夜雨聆风大家好，我是薛定谔的猫工，2026年了，AI都快学会写PLC了，而很多工程师还在博途里疯狂拖模块、配网络、改IP。
客户一分钟改需求，你三小时重做项目，既然都是重复劳动，那为什么不能交给AI？
这次，我们让Open AI的CodeX平台来干工程师最不想干的活！
很多自动化工程师都有一个共同的梦想：
打开博途。
输入设备清单。
点击生成。
然后下班。
可惜现实往往是：
打开博途。
新建项目。
建PLC。
建PROFINET网络。
拖设备。
配IP。
配模块。
改名称。
改地址。
然后发现少配了一块DI模块。
重来。
一个项目，真正值钱的不是组态
去年有个客户问我：
“AI到底能帮我们干什么？”
我反问：
“你们项目里最浪费时间的是什么？”
答案出奇一致：
不是编程。
不是调试。
而是前期组态。
尤其是大型项目。
几十台变频器。
上百个IO点。
十几个PLC站点。
几十个远程IO。
几百个设备命名。
整个过程没有任何技术含量。
却占据了工程师大量时间。
说白了：这不是工程设计。
这是高级复制粘贴。
博途组态最大的痛点是什么？
很多人以为是不会用。
其实不是。
真正的问题是：
重复。
太重复。
举个例子。
客户发来一张Excel：
正常情况下：
工程师需要：
• 查型号 • 建硬件 • 插模块 • 建网络 • 配IP • 修改名称 • 关联设备
如果是100台设备呢？
如果是500台设备呢？
如果是汽车产线呢？
如果是新能源工厂呢？
很多工程师一周都在干同一件事情：
鼠标拖拽。
复制。
粘贴。
再复制。
再粘贴。
为什么CodeX能解决这个问题？
因为CodeX最擅长的事情就一件：
理解规则。
生成结果。
而博途硬件组态本质上是什么？
其实就是规则。
例如：
1511 PLC
必须带PN接口。
ET200SP
必须挂接在PROFINET下。
G120
需要绑定设备名称。
远程IO
需要唯一IP地址。
这些东西对于工程师来说是经验。
对于大模型来说是规则。
规则意味着：
可以自动化。
整个系统架构长什么样？
很多人以为：
AI直接控制博途。
其实这是错误思路。
正确架构应该是：
Excel → CodeX → 结构化配置 → 博途项目
流程如下：
第一步：读取设备清单
客户上传Excel。
内容可能长这样：
• PLC型号 • IO模块型号 • 设备名称 • 网络地址 • 工位编号
CodeX自动解析。
形成统一数据模型。
第二步：构建设备树
例如：
产线A├─ PLC01│ ├─ ET200SP01│ ├─ ET200SP02│├─ PLC02│ ├─ ET200SP03│ ├─ ET200SP04传统做法：
人工搭建。
CodeX做法：
自动生成。
第三步：生成硬件组态脚本
此时AI不再输出自然语言。
而是输出结构化数据。
例如：
{"device":"PLC01","type":"1511-1PN","ip":"192.168.1.1"}随后转换为：
TIA Openness接口调用命令。
第四步：自动创建博途项目
通过TIA Openness。
自动完成：
• 新建项目 • 创建设备 • 插入模块 • 创建网络 • 配置IP • 配置设备名称
整个过程无需人工操作。
真正厉害的不是自动建项目
而是自动纠错
这是很多人忽略的地方。
实际项目里。
Excel从来不是标准的。
经常出现：
1511PN1511-PNCPU15111511实际上都是同一个型号。
传统软件直接报错。
工程师自己改。
CodeX则可以识别：
这些都指向同一个设备。
自动纠正。
自动映射。
自动标准化。
这才是大模型最大的价值。
再进一步：自动生成IO表
很多项目最痛苦的不是组态。
而是IO分配。
例如：
I0.0 启动按钮I0.1 停止按钮I0.2 急停以前：
工程师手工整理。
现在：
CodeX读取设备功能描述。
自动生成：
• IO地址 • 标签名称 • 注释说明 • HMI变量
甚至直接输出PLC标签表。
传统流程：
Visio画图。
CAD画图。
然后修改一百遍。
现在：
CodeX读取设备关系。
自动生成：
• 网络拓扑 • 交换机关系 • PLC关系 • IO关系
直接输出SVG。
甚至直接生成数字孪生网络视图。
这套方案真正的价值在哪里？
很多人会说：
“组态才几个小时。”
如果你只做一个项目。
确实不值钱。
但如果你是：
• 自动化集成商 • 设备制造商 • 职业院校 • 数字孪生厂商
每年做几十套项目。
价值就出来了。
原来：
一个工程师一天建1个项目。
现在：
一天建20个项目。
原来：
项目启动需要3天。
现在：
10分钟。
原来：
技术总监审核设备配置。
现在：
AI预审。
人工确认。
工控自动化行业真正的AI机会，不在编程
很多人还在研究：
AI写PLC程序。
AI写SCL。
AI写ST。
其实这些东西距离落地还很远。
因为逻辑涉及工艺。
涉及经验。
涉及安全。
而硬件组态不同。
它高度标准化。
高度规则化。
高度可复制。
这恰恰是大模型最容易产生价值的领域。
未来的自动化工程师不会消失。
但一定会出现两种人：
一种还在拖设备。
一种已经开始训练AI帮自己拖设备。
而两者之间的效率差距。
可能不是2倍。
而是20倍。
当别人还在建项目的时候。
你已经把项目交付了。
只有自己，才是自己的齐天大圣！
图灵的猫（广州）智能科技有限公司
图灵的猫深入研究数字孪生+AI大模型，专注于项目开发与落地，推动工业和教育的智能化转型升级，致力成为智能制造数字孪生解决方案服务优质供应商。
面向制造业产业升级，为企业提供智能制造工厂规划、数字孪生系统建设、数字化工厂仿真分析、机器人数字化产线仿真升级、生产物流仿真咨询、工厂可视化运营仿真平台搭建等数字化解决方案和技术服务。
面向院校教育数字化，有效运用数字孪生、虚拟现实等新一代信息技术，聚焦院校智能制造专业群建设，革新传统实训模式，以教学场景数字化为核心，开发虚拟仿真资源、构建虚拟仿真课程，通过校企合作方式共建开发团队，专注于为院校提供数字化仿真实训平台、智能制造虚拟仿真实训基地解决方案等服务。
数字孪生丨虚拟调试丨数字仿真 |人工智能
联系方式：15622970440
电子邮箱：1055211800@qq.com
