使用 AI 智能体在仿真环境中验证固件
来自 Simantic 的 Ahnaf 和 Seungmin 介绍了他们构建的仿真层，旨在让工程师和 AI 智能体无需硬件即可测试和验证固件。任务：Simantic 创始人（前固件工程师）在发现 Renode/QEMU 封装版速度慢且精度不足后，从零构建了基于 Rust 的自定义仿真引擎。该工作流允许 AI 智能体通过虚拟开发板和 CI/CD 流水线验证固件，无需物理硬件。人类工程师负责定义仿真模型并维护硬件验证装置，以确保仿真与真实硅片的保真度。；工具：custom-built or unnamed agent。人工角色：原始帖子没有说明人如何参与。；局限：仿真目前仅支持特定的数字 MCU（STM32、ESP32、RP2040），缺乏混合信号/模拟保真度。对于安全关键系统，硬件仍是事实来源，意味着仿真不能完全取代 HIL 测试。集成需要将现有固件适配 Simantic API，并接受云端或授权本地执行的约束。。
工具
custom-built or unnamed agent
Agent Work Atlas 发布日期:
概述
来自 Simantic 的 Ahnaf 和 Seungmin 介绍了他们构建的仿真层，旨在让工程师和 AI 智能体无需硬件即可测试和验证固件。
工作流程
Simantic 创始人（前固件工程师）在发现 Renode/QEMU 封装版速度慢且精度不足后，从零构建了基于 Rust 的自定义仿真引擎。该工作流允许 AI 智能体通过虚拟开发板和 CI/CD 流水线验证固件，无需物理硬件。人类工程师负责定义仿真模型并维护硬件验证装置，以确保仿真与真实硅片的保真度。
原文报告的结果
来源声称验证时间从数小时缩短至数秒，并引用一家卫星初创公司相比硬件开发模块节省了 99% 的成本和时间。然而，未提供独立指标或公开的硅片验证基准来证实这些说法。作者表示将很快发布差距报告，但尚未执行。
人工角色
原始帖子没有说明人如何参与。
局限
仿真目前仅支持特定的数字 MCU（STM32、ESP32、RP2040），缺乏混合信号/模拟保真度。对于安全关键系统，硬件仍是事实来源，意味着仿真不能完全取代 HIL 测试。集成需要将现有固件适配 Simantic API，并接受云端或授权本地执行的约束。
试一试
我是一名固件工程师，正在为我的 [项目名称] 评估 Simantic，使用 [MCU 型号，例如 STM32F4]。我有一个位于 [仓库 URL] 的代码库，包含现有的测试套件。请执行试运行：1. 为单个分支配置 Simantic CI/CD 集成。2. 针对模拟 MCU 运行现有的单元测试。3. 如果有已知良好的硬件轨迹，将仿真结果与之比较，或标记任何时序差异。4. 生成一份报告，显示通过/失败状态以及检测到的仿真与预期行为之间的任何差距。在我审查报告并确认仿真保真度对于此开发阶段可接受之前，不要合并到主分支或部署到生产环境。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。