上一篇博客介绍了如何用TRAE IDE为RK3506构建AI编程环境。经过一段时间实践，我对AI编程有了新的认识——与其让AI在一个对话里包办所有事情，不如把工作拆解成编译、部署、运行三个独立Skill，各司其职、灵活组合。本文将分享这套新方法论及三个Skill的完整设计。

回顾：旧方法的痛点

上一篇博客中，我通过TRAE的Builder模式，用一段提示词让AI同时完成三件事：

1. 生成C语言测试程序
2. 创建VSCode编译任务（交叉编译）
3. 创建SSH部署和运行任务

这种方法虽然“一步到位”，但实践中暴露了几个问题：

提示词臃肿。 所有需求挤在一段话里，AI容易遗漏细节——比如我忘了说用户名和密码，生成的task.json就有问题。

调试困难。 部署时chmod命令失败，需要把错误信息喂给AI让它重新分析修正。每一次修改都要重新生成整个任务配置。

复用性差。 换一个项目、换一块开发板，所有配置要重新让AI生成一遍。

新思路：Skill化分工

受AI Agent设计模式的启发，我把RK3506开发工作流拆解为三个职责单一的Skill：

Skill	职责	触发场景
rk3506-compile	交叉编译程序	用户要求编译代码
rk3506-deploy	部署可执行文件到开发板	用户要求部署/拷贝文件
rk3506-run	在开发板上运行程序	用户要求执行程序并查看输出

每个Skill只做一件事，但彼此可以自由组合——“编译+部署”、“部署+运行”、“编译+部署+运行”，按需拼接。

Skill 1：rk3506-compile

name: "rk3506-compile"
description: "Compiles programs for RK3506 using arm-buildroot-linux-gnueabihf toolchain"

核心逻辑：

• 检查 CROSS_COMPILE 环境变量
• 若为空，自动执行 ~/3506-toolchain/host/environment-setup 加载编译环境
• 若不为空，给出警告提示编译器可能不一致
• 使用 $CC 等环境变量指定的编译器进行编译

设计考量： 编译环境配置是最容易出错的一步。把环境检测和加载逻辑封装在Skill里，用户只需说“帮我编译这个程序”，无需手动source脚本。

Skill 2：rk3506-deploy

name: "rk3506-deploy"
description: "Deploys compiled programs to RK3506 development board via SSH"

默认参数：

参数	默认值
目标IP	192.168.1.232
用户名	root
密码	无
目标路径	/root/

核心逻辑：

• 通过 scp 将可执行文件拷贝到开发板
• 自动 chmod +x 添加可执行权限

设计考量： 部署是编译和运行之间的桥梁。把IP、路径等参数设置成可覆写的默认值，既开箱即用，又保留了灵活性。

Skill 3：rk3506-run

name: "rk3506-run"
description: "Runs deployed programs on RK3506 development board via SSH"

默认参数：

参数	默认值
目标IP	192.168.1.232
用户名	root
程序路径	/root/

核心逻辑：

• 通过 ssh 连接到开发板执行程序
• 返回程序输出结果
• 支持传递命令行参数

设计考量： 运行是与开发板交互的最终环节。支持带参数执行，覆盖更多测试场景。

对比：新旧方法优劣

维度	旧方法（All-in-One提示词）	新方法（三个Skill）
提示词复杂度	高，所有需求挤在一起	低，每次只描述一个动作
调试效率	改一处要重新生成全部	只调试出问题的Skill
复用性	差，每项目重新生成	好，Skill可跨项目复用
灵活性	低，编译部署运行强绑定	高，可按需组合
学习成本	低，一次提示搞定	中等，需理解Skill机制
错误恢复	从头再来	局部修正

使用示例

场景一：完整流程（编译+部署+运行）

用户只需依次说：

“用rk3506-compile编译当前目录的main.c”

“用rk3506-deploy部署到开发板”

“用rk3506-run运行看看结果”

场景二：仅重新编译

代码修改后，只需：

“用rk3506-compile重新编译”

部署和运行沿用之前的结果，无需重复操作。

场景三：自定义部署目标

如需部署到不同IP：

“用rk3506-deploy把program部署到192.168.1.100的/opt/目录”

Skill会使用自定义参数覆盖默认值。

为什么这样设计更好？

符合Unix哲学。 每个Skill做好一件事，通过组合产生复杂行为。这比一个庞杂的“超级Skill”更可控、更可预测。

适配AI的思维方式。 AI在处理单一、明确的任务时表现最佳。把复杂工作流拆解后，每个环节AI都能精准执行，出错时也只需局部修正。

便于持续迭代。 哪天换了新的交叉编译工具链，只需更新compile Skill；换了新的开发板IP，只需调整deploy和run的默认参数。互不影响。

总结

从“一段提示词包办一切”到“三个Skill各司其职”，本质上是把AI当作可编程的工具链而非一次性问答引擎。这种方法不仅适用于RK3506开发，也适用于任何需要“编译→部署→运行”三步曲的嵌入式开发场景。

Skill化的核心思想是：让AI记住流程，让人只关心意图。希望这套方法能给你的嵌入式AI编程带来一些启发。