LabVIEW Nigel AI助手的网络技术讲座

LabVIEW Nigel AI助手的网络技术讲座_学习简记

一、讲座基本情况

上周三2026年07月29日，上午十点至十一点期间，有幸和诸多小伙伴们共同参加了NI中国举办的"使用NI Nigel AI和NI LabVIEW+套件生成LabVIEW代码"的线上网络技术交流讲座。

本次讲座主讲老师为薛启鑫（Kevin Xue），另外还有两位老师YuFeng和林晓天，同步进行了线上聊天区答疑支持工作。

没有能赶上的小伙伴呢，则可以直接点击下面的链接，填写一下必要的信息后，就可以直接观看直播回看和全部的过程聊天记录了！

https://ni.florences.net/mobile.php/broadcast/reg/132

小提示：因为是新人回看，所以填写信息首先跳过报名时填写的邮箱提示框。

进入到信息采集页中，带（*）的信息录入框为必填项。

二、讲座主线内容汇总

交流讲座主线内容，我个人按照自己的理解，划分成为了四个大章节：

1、测试工程面临着AI时代新挑战的宏观背景及NI Nigel的定位；（时间线00:00:00~00:08:53）。

2、一个耳听为虚，眼见为实的LabVIEW-coding-agent 的实际数据采集生成的范例从头到尾完整的实际演示；（时间线00:08:53~00:12:30）。

3、NI Nigel的三种场景预期，以及三种角色的逐步演进（顾问Advisor->创作者Author->代理Agent），我个人认为该部分是本次讲座中最为重要的讲解单元，回顾了NI Nigel的以往，讲解了当下，并预期了未来；（时间线00:12:30~00:51:40）。

其实，这部分应该还可以按照演进的内容和时长再继续细分一下，可分为整体情况，以往、当下和未来这个四个子章节的内容，这里我就偷个懒，感兴趣的小伙伴们可以自行按照自己的节奏去学习理解。

4、最后的部分是一个NI Nigel重大作用与意义，以及如何访问和常见问答QA部分；（时间线00:51:40~01:02:14）

三、学习心得体会

简要写几点自己的心得体会：

1、专业性强，本次技术讲座不同于“短、平、快”式简单概念技术示范演示，而是花费了大量时间，对Nigel的核心设计理念和关键发展思路进行了较为详细讲解，让参与者不再停留在简单的“VI代码生成”这一技术操作的层面上。

让我印象最深的两个具体技术讲座场景，就是Nigel对中型LabVIEW VI图形框图代码的深度解析和理解的能力，以及LabVIEW-coding-agent的状态机流程中的模板驱动开发和评分（Grade）机制。

其中Nigel对中型LabVIEW 代码的深度解析和理解的能力，讲座是以一个国际象棋的游戏项目作为输入，进行的解析，并给出分析建议。

这里的Nigel给出的VI编程分析建议内容，截图不太清晰，建议小伙伴们还是观看原版视频回看为宜。

此外，相比与其它采用MCP结合VI Scripting方式的第三方VI代码生成技术，NI的Nigel用下面这张状态机流程图表面了自己的优势之所在，最为关键的就是这两点：

第一点：NI自己建立起来的优质代码库，采用VI任务模板开发驱动；

第二点：就是可以调用自己的编译器和工程评分体系对生成的代码进行验证和评分。

2、信息量大，整个技术讲座的信息量都不能用“很大”这个前置形容词，而是“巨大”这个词才能更为贴切、准确的描述，确实由于时长的关系，NI Nigel涉及到了NI诸多的软件、硬件产品线，导致一一无法展开细讲。

本次主要内容侧重于整体宏观概念，和具体的LabVIEW VI图形代码的解读和生成。其它的如TestStand、SystemLink和InstrumentStudio中如何结合最新版本的Nigel引用都没涉及。因此也就稍微覆盖不住会议的主题LabVIEW + 套件的内容。

3、关注量多，本次技术交流会前期各类渠道宣传量大，我在我的AI认知方法论的文章中，提前预告和推荐了本次技术交流会。

当天参会的人数众多，虽然无法看到实际的后台参会人数数据，但是通过热力火苗数字，可以得出应该是超过五六百人进入了网络直播间。

在讲座过程中，很多小伙伴们都兴趣斐然，问了不少自身关切的问题，回看时，这些留言也都是可以回看的。

四、NI的Nigel的AI之道

参加完本次网络技术交流会后，我自己经过近几天时间的吸收、再学习，并辅助其它AI模型的技术讨论，NI的 Nigel的AI之道逐渐清晰了起来。

要说Nigel LabVIEW的代码生成能力，还是处在非常偏基础的形态，有很多的局限性，例如还不能生成逻辑分解良好的层级调用VI，一些典型的框架都还不受支持等等。

但是，NI的思路不是着重提升LabVIEW的代码生成复杂代码的能力，往图形化代码单一纵深维度去发展AI，而是通过自己的矩阵产品线（如LabVIEW 、TestStand、SystemLink等），都接入AI能力支持。

让产品组合加AI的方式，充分利用现有产品的能力，配套辅助简单AI能力，形成全套、成系列的测试全流程解决系统方案，进而形成生态绑定。

也就是说，目前Nigel是追求对NI产品广泛支持的广度优先策略，最后再通过长期技术演化，再往技术纵深难度上提升。

所以要是坚持单一LabVIEW技术栈的小伙们可能就要有着较为漫长的时间等待了，等着AI在图形化编程框图上的逐渐更新能力。

五、常见认知误区

在学习NI Nigel的过程中，我本身也遇到了很多初学者的常见认知误区，典型就有：

1、认为NI Nigel就是LabVIEW专属的AI辅助工具。

2、认为Nigel的图形化编程能力已经强如其它文本语言。

3、认为图形化编程大语言模型（LLM）识别VI框图和代码生成，类同与常规的多模态图片识别生成方式。

4、认为Nigel的收费模式高昂，普通人高攀不起！

5、认为Nigel的计费方式也是按照Token（次元）数量。

由于篇幅关系，我将在下一篇公众号文章中详细说说这些认知误区。

彩蛋时间：在本次技术交流会中，在技术解答对话中，NI中国表示会提供了一个普通人申请试用NI Nigel的机会，详情还请关注NI的公众号平台的后继消息。

我是知乎_李时珍，一个不断聚集LabVIEW长期学习的LabVIEW上古老登，如果觉得文章对你有启发和收获的话，点赞、转发和喜欢呗。

还没有关注的小伙伴们，关注走一波呗。