AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践

系列写到这里,该交底了:前面四篇介绍的这个诊断测试工具,本身就是人机协作开发的产物------主体代码由 Claude Code 完成,工程师的角色是定方向、定协议事实、做工程判断。第①篇埋过一个伏笔:「当诊断流程变成结构化文本,CI 能执行,AI Agent 同样能执行」。收官篇把镜头反过来,讲讲这个工具是怎么被 AI 开发出来的。

证据链:工作流不是理念,是目录

协作开发最怕事后讲故事。这个项目的好处是过程文档全部留档,工具仓库的 docs/superpowers/ 目录下躺着四组成对的文档:

  • configs-testcase-split------配置与用例拆分
  • dem-fault-report------故障报告子命令
  • cxcanfd-driver------创芯卡驱动接入
  • diagnostic-tester-ui------PyQt 图形界面

每组两份:**design(设计文档)**讲目标、架构、技术选型;**plan(实施计划)**把设计拆成带勾选框的任务序列,每个任务都是「写测试 → 跑红 → 实现 → 跑绿」的完整循环。拿 dem 子命令那组看:design 文档定下「纯函数解析 + map 表放配置目录」的架构,plan 文档开头就给实现者列出「现有代码要点」------CLI 入口怎么挂子命令、ConfigError 怎么走退出码 2、mock driver 怎么注入响应------连 ISO 14229 的 DTC 状态位八位定义都直接贴在文档里,实现者(无论人还是 AI)不需要自己再去查规范。

这套流程来自 Claude Code 的 superpowers 工作流:brainstorm 收敛需求 → 写设计文档 → 拆实施计划 → 逐任务 TDD 实现。四组文档对应工具演化的四个里程碑。证据链不止是「有文档」,数字也可以实测量化:

工具从千把行长到两千四百行的轨迹,在这些带时间戳的文档里清晰可查。

为什么这个工具特别适合 AI 开发

不是所有项目 AI 都能干好。回看这个工具,它恰好踩中了几个让 AI 发挥的关键性质:

协议是标准化的。 ISO 14229、ISO 15765-2 都是公开规范,帧格式、状态机、超时语义都有明确定义------AI 训练语料里有大量相关内容,从规范到实现的翻译是它的强项。反例是那些「规范在某人脑子里」的项目,AI 每一步都要猜。

测试是免硬件的。 第①篇讲的 Mock 驱动在这里展现了第二重价值:AI 开发和测试全程不需要插卡、不需要 ECU。18 个测试文件、3380 行测试代码(比 2380 行的源码本体还多四成)------ISO-TP 拆包组包、流控超时、0x78 循环等待、流程判定与轮询、UI 会话管理------全部跑在 Mock 之上,255 个用例 11 秒跑完,AI 在本地就能完成「写测试、跑红、实现、跑绿」的闭环。如果这个工具必须真硬件才能验证,AI 协作开发的迭代速度会掉一个量级。

结果可机器验证。 run.log 是格式化事件流、result.csv 是结构化表、退出码有明确约定------AI 改完代码,跑一遍用例、断言 CSV 某行是不是预期值,成没成不用人看界面猜。「可断言的输出」对 AI 的意义,等同于「可观测性」对运维的意义。

需求是文本化的。 YAML 用例和配置本身就是结构化需求。改一个新功能,AI 拿到的输入是现成的 YAML 例子和预期的判定结果,而不是一段口头描述。

人的位置:判断在哪里

AI 干得多,不代表人没事干。复盘下来,人牢牢握在手里的是三类判断:

协议事实的裁决。 AI 对规范的记忆可能有偏差(比如某个 NRC 的确切语义、SF 帧补齐的细节),「以 ISO 14229 为准」这件事需要人拿着规范核对。本系列每篇反复强调协议事实,源头在这里。

工程取舍的拍板。 「会话前置要不要自动切换」这种问题,AI 能列出两种方案的利弊,但「用例的可复现性优先于便利性」是工程师基于踩坑经验做的价值判断------它最终成了工具的一个刻意设计。哪些算法按结构归类、哪些细节值得配置化,同理。

安全边界的划定。 密钥材料只走本地配置、内部算法细节不进代码仓库的公开部分、演示一律走 Mock 数据------这些红线是人定的,AI 执行时也严格遵守(本系列文章的脱敏处理就是同一套纪律的延续)。

说白了,分工是:AI 负责从「明确的事实 + 明确的标准」到代码的全部体力活,人负责决定什么是事实、什么算好。

范式的迁移:从工具到方法

这篇其实讲了两层协作。第一层是「AI 开发诊断工具」------上面已经展开。第二层藏得深一点:这个工具本身就是为「被 AI 使用」设计的。YAML 用例 AI 能生成,CLI 退出码 AI 能编排,结构化日志 AI 能断言------诊断工程师 + AI 的下一站,就是工程师说「把这个 ECU 的读写 DID 用例跑一遍,FAIL 的分析给我」,剩下的事交给 Agent 编排。

工具、用例、报告全部是文本,人在环上的位置从「执行者」变成「审核者」。这不是遥远的畅想------本系列五篇文章的写作过程,就是同一个范式在另一个领域的完整演练。

写在最后

五篇收官。从四层架构到安全访问配置化,从用例工程到故障报告自动化,最后到人机协作开发本身------希望这套「轻量诊断测试管线」的完整拼图,能让某个被 CANoe 授权和手发 hex 折磨的同行少熬几个夜。

这个系列持续更新------每篇都从真实工程出发:协议事实以 ISO 14229 为准,设计决策讲清取舍,代码与配置思路都可以照着复现。

诊断测试的坑,先替你踩;工具设计的门道,陪你逐层拆。关注、收藏「屿华AI」,AUTOSAR 实战系列不迷路;转载请注明出处并保留链接。


这个系列持续更新------每篇都从真实工程出发:协议事实以 ISO 14229 为准,设计决策讲清取舍,代码与配置思路都可以照着复现。

诊断测试的坑,先替你踩;工具设计的门道,陪你逐层拆。关注、收藏「屿华AI」,AUTOSAR 实战系列不迷路;转载请注明出处并保留链接。

相关推荐
程序员韩星33 分钟前
OpenAI 兼容接口返回 404,先查请求地址,再查模型名
前端·人工智能·http
Cosolar41 分钟前
2026 年 Java AI Agent 生态全景盘点:50+ Java 开源项目的分类、实测与选型判断
人工智能·架构·agent
花椒技术1 小时前
从“实时生成游戏”出发,我们用 AI 做了四次游戏开发尝试
人工智能·aigc·游戏开发
其实防守也摸鱼1 小时前
用 Claude Code 重构遗留系统:从评估到落地的完整指南
前端·网络·人工智能·chrome·安全·重构
泯泷2 小时前
当"孤独的开发者"成为常态,AI正在悄悄杀死那个我们熟悉的互联网
人工智能·chatgpt·llm
黑客笔记2 小时前
安全态势感知中的资产失陷排名思考
人工智能·算法·网络安全
用户2707059662592 小时前
Copilot平替方案怎么选:主流工具横向对比
人工智能
好悬给我拽开线2 小时前
EasyHeC++ 用预训练图像模型实现全自动手眼标定
人工智能
Bacon2 小时前
把 Codex 装进 Mac 刘海:Codex Notch 安装与使用指南
人工智能