入学前的我

入学之前，我对计算机的全部理解，大抵停留在"会开机、会上网、会打游戏"这个层面。至于编程——那是属于学长学姐和那些"大神"的事，与我无关。C语言课上，老师讲到指针、讲到结构体，我已经觉得吃力不堪；写一个完整的程序？那简直是一个遥不可及的世界。

所以当老师说"这堂课你们会用AI工具亲手做一个项目"的时候，我心里一半是好奇，一半是忐忑——好奇的是这门课到底会讲什么，忐忑的是怕自己跟不上。

后来我才知道，这堂课改变了我整个大学的轨迹。

课堂初印象：AI把我眼前的黑盒子打开了

第一节课：AI辅助工具使用和商业模式认知，简仪科技副总经理邵晖博士没有让我们写一行代码。他先让我们看了一段演示：在VS Code里装了一个插件，然后输入一行注释——

// 创建一个窗体，上面有一个按钮和一个波形显示区域，按了一下Tab键，代码自动生成了。

我盯着屏幕，好一会儿没回过神来。这和我认知中的编程截然不同——在我的想象里，编程是黑底绿字的终端界面，是敲下一行行看不懂的英文命令，然后惶恐地等待报错；而眼前这个工具，只需要说"人话"，代码便自动生成，像是某种魔法。

邵博士用的是GitHub Copilot和通义灵码。他说了一句话我至今记得：

"未来不是人学机器语言，而是机器学人的语言。你们这代人要做的，不是背语法，而是学会描述问题。"

这句话彻底刷新了我对"编程"这件事的认知。

用AI辅助数据采集：从模拟到真实的跨越

课程的核心内容是 "AI+AI 数据采集"——第一个AI是Artificial Intelligence (人工智能)，第二个AI是Analog Input (模拟输入)。邵博士用锐视测控平台^®(SeeSharp) 配合USB-1601数据采集模块做演示，从创建工程到写代码采集数据、显示波形、做频谱分析，全程AI辅助。

让我真正着迷的，是从模拟数据到真实数据的跨越。

从假数据开始：用AI生成"假的真"

一开始学习数据采集时，我连传感器是什么都不知道。邵博士让我先用AI生成一组模拟数据——那些在屏幕上跳动的波形，其实都是代码"伪造"的。

// 用 AI 生成模拟IMU数据：加速度、角速度、磁场强度...

我试探着向AI追问："能不能让这些数字看起来更真实一点？" 它随即列出了几个关键词——噪声波动、温漂、零点偏移。我盯着这些陌生又具体的术语，忽然意识到：原来数据并非一串干枯的数字，它是有温度的，是有"性格"的。

自己动手：基于ESP32的数据采集平台

课堂上邵博士讲的是USB-1601采集模块，但我手头只有一块ESP32开发板。我想：能不能用它来实现自己的数据采集？

在AI的帮助下，我利用ESP32的内置传感器接口，自己搭建了一个信息采集平台：

• ESP32开发板作为核心控制器

• MPU6050传感器采集加速度和角速度

• 通过WiFi将数据实时传输到网页端

• AI帮我完成了整个通信协议和数据解析

当屏幕上那些由代码生成的"假数据"，变成我自己板子采集的真实信号时，那种成就感是无法形容的。

AI + 传感器 = 无限可能

整个过程中，代码量寥寥无几。AI生成了大部分代码框架，我们要做的是理解它在干什么、以及怎么调整参数。

一个念头忽然冒了出来：如果我能把这些真实传感器数据变成漂亮的实时可视化界面，那该有多酷？

课后冲动：我想做一个自己的项目

基于ESP32和MPU6050的采集平台跑通之后，我又兴奋又有点不满足。兴奋的是我终于亲手触摸到了"真实数据"；不满足的是，这些数据目前还只是通过串口打印的一串串数字，看起来不够直观。

我以前对机器人一直很感兴趣，知道平衡机器人上有IMU、电机编码器、舵机这些传感器，它们每时每刻都在产生数据。如果能把那些数据采集过来、实时显示在网页上，那不就是一个活生生的"AI+采集"的应用吗？

但一个现实的问题横亘在眼前：我对网站开发一无所知。

HTML是什么？CSS呢？JavaScript呢？这些名词于我而言，不过是浏览器地址栏之外的陌生符号。我从未想过，有朝一日自己会去"建造"一个网页——在此之前，它只是我消费内容的窗口。

但课堂上邵博士教的方法让我觉得可以试一试：先描述清楚我想做什么，让AI给我一个起步的架子，然后在这个架子上不断提问、不断修改。

我打开了一个HTML文件，在文件最上面写了一行注释：

<!-- 创建一个暗色风格的机器人监控仪表板，显示实时数据 -->

命运齿轮从此开始转动。

从无到有：AI带我写完了整个项目

那几天，宿舍熄灯后的时间全给了这个项目。每天晚上回到寝室，第一件事就是打开电脑，连室友叫我都没空搭理。与其说是我在写代码，不如说是我和AI在共同完成一件事——我来定义方向，它来铺平道路。

开场：我的第一个网页

在AI的帮助下，我创建了第一个index.html。虽然只是一个带标题和几个链接的页面，但当我在浏览器里打开它的那一刻，那种成就感是前所未有的。

我不敢相信自己"写"出了一个网页——尽管大部分代码出自AI，但每一行我都读懂了它的逻辑，每一个按钮的跳转链接都由我亲手设计。它或许稚嫩，但它是真正属于我的作品。

成长：AI 融合下的智能仪表板

有了第一个页面打底，我开始构思更复杂的功能：一个可以添加、移除监控卡片的仪表板。

我给AI下了一个需求： "我想要一个页面，上面可以拖放卡片，卡片显示不同的数据，比如IMU数据、电机数据、电池电压。"

AI给了我一个基础的版本，然后我一版一版地改：

加上了暗色主题，因为我觉得监控界面应该是暗色的，酷

加上了毛玻璃效果，因为我觉得半透明的背景更好看

加上了渐变色的按钮，因为我觉得绿色到蓝色的渐变很科技感

最让我惊喜的是：AI不只帮我写前端界面，还帮我处理数据流。

当我问AI "怎么把传感器的真实数据接入到网页里"，它列出了几种可行的方式——WebSocket、轮询、localStorage中转。每一种都附上了示例代码和原理说明。我最终选择了最适合机器人场景的方案——用定时轮询模拟实时数据流，AI帮我写好了数据解析和状态管理的逻辑。

这是真正的"AI融合"：AI帮我串联起了硬件数据层、数据传输层、前端展示层，让一个完全不懂后端的大一新生，也能做出专业的数据监控系统。

每一个需求，我都用自然语言描述给AI，它帮我生成代码，我复制粘贴、运行查看效果、不满意再改。那段时间我常觉得，我像一个提需求的产品经理，AI则是那个永远不厌其烦的开发搭档。

后来我学会了改样式、改布局，甚至自己手写了一些简单的CSS调整。在完全没有刻意去"学"的情况下，我竟然开始认得出什么是flexbox、什么是grid、什么是border-radius 了。

进阶：3D翻转展示厅

做卡片库的时候，我想要一个酷炫的展示效果。我问AI能不能让卡片在鼠标悬停时像扑克牌一样翻转过来，背面显示详细信息。AI告诉我可以用CSS 3D transform，给了我示例代码。

当第一张卡片在浏览器中缓缓翻转过来，背面信息清晰呈现在眼前的那一刻，我激动得差点从椅子上弹起来。不是因为代码有多漂亮，而是因为——我想要的效果，它做到了。这对我来说，就是全部的意义。

机器人监控系统卡片展示

虽然理论上我知道那是AI帮我写的代码，但那种"我想要一个效果，然后它真的实现了"的正向反馈，让我越写越上瘾，越写越有信心。

遇到问题：AI 帮我调试

但过程并非一路顺畅。最头疼的一个 bug 是：在卡片库页面添加了卡片，切换到仪表板页面却显示不出来。

我自己看了半天代码，完全找不到问题在哪。于是我把相关的代码复制给AI，问它为什么。AI很快指出：dashboardLayout和dashboardCards两个 localStorage的key没有做同步，导致仪表板读不到数据。

它帮我重写了状态同步逻辑，还加上了向后兼容的判断。

那是我第一次真实体会到：AI不只是一个代码生成器，它更像一面镜子——你把自己的困惑摆到它面前，它不会替你思考，但能帮你把问题照得更清楚。它不会嫌你问得蠢，也不会在你凌晨两点提问时已读不回。

最终成果

用了一周左右的时间，我从一个零基础、完全不懂网站开发的freshman，做出了一个完整的机器人实时监控系统。它包含：

主页 —系统入口，引导进入各个模块

仪表板 —可自定义添加/移除监控卡片，布局自由调整

卡片库 — 9种监控卡片，按IMU、电机、控制、舵机、电源等分类，支持搜索和筛选

3D展示厅 — 带翻转动画的交互式卡片预览

它监控的数据涵盖了俯仰角度、横滚角度、电机转速、LQR控制输出、电池电压、系统状态等几十个物理量，所有数据实时更新。

作为一个大一的freshman，一个学期前的我，还觉得这些事离自己很远。

数据可视化与智能分析

在邵博士的指导下，我把数据采集推向了更高的层次——让数据不仅能看，更要能"看懂"。

3D姿态可视化：数据"活"了

最让我兴奋的，是3D姿态可视化模块。邵博士建议我："能不能把陀螺仪和加速度计的数据，用3D模型实时呈现出来？"这在当时的我看来简直是天方夜谭。

但有了AI的加持，我一步步把不可能变成了可能：

• 用 Three.js 创建3D渲染场景

• 将IMU的原始数据映射到模型的旋转角度

• 添加实时轨迹显示，记录姿态变化的"足迹"

• 实现双传感器对比显示，直观展示前后端姿态差异

现在，当我晃动传感器时，屏幕上的3D模型会同步转动；当我旋转角度时，坐标系的三色箭头 (X红、Y绿、Z蓝) 精准指向。这种"所见即所得"的体验，让我真正理解了什么叫"让数据一目了然"。

智能数据分析：让数据会"说话"

光是可视化还不够，邵博士引导我思考：这些数据背后有什么规律？能不能让系统自动分析？

在AI的帮助下，我实现了：

• 滤波算法学习平台 — 内置多种滤波算法 (互补滤波、卡尔曼滤波等) 对比学习

• 实时数据统计 — 自动计算均值、方差、峰值，量化传感器稳定性

• 异常检测 — 当数据超过阈值时自动报警提示

• 历史回放 — 记录数据变化轨迹，支持回放分析

项目迭代历程：从基础功能到智能分析的完整进化路径

从最初只能显示原始数据的"数字墙"，到现在集可视化、分析、报警于一体的"智能仪表盘"，这个过程离不开邵博士的方向把控和AI的全程辅助。

让我感触最深的几件事

写完整篇随笔，我想记录几个让我感触最深的地方：

"想象"是需要被激发的。在上课前，我从来没有想过自己能做项目。不是"做不到"，而是根本"想不到"。课堂上邵博士用AI工具展示"用几句话生成一个采集程序"的那一刻，我的想象空间被打开了——原来事情可以这样做。

AI降低了起跑线的差距班上有些同学高中就接触过编程，我没有。但在AI工具的帮助下，我不再被"不会语法"卡住，而是可以直接跳到"怎么设计、怎么实现"的层面。AI拉平了我们之间的起跑线差距。

邵博士在关键节点的引导至关重要。课堂上邵博士教的不是具体的API怎么调用、某个框架怎么用——那些东西更新换代太快了。邵博士教的是"遇到问题怎么用AI帮你解决"，这个能力是通用的。

我做的东西不是玩具。当我认真看自己写的代码结构——分了页面、样式、脚本，用了localStorage做数据持久化，做了状态同步，考虑了空状态的引导页……虽然代码很多是AI生成的，但这个工程思维是我自己的，交互设计是我自己的，每一个需求的定义是我自己的。

写在最后

我现在还会时不时打开那个项目，看看自己写的第一行注释和最后一行代码。它对我来说不只是一个作业，更是一个里程碑——它证明了一件事：在AI时代，一个人可以做到远超他当前能力的事情，只要他敢于想象、敢于开口问AI。

如果你问我最大的收获是什么，我想说是邵博士课堂上那一句：

"你们不是在学写代码，而是在学怎么用好工具、怎么用工程思维去解决问题。"

这句话，我会记很久。