学员姓名：洪清涛

实习经历：简仪科技前测试实习生

公学主题：“AI+AI”辅助测控

核心成果：能够独立完成AI辅助数据采集上位机开发

缘起：从实习生到公学学员的身份转变

在加入“锐视开源公学”之前，我已在简仪科技完成了为期4个月的实习。那段日子里，我主要负责1202 DSA卡与5101 DAQ卡的测试范例编写和产品的测试，通过C#和C++与硬件“打交道”。这段经历让我对测控设备的底层逻辑有了扎实的认知，但也让我意识到传统开发模式的局限——面对复杂的参数配置和数据处理流程，大量时间耗费在重复性代码编写上。这段从“测试实习生”到“AI赋能实践者”的进阶之路，正是我在公学中最深刻的成长轨迹。

实习内容：JYUSB1202的C#测试范例的修改与测试

实习内容：使用SignalPanel对JYUSB1202信号采集的稳定性测试

实习内容：5101DSA卡的C++测试范例编写

手动编写通道选择逻辑，手动查阅产品硬件手册……，大量时间耗费在重复性代码（如波形生成、数据格式转换）的编写上，且面对复杂的信号处理算法时，手动查阅文档效率较低。

公学实战：AI如何重构我的开发思维

公学的核心任务是“使用AI工具辅助测控”。作为有硬件基础的学员，我的挑战在于如何将AI的“代码生成能力”与测控需求深度融合。

需求拆解：从“模糊想法”到“精准指令”

公学初期，主讲人邵博士强调“AI的效率取决于指令的清晰度”。我尝试利用AI实现更复杂的“信号调理与还原”功能。

以“低通截止滤波器设计与验证系统”为例，我向AI（GitHub Copilot）输入了结构化的自然语言指令：

“使用C# WinForms编写一个信号演示程序。功能包括：1. 生成基准正弦波，并能叠加高频方波干扰或随机噪声；2. 实现一个基于移动平均算法的低通滤波器，截止频率可调；3. 使用ScottPlot库实时绘制滤波前后的波形对比，直观展示噪声被滤除的效果。”

这种基于“功能模块”的描述，让AI迅速生成了包括波形生成算法（正弦/方波/三角波）、随机噪声生成以及核心滤波逻辑的代码框架。相比实习时手动编写数学公式，效率提升显著。

代码生成与优化：AI的“算法实现”与我的“逻辑校准”

在核心算法实现阶段，AI展现了强大的“体力活”能力，但需要我结合测控知识进行校准：

1.核心算法层：AI根据指令生成了SimpleLowPassFilter函数，利用移动平均算法（Moving Average）来模拟低通滤波效果。AI自动处理了数组边界检查（idx >= 0 && idx < signal.Length），避免了我在实习时容易遇到的数组越界异常。

2.可视化交互层：AI生成了基于ScottPlot的绘图代码，能够根据采样率自动调整X轴时间刻度。

遇到的问题：

在开发过程中，我遭遇了一个典型的“AI版本幻觉”问题。AI生成的初始代码是基于旧版本的ScottPlot库（v4）编写的，例如使用了formsPlot1.Plot.AddSignal()和Render()方法。然而，我本地安装的是最新的ScottPlot v5版本，其命名空间和对象模型发生了重大变化（如formsPlot1.Plot.Add.Signal()和formsPlot1.Refresh()）。如果直接运行，程序会因找不到成员而报错。

我的校准：我并没有让AI盲目重写，而是结合自己对C#语法的理解，充当了“代码重构者”的角色。我手动修正了命名空间引用，并将AI生成的旧版API调用映射到新版架构上（例如将Plot对象的配置迁移到新的Plottable系统中）。这一过程让我深刻意识到：AI的训练数据存在滞后性，它可能不知道最新的库更新。作为开发者，必须具备识别“过时代码”的能力，并掌握将AI生成的“逻辑框架”适配到当前技术环境的掌控力。

对比成长：实习经验与公学收获的碰撞

回顾实习与公学的经历，AI带来的不仅是效率提升，更是思维模式的升级：

例如，在实习编写5101 DSA卡测试范例时，我曾因忽略“采样率与缓冲区大小的匹配”导致数据丢包，耗时2天调试；而在公学项目中，AI在生成代码时自动添加了“缓冲区溢出检测”注释，让我提前规避了同类问题。这种“经验+AI”的双重保障，显著降低了试错成本。

成果展示：独立开发的AI辅助测控系统

经过公学的实战，我独立完成了“低通截止滤波器演示系统”，具备以下亮点：

• 多波形发生器：支持正弦波、方波、三角波的生成，可自定义频率与幅值，模拟真实的传感器信号源

• 灵活的干扰模拟：能够一键叠加高频干扰波或随机噪声，模拟工业现场复杂的电磁环境

• AI辅助算法核心：内置基于移动平均的低通滤波算法，通过滑动窗口机制平滑数据，有效滤除高频噪声

• 实时可视化：利用ScottPlot实现了高性能绘图，清晰展示“原始含噪信号”与“滤波还原信号”的对比，直观验证截止频率对信号的影响

系统运行流畅，滤波效果符合预期，成功将抽象的“低通滤波”概念转化为可视化的交互程序。

原始信号叠加随机噪波后波形显示

使用低通截止滤波还原的原始信号

感悟与展望：AI赋能测控的未来

公学的学习让我深刻体会到：AI不是替代开发者，而是“放大”开发者的能力。对于测控领域，AI的价值体现在：

• 降低门槛：让硬件工程师快速掌握上位机开发，无需精通所有编程语言

• 提升可靠性：AI生成的代码遵循最佳实践，减少人为疏忽导致的错误

• 激发创新：开发者可从重复劳动中解放，聚焦“AI+测控”的融合应用（如用AI预测设备故障）

未来，我计划将公学所学应用于更复杂的场景：例如用AI实现“振动信号异常自动分类”；或探索OPC UA协议与AI的结合，构建工业物联网数据采集系统。

感谢简仪科技提供实习与公学的双重机会，让我从“硬件测试者”成长为“AI辅助开发者”。这段经历不仅是技术的提升，更是对“人机协作”开发模式的深刻认知——在AI的助力下，测控领域的创新边界，正被不断拓宽。