎麼又掛了」的迴圈，都讓人想把鍵盤推開。 所以我在想，如果能消除人為因素的話呢？ 一個想法：給 AI 眼睛跟手 問題說清楚了就好解決。 我需要的不是更聰明的 AI，而是讓 AI 能自己看、自己動、自己驗。 不再是我充當「人肉資料傳輸管道」，把硬體的訊號用眼睛看完之後再貼給 AI，而是讓 AI 直接接上硬體的感知介面，取得第一手的訊號，做出判斷，然後直接驅動工具鏈——build、flash、reset——再自己確認結果。 這個想法就是 AI-HIL（AI Hardware-in-the-Loop）。 Giving hardware the soul of AI, realizing automated closed-loop development in the physical world. AI-HIL 是什麼 AI-HIL 把 Claude Code 從「code 產生器」升級成「系統級工程師」。 透過 Model Context Protocol (MCP)，Claude Code 連接到實體硬體，獲得三種能力： 感知（Perception）：讀 Serial log、JTAG call stack、電流波形、Camera 畫面 行動（Action）：Build/Flash firmware、硬體 Reset、電源控制 閉環驗證（Closed-Loop Validation）：自動確認修復是否有效，記錄 bug 模式 換句話說，AI 不再只是坐在我旁邊出主意，而是能自己上工的 AI Employee。 ...

幾週前，我的同事在 TED 上發現了一段非常有趣的影片。他把連結傳給我後，讓我感到非常興奮。他之所以傳給我，是因為我們在一個月前剛討論過影像系統的未來。每個人都對未來的設備提出了不同的點子，而我的想法是——搭載相機的四旋翼無人機 (Quadcopters)。 我之所以想做這種設備，源於我在大學時期的研究。我曾在航太系修讀力學，大學加碩士總共沉浸了六年。在台灣，因為環境因素，這類職涯機會相對較少。許多同學選擇加入半導體產業，在台積電或奇美電子等公司擔任設備工程師。少部分人（包括我）選擇了一條不同的路，在其他產業擔任研發工程師。 我的第一份履歷投考的是機構工程師，但命運引領我成為了監控系統的軟體工程師。幸運的是，我見證了監控產業最重要的轉型期：從封閉系統到開放系統，再從開放系統轉向智慧化系統。這其中最顯著的變革是 IP 網路基礎設施的快速成長。網路技術克服了 2000 年的泡沫，重新形塑了許多產業的遊戲規則。隨著開放系統逐漸成熟，我們正邁向智慧化的未來。 四旋翼無人機就是這類型設備的一個縮影。 影片連結：Raffaello D’Andrea on TED 我對影片中第一個「倒立單擺 (Inverted Pendulum)」的演示印象極深，這是在學校最基礎的控制實驗，如今竟然在四旋翼無人機上實現了，簡直太神奇了！我原本的構思僅是讓它在不同基地台間巡邏，但現在的發展已遠超我的想像。