1. 背景

当前大模型已经具备较强的代码生成能力，在嵌入式开发中也能提供实际价值。但在工程实践中，仍然普遍存在一种低效模式：

将代码片段复制到 Web AI 中，让其“修改单个.C文件”

这种方式在简单需求中尚可，但在 复杂程序开发时，存在不少问题，典型问题包括：

• 依赖缺失
  • 宏定义、头文件、CMD 文件、链接符号不完整
• 初始化分散
  • 外设初始化跨多个文件/函数，AI无法建立完整调用链
• 寄存器封装问题
  • DriverLib / 寄存器配置被抽象，AI无法还原底层行为

结果很直接：

AI只能基于不完整上下文“猜测”，输出代码不可验证、不可靠

比如你直接丢给AI生成一个.C文件，给你的代码编译各种报错，类似下图

---

2. 为什么使用 OpenCode / Cloud Code

相比 Web 端 AI，工程级 AI 编程助手（如 OpenCode / Cloud Code）解决的是上下文完整性问题。

其核心能力可以概括为：

（1）直接作用于本地工程

• 可读写 .c / .h / .cmd 文件
• 避免人工复制带来的上下文丢失和错误引入

（2）工程级上下文感知

• 理解多文件结构、链接脚本、外设初始化路径
• 不再局限于“单函数级推理”

（3）与开发环境联动

• 结合 CCS12 编译输出（编译/链接错误）
• 可定位：
  • RAM / Flash 段错误
  • 未定义符号
  • 外设初始化遗漏

（4）支持闭环迭代

形成标准开发闭环：

修改 → 编译 → 报错 → 自动修正 → 再编译

无需人工反复整理上下文再喂给 AI

（5）降低复杂工程认知负担

---

3.  OpenCode而不是Cloud Code

Cloud Code 在对国区存在各种限制，而 OpenCode则没有，此外开源的 OpenCode还有以下有点：

• 开源
• 本地运行
• 无环境依赖限制
• 可以使用其他的AI供应商（deepseek，openai）

---

4. 环境搭建

4.1 安装 OpenCode

下载地址：
https://opencode.ai/zh/download

安装过程无需特殊配置，默认安装即可。安装完成后界面如下

---

4.2 导入工程

• 在 OpenCode 中打开 CCS 工程目录
• 同时在 CCS12 中打开同一工程

示例：
一个仅完成芯片基础初始化的 TMS320F28377D 工程（可正常编译通过）

使用OPENCODE打开

---

5. 工程初始化

在 OpenCode 中：

• 选择 Build 模式
  • Plan：只给修改建议
  • Build：直接修改代码并验证可编译
• 选择 API供应商
  • 这里选择免费的big pickle

执行：

/init

OpenCode 会：

• 分析工程结构
• 生成 AGENTS.md
  • 描述工程架构
  • 记录编码规范
  • 建立上下文索引

此时可以直接进行提问，例如：

• 使用的芯片型号
• 当前初始化内容
• 已启用外设

---

6. 示例：完成PWM 代码

6.1 功能需求

生成：

• pwm.c
• pwm.h

实现：

• 使用 ePWM1A
• 输出频率：10kHz
• 占空比：50%
• 计数模式：Up-Down
• 禁用中断、死区、Trip Zone

---

6.2 OpenCode 自动生成

OpenCode 会完成：

• 新建源文件
• 修改 main.c
• 补充初始化逻辑
• 保证工程可编译通过

关键点在于：

生成代码是可以运行的整个工程，而非单一功能代码

---

6.3 CCS 编译验证

在 CCS12 中：

• 无编译错误
• 无链接错误
• CMD 分配正确

---

6.4 上板验证

• 下载至芯片
• 使用示波器观测 GPIO0

结果：

• 波形正常
• PWM 频率：10 kHz
• 占空比正常（50%）

---

6.5 参数修改测试

修改需求：

• 频率：5 kHz
• 占空比：25%

OpenCode 更新后：

• 实测波形正确

---

7. 结论

由于篇幅限制，其它功能开发流程不再赘述，整体方法与上述过程一致，可按同一模式扩展。

相比传统 Web AI的一问一答，在 TMS320 这类嵌入式系统中，其价值主要体现在：

• 可读取并理解工程内 .c / .h / .lib / .cmd 等文件，保证代码修改基于完整的工程，提升结果正确性
• 减少无效调试时间
• 避免隐性工程错误（CMD / 链接 / 初始化）