当前位置: 首页 > news >正文

AT32开发环境体验

最近在一个新项目中首次接触了雅特力(Artery)的AT32系列单片机。原本对国产替代方案的开发环境和配套工具持保留态度,但实际使用下来却惊喜连连——雅特力在开发生态上的投入远超预期。

首先,雅特力提供了对标 Keil 的官方集成开发环境 AT32 IDE,界面友好、功能完整。更令人印象深刻的是其图形化配置工具 AT32 Workbench,这相当于 STM32 用户熟悉的 STM32CubeMX。起初我以为它会像某些国产芯片厂商的配置工具(比如 GD32EmbeddedBuilder)那样体验一般,但实际使用发现它已经相当成熟:

  • 能自动生成完整的工程模板;

  • 支持 FreeRTOS 系统的快速移植;

  • 全中文界面与文档支持——终于有一家国产 MCU 厂商做到了从手册到软件的全面中文化!

虽然目前 AT32 Workbench 的功能丰富度还略逊于 STM32CubeMX(例如暂不支持 FATFS 文件系统),但对于大多数应用场景来说已经足够实用。

值得一提的是,在代码导出时,AT32 Workbench 不仅支持自家的 AT32 IDE 和 Keil,还支持生成 Makefile。这意味着我们可以借助命令行或 CI/CD 工具链进行自动化编译,甚至结合 AI 辅助编程(比如 Trae)来自动修复编译错误。

为了让 VS Code 或 Trae 顺利使用 Makefile 编译项目,只需完成以下准备:安装 CMake 插件(用于构建管理);在系统中安装 MinGW 和 ARM GCC 工具链(arm-none-eabi-gcc)。

如果你已经安装了 AT32 IDE,那就更方便了——工具链其实已经包含在其中,路径通常为:

AT32IDE\platform\tools\gcc-arm-none-eabi-10.3-2021.10\bin

然后就是简单的让ai,尝试用makefile编译了。

我最初让 AI 尝试编译时因未正确配置环境变量而失败,但在提示路径后,AI 成功调用 arm-none-eabi-gcc 完成了编译。这意味着未来在代码迭代过程中,AI 不仅能协助修改逻辑,还能实时处理编译问题,大幅提升开发效率。

最终也是成功编译。这样在让ai改代码的时候就可以帮忙处理掉编译错误了

http://www.jsqmd.com/news/216179/

相关文章:

  • 收藏备用 | 三分钟看懂AI大模型(小白程序员专属图文教程)
  • 快来许下 2026 年的第一个愿望,KWDB 帮你实现!
  • 从零开始:基于M2FP的人体姿态分析系统开发指南
  • 三大神经翻译模型评测:准确性、速度、部署难度全面对比
  • 模型蒸馏实践:用小模型复现M2FP90%精度
  • 周末项目:用现成GPU环境打造你的二次元角色设计系统
  • API限流困扰?自建CSANMT服务无调用次数限制
  • Z-Image-Turbo模型调优实战:预配置环境下的高级参数探索
  • ENS认证文档处理:区块链项目国际化支持
  • 模型版本管理:M2FP的迭代与升级策略
  • ‌ISTQB进阶认证:软件测试从业者的专业跃迁之路
  • Golang基础语法(go语言指针、go语言方法、go语言接口)
  • AI绘画API服务:基于Z-Image-Turbo的快速商业化部署
  • picturebox如何显示视频不卡顿?解密原理与优化技巧
  • Z-Image-Turbo图生图实战:快速搭建图像转换工作流
  • *存取控制矩阵** - 是一种以二维矩阵形式表示权限的模型,行代表用户,列代表文件,矩阵中的每个元素表示某用户对某文件的访问权限
  • 从学术到工业:M2FP模型的商业化应用之路
  • 如何用M2FP开发智能体感游戏?
  • 物流单据自动转换:AI镜像对接ERP系统实录
  • GEO搜索优化系统开发全指南:技术选型+源码实现+精准获客落地方案
  • 无需GPU!纯CPU环境运行高性能翻译模型的秘诀
  • M2FP模型部署成本分析:CPU与GPU方案对比
  • 2026年多语言AI趋势:开源翻译镜像+WebUI成中小企业首选
  • 基于M2FP的虚拟服装店:3D试衣体验实现
  • M2FP模型在智慧医疗影像分析中的突破
  • **脱机控制**:用户无需直接参与作业运行过程,而是通过**作业控制语言(JCL)**编写作业说明书
  • 本地化部署 vs SaaS服务:TCO成本对比分析(三年周期)
  • M2FP模型在智能广告牌中的人体互动应用
  • 医疗文本翻译挑战:CSANMT专业词汇准确率达88%
  • M2FP模型在虚拟服装展示中的核心技术