夜雨聆风
手把手教你用AI把海康SADP从Windows搬到麒麟——十轮对话搞定跨平台重构
点击标题下「蓝色微信名」可快速关注
摘要：
信创时代，你是不是时常抱怨麒麟的生态不行？以前windows常用的小工具，神插件都用不了？抱怨没有用，我们自己的操作系统，需要我们自己努力构建生态。这次尝试虽然很小，但是让我看到了，在AI时代，编程可以不用啃协议、不用写界面、不用编译内核，全程跟AI聊天就把软件写出来了。
相似文章：
3 天爆肝 3 万行代码，一个因 AI 编程而生的轻量监控项目
1为什么我们要重写SADP？
海康威视的SADP是干安防、做弱电人必备神器，搜索网内海康摄像头、录像机，激活、修改IP等操作必不可少。但这玩意儿只出Windows版。如果是在信创终端上，要么用不了，要么得开个虚拟机，特别别扭。
没有现成的，怎么办？那就自己写一个。
放在以前，编写这样的一个软件，就算你很是一个熟练的程序员，也是一个不小的工作。因为除了编程工作，有很大的任务是得先去搞明白SADP的通信协议，虽然网上有不少资料，但是要啃完，在写算法，写界面、调bug……没一两周根本下不来。
但现在不一样了，我们有AI。
今天这篇文章，我就用实现SADP的核心功能为例，记录完整的用AI大模型把Windows专用工具“平移”到麒麟系统的全过程。不需要你是协议专家，你只要初步了解python和pyQT编程，然后AI会教你1步1步的，实现你所需要的功能。
2第一步：让AI先帮你理清楚“到底要做什么”
让AI编程也是直接就跟他说：你给我编写一个和SADP一样的软件，也许他会响应，但是我但是结果一般不不会太好。
我的做法是：先不写代码，先做需求分析。我是这么问的：
“分析总结SADP的基本功能，对功能进行拆解，对功能的必要性进行排序；提出你认为比较合适的实现方法，按实现的难易程度进行排序；我根据你的输出，提示你如何进行操作。”
这相当于把AI当成一个资深架构师，让AI先帮你把地图画出来。
AI很快就回了一大段（这里的回复就不全贴了），把SADP的功能分成了三档：
·P0 核心必备：设备搜索、设备信息展示
·P1 高频使用：设备激活、修改网络参数、密码重置
·P2/P3 进阶：批量操作、固件升级、数据导出
同时还给了四种技术实现路线：纯socket自己撸协议、海康SDK封装、ONVIF+ISAPI混合、参考开源代码移植。
贴心的推荐了方案的事实策略和跨平台的注意事项。
从这个分析上来看，AI完全理SADP，甚至比我这个弱电佬都懂，我和AI在需求上已经“对齐”了，下一步需要进行编程了。
3第二步：给AI下“精准约束”
下一步不是让AI直接写全部代码，而是继续缩小范围，因为AI编程也还是辅助，还是有些小bug需要调试，因此一步一来比较好。
这里我告诉AI我的具体决定：
“1.我选择首先实现2项核心功能+修改网络参数这3项功能，预留拓展空间（选择主要的功能）2.技术实现方案采用你推荐的‘方案A 为核心、方案C 为补充’；（小编就是听劝）3.采用此方法是不是不局限于海康威视的产品？（实际上这条偏离编程主题，败笔）4.我有海康威视的测试设备；银河麒麟系统是 aarch64 架构。（这是回答AI上次对我疑问）从我有的PyCharm编程环境，请从搭建编程环境开始，实现这个软件。”
这段话其实是给AI画了一个非常清晰的圈：
- 圈定范围：只做设备发现+修改网络参数，不急着一口吃胖
- 圈定路线：用UDP组播模拟SADP搜索，用HTTP ISAPI做配置（纯Python，天然跨平台）
- 圈定平台：x86开发 + aarch64部署
- 确认可行性：问AI能不能兼顾其他品牌，给我吃个定心丸
然后AI就开始干活了，上来给两个平台的 pip 安装命令，再给出项目目录结构。跨平台的伏笔在这里就埋下了：全程只用标准socket和requests库，不碰任何操作系统的私有API。
4第三步：从界面开始搭骨架
关于先写协议还是先写界面，我觉得都可以，但是我还是先写界面，因为界面搭出来才是最快的正反馈——你马上就能看到东西，而且后续的调试也更直观。
我的指令很简单：
“好的，我在Windows开发环境搭建（PyCharm），帮我先搭建基本的 PyQt5 界面框架。”
因为根据上面来看，AI对SADP很熟悉，
然后AI就给我生成了一套完整的PyQt5主窗口，里面包含：
- 一个设备表格，列名直接对齐海康原版SADP的字段（设备类型、IP、端口、掩码、网关、MAC、序列号、固件版本、状态）
- 在线设备文字变绿，离线变灰
- 点击搜索按钮先用模拟数据填充表格
这里我也很吃惊，因为我并没告诉AI表格要有几列，叫什么名字。但因为AI已经充分理解了SADP的功能，所以AI自动生成了符合预期的界面。可能是因为SADP使用率太高的软件，其他的软件可能需要微调。
运行起来一看，界面长这样（反正跟原版SADP差不多），AI甚至还贴心的给力模拟数据，心态一下就稳了。
5第四步：啃最难啃的骨头——设备搜索协议
这是整个项目最核心也最难的环节。SADP的搜索报文怎么发？发到哪个地址？设备是什么格式？我们平时用，但是从来没有了解过他
这时候不能直接丢一句“帮我实现SADP协议”，那样AI会懵。我的做法是带着具体目标去问：这里我也是根据上次AI的建议：
“帮我实现核心层 core/discover.py（这个在前面的软件框架可以看到）：构造并发送 SADP 搜索报文，解析返回的设备信息，替换 on_search 中的模拟数据。”
AI给出了完整的discover_devices函数，不但给出完整代码，还有思路，如果需要软件调试，也能有个帮助。
- 使用组播地址239.255.255.250:37020（海康设备监听这个端口）
- 报文是UTF-8编码的XML，根节点<Probe>
- 收到应答后解析XML里的MAC、IP、序列号等字段
- 用组播而不是抓链路层帧，这样不需要管理员权限
最后一个点特别重要——如果用原始帧（0x8033）的方式，在Linux上必须root运行，而我们选组播方案，普通用户权限就能跑，跨平台完美。
我一看这代码结构，socket收发、XML解析、MAC去重都考虑到了，甚至加了重复发送4次报文来提高可靠性。这说明AI不仅知道协议，还知道工程上该怎么写。
这时实现的效果：
发现只有搜索，但是没有停止，紧接着我增加了一个自己的需求：
main_window增加一个停止搜索的按键，并实现功能。这个需求涉及到线程中断和UI通信，按理说得写不少代码。AI直接在原来的while循环里插入了threading.Event检查，然后通过pyqtSignal把结果传回主线程。只一轮对话就搞定了。
6第五步：激活设备 + 改IP，用HTTP搞定
设备搜索完了，下一步是激活新设备、修改网络参数。这两个功能海康是通过ISAPI接口提供的——其实就是HTTP请求。
我直接说：
继续实现设备激活和修改网络参数功能。AI输出的core/config.py做了这么几件事：
- 激活：对未激活设备发POST请求，body里带<ActivateInfo>，设置admin密码
- 修改网络参数：先用HTTPDigestAuth做摘要认证，然后PUT一段网络配置XML到/ISAPI/System/Network/interfaces/1
- 顺便把ISAPI的状态码（1成功、3参数错误、5XML格式无效等）也列出来了
在UI层，AI还给我加上了点击按钮弹出输入框的逻辑，以及后台线程处理防止界面卡死。
到这里，一个能搜设备、能激活、能改IP的SADP替代品就已经能用了。
7第六步：加日志，方便调试
开发过程中肯定会有各种小问题，所以最后我补了一个要求：
为了调试方便，请在必要的地方增加详细的日志功能，并将日志输出到文件中。AI给每个关键函数都埋了日志点，在main.py里做了双通道输出（控制台+文件）。
8在麒麟上跑起来
代码写完后，我拿到银河麒麟aarch64的机器上，先装依赖：
bashpip install PyQt5 requests
然后把整个项目目录拷过去，直接python main.py，搜索、激活、改IP一切正常。
整个迁移过程，一行代码没改。这就是从头就用跨平台技术栈的好处。
9复盘：我是怎么跟AI协作的
回顾整个开发过程，前后大约十轮对话，从零到可用的工具。总结下来，我并没有让AI包办一切，而是逐步让AI了解我们需要做什么，同时也了解AI能做什么，我把这个过程叫“四步走”（这个也是AI总结的）：
Step 1：让AI先当架构师（需求分析 + 技术路线）
不要一上来就写代码。先让AI分析你要复刻的软件有什么功能、该怎么实现。这一步的目的是让AI在你的会话里建立领域知识，后面AI才会越来越聪明。
你可以这样问：“分析XX软件的核心功能，按重要性排序；给出几种实现方案，比较优缺点。”
Step 2：框定范围，明确约束（需求决策 + 环境设定）
拿到AI的分析之后，由你来拍板：做什么、不做什么、用什么技术、跑在什么平台上。然后把决策连同你的实际环境一起喂回去。
你可以这样问：“我选择做A和B两个功能，用方案C的技术路线，运行环境是银河麒麟aarch64。请从环境搭建开始指导。”
Step 3：分模块迭代，先界面后逻辑（UI先行 + 功能接力）
先从界面下手，马上看到东西，获得正反馈。然后一个功能一个功能地加，每次只聚焦一个点。
你可以这样问：“先帮我搭建一个包含表格和按钮的PyQt界面框架。”“现在把搜索按钮接到真实的设备发现函数上。”
Step 4：保留上下文，要求全量输出（持续对话 + 最终整合）
不要开新会话，始终在同一个对话里迭代。每个阶段结束时，让AI把当前所有文件重新全量输出一次，确保没有遗漏。
你可以这样问：“请在必要处增加日志，然后输出当前全部完整的源代码文件。”
10写在最后
这次实践让我真切感受到，AI已经可以成为软件迁移的超级助推器。以前需要啃协议、抠API、适配环境的苦活，现在通过几轮高质量的对话就能搞定。对于麒麟生态建设来说，这意味着大量原本“锁死”在Windows上的行业小工具，有机会以极低的成本获得新生。
当然，这个程序的实现过程运气比较好，没有很大的错误，但我在其他软件实现的过程中，还是有不少的错误，需要多次对话消除。
如果你也有类似的迁移需求，不妨试着这样跟AI聊聊看。
关注放牛娃，好文章不迷路：
