【Vibe】U01. AI 寫韌體容易「翻車」，WHY?
前言：本系列文章
本系列文章共4個單元，是針對 第7屆花蓮太平洋盃PTWAx華紙公益 的【Vibe Coding x 微控器】教學系列，以下各單元摘要與連結：
建立了當我們使用AI輔助開發程式時，韌體與純軟體的開發，有著基礎上的不同。若未能掌握韌體的特性與要求，LLM大語言模型在輔助韌體開發時，容易發生用錯誤、不適切的方法完成你交辦任務。AI就像一位「技術極強，但剛到職、完全不熟悉公司硬體的資深工程師」。我們必須給它一本明確的「員工手冊/A SKILL File」。
面對AI時代，過往的工作流程將開始改變。AI 的「通用型知能 (General Skill)」非常豐富，其精通各種程式架構、迴圈邏輯與 C++ 語法，甚至能在短時間內寫出極為複雜的數學演算法。人們如何清楚地認清與調整自己的任務位置，是本小節的討論重心。也唯有透過此觀念的建立，你才能順利將本系列實作內容，轉化至自己的工作/任務環境之中。
在要求LLM進行韌體開發前，我們透過實作示範了重要的前置作業：餵給 AI 關鍵資料，用以建立專屬於你的開發環境。此外，LLM大語言模型只能當你的程式開發助手嗎? 哪可小看了。LLM也可以成為你的專屬家教呦，我們在此單元中亦提供了一些簡要的使用方法。
此單元中，我們由一些基礎的硬體控制項目變換開始實作練習，例如，我們以PS3搖桿的控制鍵為變換練習核心，進行了控制機構的啟動鍵更換、蜂鳴器發聲控制、全彩LED燈號控制等。更進一步地，實作了車體由抓地胎模式，韌體生成為麥克納姆輪運動模式。
AI可以為韌體程式做什麼?
隨著各家大語言模型 (LLM) 核心的升級，運用 LLM 生成程式碼的可行性日益增高。一直以來，LLM 生成「純軟體」相關專案其成果相當穩定，但是，在「韌體專案」上的應用，始終存在著一道不容易跨越的坎——硬體配置的「區域性」，這高度關聯著 LLM 生成的可用性與穩定性 。
本系列教學即是要分享一些入門技巧，陪同各位朋友同好們一同跨越這道「坎」，打造專屬於你的高效率 AI 韌體開發助手！
先來個簡單VibeCoding / AI生成程式碼的過程展示，感受Self-Coding(傳統自編程式)與Vibe-Coding的差異姓。
DEMO 01.
👉為什麼 AI 寫韌體容易「翻車」？
或許你內心murmur：前述的DEMO是如此地快速便利，網路上也有許多大神說著用兩三句話就可以生成一個強大網站!? 但是，我嘗試時，卻是… x.#$%….🤔
在純軟體世界，程式邏輯大多是通用的；但在硬體世界，你的 微處理器(ESP32/STM32…) 接了哪些腳位、馬達驅動板是哪一種MOS型號、電路規劃、感測器使用哪種通訊協定，這些都是物理實體的絕對限制。
當你僅僅對 AI 說：「幫我寫一個相撲機器人避障程式」時，AI 為了強行滿足你的需求，往往會開始「通靈」（Hallucination，即 AI 幻覺）：
- 發明不存在的腳位：隨機指定
Pin 9為超音波，但你的電路板上根本沒這個接法。 - 虛構 API 函數：自行呼叫
robot.moveForward()，但你的硬體函數庫裡根本沒有這個指令。 - 錯誤的底層邏輯：隨意使用
delay()造成程式阻塞，或是寫出錯誤的輪詢（Polling）導致微控制器卡死。
✨核心解法：導入「Vibe Coding」與嚴格開發規範
要解決這個問題，我們不能把 AI 當成無所不知的神，而是要把它當成一個「技術極強，但剛到職、完全不熟悉公司硬體的資深工程師」。你需要給它一本明確的「員工手冊」，這就是 Vibe Coding 的核心精神。
例如，透過建立一份專屬的 系統提示詞 (System Prompt) 或 Skill 指南，我們可以為 AI 劃定絕對安全的開發結界。以下是三大引導策略：
1. 建立「零容忍幻覺防禦機制」(Anti-Hallucination)
我們必須明確告訴 AI 「只能用什麼，絕對不能用什麼」。採用「白名單制」來限制物件與方法的呼叫。
- ⭕ 嚴格限制 API：例如，要求底盤控制只能使用
FORWARD、BACKWARD等列舉，超音波只能呼叫ObjDistance()。 - ❌ 明列禁止事項：例如，明確告知 AI「絕對禁止給馬達速度帶入負數」，或是「後退一律使用專屬 API，禁止自行運算」。
2. 鎖死硬體腳位與常數 (Hardware Pin Mapping)
不要讓 AI 自由發揮腳位！在提示詞中，直接把硬體預設的常數定義群（如 DUAL2S_HW 命名空間）餵給 AI。例如，強制規範狀態燈引腳必須帶入 DUAL2S_HW::WSLED。這樣生成的程式碼，複製貼上後就能直接編譯、完美驅動實體。
3. 規範程式架構與防呆機制
針對複雜的應用（如 PS3 搖桿遙控），明文禁止 AI 使用阻塞式的程式碼，強制要求使用事件驅動（Event-driven）架構；或是要求音效播放必須使用非阻塞式的 alarm(freq)，以確保系統效能穩定。
有了前述的概念之後，我們實作一下加入SKILL之後，使用LLM生成韌體的複雜度與穩定性都大幅提升。這也將是本系列教學文的重點。在此之前，先來個簡單DEMO吧：
建立你的AI程式助手，一起動手吧!
由前面的Vibe Coding的知識與技術背景說明，我們就容易了解在建立【自己的AI程式助手】之前，我們應該先給LLM那些資料囉。我們下一篇教學，準備進入【U02. 一位稱職的韌體架構師】。