AI 用 30 秒写完你的期末大作业：一个嵌入式教师的焦虑与解药

当 AI 开始教嵌入式，你还在背 TMOD 吗？

一、那 50 分钟，我目睹了嵌入式开发的未来

上周，我和 AI 进行了一场实验。

目标：完成一个 STC51 单片机的综合工程项目——DS18B20 温度采集、DS1302 实时时钟、AT24C02 掉电存储、XPT2046 触摸采样、8 个 LED 控制、自定义 21 字节串口通信协议、MFC 上位机联调。

传统方式预估：46 小时。

结果——12 次对话，50 分钟。

没有查数据手册，没有手算公式，没有反复调试。我只需要做三件事：描述需求、验证结果、告诉 AI 哪里不对。

二、2026 年，初级嵌入式岗位正在消失

这不仅是我的体感，数据也在说话：

招聘方不再问"你会不会写 I?C 驱动"——因为 AI 写得比你快 100 倍。他们在问：“你如何用 AI 提升开发效率？”“你项目的 AGENTS.md 是怎么设计的？”

这不是危言耸听。认真想一个问题：

当 AI 能在 30 秒内写出你学了一个学期的代码时，你凭什么不被替代？

三、你正在被"传统教材"谋杀

我翻开一本典型的 51 教材，目录是这样的：

第 3 章：C51 数据类型与运算第 4 章：C51 流程控制语句第 5 章：C51 构造数据类型第 6 章：C51 函数...

看出来问题了吗？这些教材在教"怎么写代码"——而 AI 时代，写代码是 AI 的事。

你需要的不是"怎么写"，而是：

一个残酷的类比：只会背寄存器的开发者，就是 AI 时代的流水线工人。

四、AI 时代的三条生存法则

法则 1：有效提问是唯一需要刻意练习的技能

提问公式 = 场景 + 约束 + 期望输出? 差的提问：  "帮我写个串口程序"   （来回 5 轮才写对）? 好的提问：   "STC90C516RD+, SDCC, 11.0592MHz 12T，    帮我写串口初始化函数，57600bps, 8N1，    定时器1 波特率发生器，函数名 UartInit"   （一次生成正确代码）

场景越精确，AI 输出越可用。 这就像你给下属布置任务——说清楚背景、边界和交付物。

法则 2：AGENTS.md 是你的护城河

我在每个项目中都放一个 AGENTS.md 文件，它不是给人看的（那是 README），是给 AI 看的。

markdown
## 项目概要- 编译器: SDCC  ← 防止 AI 用 Keil 语法- 晶振: 11.0592MHz, 12T  ← 所有定时计算的基础- 构建: make  ← 防止 AI 写 MSBuild 命令## 常见陷阱1. SDCC 不是 GCC——不能用GCC扩展2. 不要删除 vscode.h 中的桥接代码3.__using(1) 两个ISR共用寄存器组4. 文件编码是 GB2312

有 AGENTS.md 的项目，AI 首次生成代码的正确率从 40% → 90%。 一次编译通过。每一条"常见陷阱"都是用真实 bug 换来的。

你的 AGENTS.md，就是你和同行拉开差距的地方。

法则 3：你的价值 = 物理判断 + 架构决策

AI 能写 100% 的代码，但绝对做不到：

• ? 用万用表判断供电是否足够
• ? 用示波器确认上升沿是否达标
• ? 用肉眼判断数码管残影是否可以接受
• ? 在多个可行方案中做工程取舍

本工程调试数码管闪烁问题时，AI 连续提供了三套方案：增加扫描次数 → 迁移到 ISR → 消隐时序优化。最终我选择了"放弃该功能"——不是代码写不出来，而是硬件物理极限到了。

知道"什么时候该继续"和"什么时候该放弃"，是 AI 永远无法替你做的决定。

五、三种人的命运

被替代的人：  "我会写 51 程序，会背寄存器，会用 Keil，会查手册。"  → AI 做得比你快、比你准、比你便宜  → 你的技能 = AI 的基本功能共存的人：  "我会用 AI 写代码，会验证物理现象，会用示波器。"  → 效率提升 5-10x  → 但天花板可见：你的工作仍是"验证 AI 的输出"驾驭 AI 的人：  "我定义协议、设计架构、做物理判断、维护 AGENTS.md。"  → AI 是你的工具，不是你的替代品  → 你的价值 = AI 做不到的部分 + 你让 AI 做到的增量

六、给嵌入式学生的行动清单

如果此刻你正在学 51，或者正在做毕业设计，请立刻做三件事：

第一，在你的项目根目录写一个 AGENTS.md。告诉 AI 你用什么芯片、什么编译器、有什么坑。30 分钟的投资，每次对话省 15 分钟，两次回本。

第二，学会用公式提问：场景 + 约束 + 期望输出。不是"帮我写代码"，而是精确到引脚名称、晶振频率、函数签名。

第三，每次 AI 帮你解决一个问题后，把经验写回 AGENTS.md。积累 10 条"常见陷阱"，你的项目就变成了 AI 的"舒适区"。

说在最后

焦虑不是坏事。

它说明你已经开始思考"我凭什么不会被替代"。而思考这个问题的人，已经在正确的路上了。

那些还在鼓吹"基本功才是硬道理"的人——他们说的没错，但他们说的"基本功"变了。

今年的基本功，不是背寄存器，不是默写时序，不是翻数据手册。

是：描述需求、判断输出、验证物理现象、做工程取舍、维护 AGENTS.md。

本文基于真实项目 My_51_Demo 的完整开发过程撰写。

所有数据（对话轮次、耗时、代码行数）均为实测记录。

完整讲义（8 讲 + 2 附录，约 5.5 万字）欢迎关注后台私信获取