安河桥工作室

嵌入式工程师的AI提示词工程用AI写嵌入式代码快不快？快。但能不能用？看你会不会写提示词。 嵌入式场景的特殊性通用编程的提示词拿到嵌入式领域经常翻车，因为嵌入式有很多特殊约束： 寄存器配置必须精确 中断服务程序有严格的时序要求 内存寸土寸金，不能随便开动态分配 外设文档是机器翻译的，读起来费劲 实战技巧1. 明确芯片型号和SDK版本12错误示例：帮我写个UART驱动正确示例：用STM32F10

树莓派5跑Llama3.2：端侧大模型推理实测之前测试Jetson Nano跑Llama2，效果并不理想。这次换用树莓派5，看看ARM Cortex-A76架构能否胜任端侧大模型推理。 测试环境 硬件: 树莓派5 (4GB) 模型: Llama3.2-1B (INT4量化版) 框架: llama.cpp 系统: Raspberry Pi OS 64-bit 性能数据 指标 数值 首次推

嵌入式工程师的AI工具箱：Claude Code能帮你做什么？ 做嵌入式的都知道，这行有个很分裂的地方：既要懂硬件，又要写代码，还得Debug到头秃。 Claude Code出来之后，我花了两个月把它融合进自己的工作流。结论是：它不能替代嵌入式工程师，但能让你的效率提升一个档次。 场景一：帮我写外设驱动以前写一个I2C驱动，从看数据手册到调通，至少两天。现在： 12给我写一个STM32H7的I2C

手把手教你在STM32上部署TensorFlow Lite模型：让单片机跑起来Llama推理 传统的MCU（比如STM32）一直被当作”只会跑简单逻辑”的存在。但2026年的今天，事情变了。 本文带你从零开始在STM32H7上部署一个图像分类模型，硬件资源一览： MCU：STM32H743（主频480MHz，2MB Flash，1MB RAM） 芯片：STM32H7B0 模型：MobileNet

实测Jetson Nano跑Llama2：端侧大模型推理的现实与幻想 “让机器人在端侧跑个大模型”——这大概是这两年最吸引眼球的嵌入式AI概念。 我实测了在Jetson Nano（8GB版本）上跑Llama2 7B量化版，把真实数字摆出来，给想走这条路的同学一个参考。 硬件配置 组件 规格 GPU NVIDIA Maxwell @ 921MHz 内存 4GB（Nano的8GB版本）

AI日报 | 2026年4月7日：Agent自主化浪潮下的治理危机与企业困境昨晚还在跟团队讨论Agent架构，今天早上就看到几条扎心的新闻。AI圈的变化速度，真的不给喘息机会。 头条：影子AI正在绕过企业管控，KiloClaw出手最有冲击力的新闻是这个——KiloClaw正式发布，专门针对”影子AI”问题提供自主Agent治理方案。 什么叫影子AI？说白了就是：企业花大价钱买了合规的AI产品，但员

嵌入式工程师学AI：用Claude Code三天，我发现了什么前言接上篇《为什么嵌入式工程师要学AI》，这篇文章记录我实际使用 Claude Code 三天的感受。 不是软文，不吹不黑，有一说一。 Claude Code 是什么？简单说，这是一个能在你的终端里跟你对话、帮你写代码的 AI 工具。跟普通的聊天机器人不一样，Claude Code 能： 读写你的文件系统 运行 terminal 命

嵌入式工程师学AI：开篇——为什么嵌入式工程师要学AI写这篇文章的目的我叫林然，做了十几年嵌入式开发。2026年，我决定认真学一下 AI。 这不是一篇告诉你AI 多厉害的文章。网上这种文章已经烂大街了。我只是想真实记录自己从听说过 AI到真正把 AI 用在嵌入式开发里这个过程——踩过的坑、花过的钱、走过的弯路。 如果你也是嵌入式工程师，也在考虑要不要学 AI，这篇文章可能对你有用。 为什么嵌入式

如何高效使用ChatGPT/Claude/Gemini提升10倍工作效率职场人必看，AI工具全景实战手册 核心概念解读1. ChatGPT适合对话、写作、编程；Claude适合长文分析；Gemini多模态强2. 代码开发：写代码、Debug、代码审查、技术方案设计3. 文档处理：邮件撰写、报告总结、PPT大纲、会议纪要4. 数据分析：处理数据、生成图表、分析趋势、撰写结论5.

RAG检索增强生成技术详解：让大模型拥有最新知识解决幻觉、获取实时信息，RAG是企业级AI应用的核心 核心概念解读1. RAG = Retrieval Augmented Generation（检索增强生成）2. 解决大模型知识过时、幻觉（Hallucination）问题3. 通过向量数据库（Vector DB）检索相关文档后生成回答4. Embeddings将文本转为向量，实现语义搜