## 上位机优化与硬件模拟器：我的实习复盘笔记 这篇不是给别人看的故事，是写给我自己的。三个月，两个项目，踩过的坑比写过的代码多。趁着还没忘，把技术细节、心理活动、犯过的蠢和想通的事都记下来。 --- ### 一、不敢改代码的第一周 刚拿到项目的时候，我其实什么都不敢动。 项目已经是能跑的状态——虽然有小毛病，但整体功能能用。我看着满屏几万行代码，几百个文件，连依赖关系都理不清。哪里能改、哪里不能碰、改了会不会把别的地方搞崩，我心里完全没底。 于是第一个星期，我基本只是看。看代码、看日志、看文档。鼠标在变量名上悬着，就是不敢敲键盘。我知道应该加心跳机制，但不知道加在哪里合适。打开 IDE 想写，脑子里转一圈又关掉了。 后来 mentor 可能看不下去了，找我聊了一次。原话我记不太清，大意是： > 你要大胆地改，改错了回滚就行了。及时做好 commit，怕什么？如果你不敢改代码，尽早别吃这行饭了。 他说这话时语气不重，但我听进去了一句话：**不敢改代码的人，做不了这行。** 他接着教了我一套工作流：不要在主分支上改，先切一个新分支出去；在新分支上改完，提交，push，申请 Pull Request；如果改崩了，直接回滚到上一个 commit，什么损失都没有。分支就是给你试错用的。 我记得他当时还加了一句：“版本控制不是你交作业用的，是你犯错用的。” 这话对我来说很新鲜。在学校用 Git，就是提交作业、备份代码，从没想过它可以作为“犯错的安全网”。我之前的心理模式是“一改错了就完蛋”，mentor 给我换了一个模式：**改错了只是多了一次 commit，回滚就是。** 那天下午，我切了人生中第一个真正意义上的 feature 分支，开始动手改心跳的代码。 改的过程也没那么顺利。第一次提交编译报错，回滚，重来。第二次跑起来了，但心跳间隔设错了，PLC 那边日志刷屏，又回滚。来回三次，才把第一版心跳逻辑写完。 但神奇的是，我不慌了。因为我知道这条分支是我自己的，主分支干干净净。改烂了就删分支重开，没人知道，也不影响别人。 回头看，敢不敢改代码，本质不是技术问题，是心理问题。怕犯错，怕担责，怕暴露自己不懂。mentor 用“分分支 + 频繁 commit + 回滚兜底”这套流程，直接把犯错的成本降到了零。成本没了，心理包袱也就没了。 这件事我写在这里，因为它太基础、太前置了。没有这第一周的心理破冰，后面所有的排查、优化、重构都无从谈起。**敢动手，才有资格谈技术。** --- ### 二、协议的真相，只能从抓包里找 心跳机制需要给三个硬件发命令并接收响应。海康 4K 相机没问题，调 SDK 正常工作。塔石 PLC 和致德程控电源，各有各的麻烦。 先说塔石 PLC。 这个 PLC 同时支持 Modbus RTU 和 Modbus TCP。代码里写的是走 Modbus TCP 协议，但我用第三方工具测试的时候，发现事情不对劲。 我用的工具是 Modbus Poll，先发标准的 Modbus TCP 报文——功能码 03 读保持寄存器，MBAP 头 + PDU，规规矩矩。PLC 没反应。 我换成 Modbus RTU 的格式，地址码 + 功能码 + 数据 + CRC，走串口工具发，也没反应。 两种标准格式都不响应，但程序偶尔能正常工作。这就矛盾了：如果 PLC 严格遵循协议，要么 TCP 通，要么 RTU 通，不可能两个标准都不认、却认我们程序的格式。 问题只能出在“我们程序发的东西”既不是标准 TCP、也不是标准 RTU，而是某种变体。 为了验证，我打开 Wireshark，设了过滤规则只抓发往 PLC 对应 IP 和端口 502 的包。让程序正常运行，抓了几轮通信包。 展开 Payload 的时候我愣了几秒。 外层是标准的 Modbus TCP 帧：事务标识符 00 01、协议标识符 00 00、长度、单元标识符 01。这些都对。 但长度字段后面的 Payload，不是标准的 PDU。里面直接塞了一个完整的 Modbus RTU 帧——地址码、功能码、数据、CRC 校验，原封不动。 也就是说，前任开发者在 Modbus TCP 的壳里，跑了一个完整的 Modbus RTU 帧。RTU 帧里已经带了地址码和 CRC，TCP 的外壳又套了一层自己的地址和长度字段。两层地址，两层校验。 这就像你寄快递，箱子上写了收件地址，打开箱子，里面的东西自己也贴了一张快递单。 我当时的心情很复杂。先是哭笑不得——这人到底在看什么文档？然后是不安——如果这种写法都有，代码里还有多少我没发现的奇怪实现？ 技术上能解释为什么偶尔能跑通：PLC 的固件在 502 端口上同时兼容两种协议解析。它收到数据包后，发现 TCP 的 Payload 部分不符合标准 PDU 格式，fallback 到 RTU 解析，碰巧解析成功。但这个“碰巧”依赖于 PLC 固件的容错实现，换一个严格遵循标准的设备，直接丢包。 我后来重构的时候，把 TCP 的 Payload 改成了标准 PDU，去掉了冗余的地址码和 CRC，只用 MBAP 头 + 标准功能码和数据。PLC 正常响应，再也没出现协议层面的偶发异常。 这件事在我脑子里刻下了一条规则：**接手别人代码，不要信注释，不要信变量名，不要信“文档里写了用 Modbus TCP”。直接抓包看实际发出的字节流。** 代码可以说谎，抓包不会。 --- ### 三、“你只是软件层面发出去了” 致德程控电源的偶发故障，是我整个实习里耗时最长、精神内耗最多的一次排查。 现象很明确：流程偶尔失败。查应用日志，日志显示发送命令的语句已经执行，但响应超时，没有收到返回数据。 我第一反应：日志都打印了，函数调用了，`write()` 返回了成功，那肯定是发出去了。问题应该在电源硬件或者通信链路上，不是软件的事。 当时的心态说白了就是自证清白——日志在手，软件没问题，你们查硬件去吧。 老板和我单独聊的时候说了句话： > “你只是软件层面发出去了，不代表电脑硬件真的发出去了。” 我嘴上是应了，心里没完全服。操作系统还能把我 `write()` 系统调用的数据吞了不成？协议栈不就是一层层往下传吗？ 但后来我静下来想，确实没法自证。应用层 `write()` 返回成功，只代表数据从用户态拷贝到了内核缓冲区。内核什么时候把数据交给网卡驱动？网卡驱动什么时候把数据打包成以太网帧送出去？物理层信号有没有被网线正常传输？电源那边的网口有没有正常接收？每一层都可能掉链子，而我的日志只覆盖了最上面的应用层。 **日志告诉我的是“我说了”，不是“对方听到了”。** 这两者之间的差距，学校里没人讲过。学校作业里 `printf` 打印出来就等于程序执行了。但工程里，一个通信链路上下七层，你只在自己的用户态里证明自己做了事，离“事情完成”还有很长一段路。 带着这个意识重新排查。老板教我用控制变量法：**每次只改一个东西，观察现象，确定定位再往下走。** 第一步，换网线。拿了一根确定在别的设备上正常使用的网线替换现有网线，问题依然偶发。排除网线物理故障。 第二步，换软件。不用我们自己的上位机，用第三方 Modbus 工具直接给电源发相同的命令——读电压、设电流。连续发一百次，收发正常，没有无响应。说明命令本身没问题，应用层逻辑也是对的。 第三步，压力测试。写了一个小脚本，只做两件事：发读电压命令、发设电流命令。然后分别用单线程串行发和双线程并发发做对比测试。 单线程模式：每 100ms 发一条，收到响应才发下一条。跑了 500 轮，0 失败。 双线程模式：两个线程各自独立发送，时间间隔随机。跑了不到 50 轮就出现大量无响应，比例和三周前用户反馈的失败频率基本一致。 到这里，定位已经很清晰了：电源无法处理并发命令。 后补查了电源的技术手册，里面没写“不支持并发”，只写了“核心处理器为单线程架构”。这句话换个说法就是——同一时间只能处理一件事。两条命令同时过来，它随机丢掉一条。 这件事让我深刻理解了控制变量法的价值。排查最开始，我对问题的归因完全错误——上来就判断“软件没问题”，但实际上我没排除软件发送方式的问题。如果我在第一步就认定“日志都有了肯定是硬件的事”，后面所有的排查都不会发生。 真正客观的排查方法是：**不预设“哪一层是好的”，一层一层验证，一次只动一个变量，用排除法逼近根因。** 找出来是谁的问题不重要，重要的是找出来。 根因找到后，解决方案反倒是明确的：命令必须串行化。我用了消息队列，所有命令入队，单线程消费。收到当前命令的响应后，队列才取下一个命令发送。 单次命令响应时间：大部分 30ms，个别 80ms，平均约 40ms。 电源启动本身需要 1-2 秒的电容充电时间。整个流程有三组灯，每组灯都要走一遍“供电→开灯→拍照→关灯→断电”，总耗时 30-60 秒。 所以加上这 40ms 的串行延迟，对整体流程的影响可以忽略不计。 但我有一个要对自己诚实的地方：我当时改消息队列方案的时候，并没有提前计算延迟影响。不是因为胸有成竹，是因为脑子里只有“让命令别并发”这一件事，没顾上评估性能。事后补了测试数据，验证了方案合理。 这是经验不够的表现。如果是现在，我会在做方案决策前先拿两个数据：当前流程总耗时、消息队列引入的平均延迟。用数据对比来判断方案是否可行，而不是改完再测。 --- ### 四、让数据库活着的双保险 用户在工控机上连续运行软件好几天，反馈偶尔弹出数据库连接失败的报错。 看日志，MySQL 返回的是 `Lost connection to MySQL server during query`。查 MySQL 配置，`wait_timeout` 是 28800 秒，正好 8 小时。 问题很清楚：8 小时不做数据库操作，连接自动断开。用户长期不关软件，超过了这个时间窗口。 我意识到需要保活机制，但具体怎么保活，我当时没概念。 和 AI 讨论后确定了方案：开一个独立线程，每 30 分钟发一次 `SELECT 1`。30 分钟远小于 8 小时，足够保证连接不断。`SELECT 1` 是最轻量的查询，几乎没有负载。 写完给 mentor 看了，mentor 说思路对，然后加了一句： > 再加一个连接池，保持 3 个连接。光靠心跳保一个连接不够，万一那个连接因为别的原因断了呢？ 我一开始只想到“让连接不超时”，mentor 想的是“万一有其他原因导致断开怎么办”。两种思路的差别在于对“失效模式”的覆盖范围。我只防了超时断开这一种，mentor 想的是连接可能在任意时刻因为任意原因断开，需要有备用连接随时顶上。 最终方案是两个机制的叠加： - **定时心跳**：每 30 分钟 `SELECT 1`，解决空闲超时断开 - **连接池冗余**：始终保持 3 个活跃连接，一个连接意外断开，立刻切到下一个 这算是我第一次在实际项目中接触“冗余设计”的概念。单点防护的思路是“让这一个东西不出问题”，冗余设计的思路是“假设一个东西出问题，还有另一个顶着”。后者的可靠性不在单点的质量，而在备选的数量。 这个认知后来在硬件模拟器的 DAD 问题里也起了作用——当一种方案走不通，我有意识和习惯去寻找另一种完全不同的路径。 --- ### 五、学会看代码的结构，而不是看代码的量 项目有几万行代码，几百个文件。界面用 QML 写，业务逻辑用 C++，数据访问单独一层，硬件通信封装在协议层里，第三方 SDK（海康相机）又是一个独立目录。 刚拿到的时候打开一看，脑子里就四个字：无从下手。 头一个星期我试图通读代码，从 main 函数开始一路往下追。追到第三天就放弃了——太多文件，太多类之间的继承和依赖，根本理不清。 mentor 看我在那儿死磕，走过来问了一句：**“你现在要解决的问题是什么？”** 我说心跳机制。 他说：**“那就找心跳相关的代码路径，没关系的文件先别看。”** 这句话把我从“阅读全量代码”的负担里拉了出来。我之前的下意识反应是“要把所有代码看懂了才能改”，但这是学校作业的思维——作业只有几百行，能看完。工业项目几万行，等你全看完，用户投诉都堆成山了。 我换了策略：从用户反馈的 Bug 入手。心跳断连——跟踪心跳发送的函数调用——找到协议层构建命令的位置——在命令构建前后加心跳逻辑。这条路径涉及的文件不到十个，其他几百个文件暂时和我无关。 大概半个月后，我开始能自然地在代码里找到对应功能的实现位置。不是全看懂了，是**建立了一个“功能-文件”的心理地图**，知道哪类功能大概在哪个目录、哪几个文件里。大部分代码我至今没读过，也不需要读。 另一个让我印象很深的是分层架构。 项目里发一条命令，不是在一个函数里一条龙写完的。业务层构建命令参数，传给协议层；协议层打包成指定格式的帧（Modbus TCP 或自定义协议），加上帧头帧尾 CRC；传输层负责 Socket 发送和接收；接收回来后反过来拆包——传输层收原始数据、协议层解帧校验、业务层处理语义。 我第一次 debug 通信问题的时候，收到数据但解析报错。因为分层清楚，我直接在协议层的解帧函数里打断点，发现是 CRC 校验失败。如果所有逻辑混在一起，我得从头看到尾才能定位。分层让我几秒就缩小了排查范围。 之前学校写代码，全是平铺直叙，一个函数从头干到尾。出问题就只能一行行打日志。现在我理解每一层存在的意义了：不是为了看起来高级，是为了出问题时能快速隔离。 --- ### 六、协议不只是帧格式，是语义规则 硬件模拟器用 Go 写的。Go 我之前完全没写过，mentor 指定让我学 Go，说他觉得 Go 适合做网络服务。 上手的方式很粗暴：对着 Go by Example 敲了两天基础语法，然后直接开始写调试工具。不懂就查，报错就搜，边写边学。 第一版模拟器的设计思路很朴素，其实就是做一个“应答机器人”。我把上位机会发的所有命令列了一张表，每条命令对应一个固定响应。模拟器收到命令后，用 `switch-case` 匹配命令码，把预存的字节数组原样返回。 我觉得这个设计没问题——命令就那些，响应也固定，比对就行了。 然后心跳命令的响应里包含 CPU 温度。 CPU 温度是一个实时变化的值。48 度、49 度、50 度，随便变一下，我预存的字节数组就对不上了。 这件事听起来很简单，但我当时是在测试的时候盯着日志发现的。模拟器返回的 CPU 温度一直是 46 度，而实际硬件那边已经 51 度了。上位机拿到这个固定值，触发了温度异常的假告警。 我只能把这部分逻辑拆开：心跳响应的其他部分（帧头、设备地址、功能码、版本号）用固定模板，CPU 温度那个偏移位置的四个字节单独拿出来，从系统读取实时温度然后动态填入。 改完心跳之后我突然意识到，同样的问题会出现在几乎所有命令上。 IO 状态查询命令更复杂。它返回两个 ACK 帧，第二个 ACK 里包含 3 路 PWM 的当前值。PWM 值不是固定的，可以通过设置命令修改。用户先调了 PWM 值，再查 IO 状态，模拟器如果还返回初始值，上位机就会判定状态异常。 但最让我头疼的不是 PWM 值本身会变，而是一条查询命令会触发两次回复，第二次回复里还夹着一个需要动态校验的 PWM 字段。 我原本的设计是按命令码一对一匹配响应，一条命令对应一个固定的字节数组。但现在出现了**一条命令触发两条响应**的情况，而且第二条响应的内容还依赖于设备当前状态。 `switch-case` 搞不定了。我需要让模拟器在处理查询命令时，先去读取自己维护的 PWM 状态变量，然后动态构造第一条 ACK 和第二条 ACK。这意味着模拟器不能只是一个“应答机器人”，它必须是一个有状态的设备。 后来我把所有需要动态解析的响应都重构了一遍，抽出一个公共函数，专门负责“根据命令类型和设备当前状态，构造对应的响应字节流”。不再有一个预存的固定字节数组，所有响应都在收到命令的那一刻实时生成。 这个过程让我重新认识了“协议”两个字。 以前我对协议的理解就是帧格式：帧头几个字节、地址几个字节、数据区多长、CRC 怎么算。只要格式对，协议就通。 做完模拟器才意识到，格式只是协议的骨架。协议真正的复杂性在语义层：哪个字段是动态的、哪个是静态的、什么条件下触发什么响应、一条命令对应几条回复、回复之间是否有顺序依赖、某些字段之间是否存在关联约束（比如改了 PWM 值之后，后续查询必须返回新值）。 **你只看帧格式，你只能让数据不丢包。你理解了语义规则，你才能让模拟器的行为和真实硬件一样。** --- ### 七、换了一种方式用 AI 我在两个项目里用 AI 的方式完全不同。 上位机项目的时候，我是一句一句问。每次遇到问题就问 AI，拿到代码贴进去，跑不通再问。改 A 的时候经常不小心动了 B，然后又开始修 B。来回折腾，效率极低。 后来我发现问题不在 AI，在我。我给的指令太零碎、太随意，AI 看不到全局，只能猜我的意图。 硬件模拟器项目开始前，我决定换方式。 我从早上 10 点开始，打开一个空白文档，开始和 AI 对齐需求。 我把协议的每一个字节拆开来讲：第 0 字节是什么、取值范围、是否可变；第 1-2 字节是什么、大端还是小端、和前面字段的关系；第 3 字节的命令码枚举值、每个值对应的响应类型；响应的构造规则、哪些字段从状态变量读取、哪些固定写入。 AI 根据我的描述生成需求描述，我再读，发现不准确的就纠正。来回了不知道多少轮，很多细节我也是在描述的过程中才想清楚的。比如“IO 状态查询命令到底在什么条件下返回第一条 ACK、什么条件下返回第二条”——这个我之前没细想过，写需求的时候才被迫把它理清楚。 到下午 3 点多，文档成型了，将近 2000 字。我存成 README，当成事实来源。 然后把 README 交给工作 AI，让它生成代码框架。十几分钟就出完了。 跑之前我没直接编译。先让同一个 AI 自查代码，检查类型错误、边界条件、遗漏的处理分支。它找出几个问题，改了。然后把代码和 README 一起丢给另一个 AI，让它交叉审查逻辑是否符合需求文档。又找出一个 README 里写明白了但代码漏掉的处理逻辑，补上了。 两轮审查结束，我才编译运行。整个过程没有遇到需要大面积返工的情况。 我复盘这次和上位机项目的区别： 上次我把 AI 当代码生成器，一句一句要。它不知道上下文，我也不知道自己要什么，两个都不清楚的人凑在一起，效率不可能高。 这次我把 AI 当执行器，在让它动手之前，我先花了 5 个小时把自己要什么搞清楚了。README 成了唯一的真相来源。代码对不对，拿 README 对照一目了然。AI 审查也是审代码和 README 的一致性，而不是凭空判断。 核心变化在这里：**我把脑力从“纠正代码”转移到了“定义正确性”。** 纠正错误代码是无限循环——改了一个 bug 可能引入另一个。但定义清楚什么是正确的之后，验证就变成了简单的比对。5 个小时写 README，十几分钟生成代码，两轮审查。总耗时大概 6 小时。 如果是用上位机项目那种老方式做模拟器，我估计至少两三天，而且 bug 更多。 不是 AI 变强了，是我学会了怎么当一个能写清楚需求的甲方。 --- ### 八、当 AI 也帮不了你 模拟器需要给每个虚拟硬件分配独立 IP，这样上位机才能分别给两个设备发心跳——发给 A 只有 A 收，发给 B 只有 B 收，和真实网络环境一致。 我的电脑只有一个物理网卡，配了一个 IP。怎么再搞出两个独立 IP？ 所有 AI 给的都是同一个方案：在物理网卡的高级设置里添加辅助 IP。Windows 支持一个网卡绑多个 IP，Go 程序分别绑定到不同 IP 上就行。 我照做了。添加辅助 IP 192.168.1.100，子网掩码 255.255.255.0。点确定。 打开终端，`ipconfig` 一看，状态显示 `Tentative`。 `Tentative` 是 Windows 的 DAD（Duplicate Address Detection，重复地址检测）机制的状态标记。在 Tentative 状态下，IP 还不能被应用程序绑定使用，系统要先发 ARP 探测这个 IP 在局域网里有没有被占用。没人回应，状态才转为 Preferred，地址才可用。 问题是我的环境是两台机器直连，没有路由器，ARP 探测的响应机制可能不正常。Tentative 状态一直不转 Preferred，Go 程序绑定就报错：`address already in use` 或直接绑定失败。 我开始搜解决方案。主流答案是改注册表禁用 DAD：`HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Services\Tcpip\Parameters` 下面加两个 DWORD 值，一个叫 `ArpRetryCount` 设为 0，一个叫 `EnableDeadGWDetect` 之类。重启网卡。 试了。没用。重启电脑，又回到 Tentative。 换个思路，改子网掩码、改用不同网段的 IP、禁用再启用网卡。全试了，Tentative 纹丝不动。 折腾了两天多。AI 开始反复建议我放弃虚拟 IP 路线： > “要不改成监听 0.0.0.0，用一个 Socket 收所有数据，然后在应用层根据数据包里的设备地址字段区分是给哪个设备的。” 技术上可行，但业务逻辑不对。真实环境中两个硬件分别有独立 IP，上位机向各自的 IP 发心跳命令。如果模拟器用单一 Socket 监听所有 IP，两个虚拟硬件就会收到完全相同的数据流。心跳命令是广播语义的——上位机同时给两个设备发相同的心跳帧——如果两个模拟器实例都收到，就无法区分上位机是想单独查询 A 的状态，还是两个都要查。 这不是实现方式的问题，是需求定义的问题。模拟器要模拟的是“两个独立 IP 的独立设备”，不是“一个 IP 上跑两个逻辑实例”。**需求在这个点上不能妥协。** AI 的方案一直在绕，因为它的知识库里没有在我的具体环境下能走通的路。 我放弃了问 AI，直接用浏览器搜真人帖子。关键词来回换：`Windows 11 multiple IP tentative`、`Windows loopback adapter static IP`、`DAD tentative fix not working`。 翻了很多页之后，在一篇讲 Windows 8 网络配置的技术博客里看到一句话：用 Microsoft Loopback Adapter 创建虚拟网卡，在虚拟网卡上配 IP，不经过物理网卡，DAD 行为不同。 我不确定 Windows 11 还有没有这个功能，但这是唯一还没试过的方案。 我把帖子发给 AI，让它帮我整理成 Windows 11 的操作步骤。AI 照做了，但态度很明确——每条指令下面都附了一句“建议还是放弃，改用应用层区分设备的方式”。 我没理。跟着步骤一步步走：打开设备管理器，添加过时硬件，手动选择网络适配器，厂商选 Microsoft，型号选 Microsoft KM-TEST Loopback Adapter。装完，网络连接里多了一个“以太网 2”。 在以太网 2 的 IPv4 设置里配静态 IP 192.168.1.100，子网掩码 255.255.255.0，网关留空。点确定。 终端里 `ipconfig`，以太网 2 的 IP 状态：**Preferred**。 那一刻的心情很复杂。不是兴奋，是一种“终于对了”的放松，混合着一点点对 AI 的重新认识。AI 不是不想帮我，它只是在我的具体环境、具体驱动、具体 Windows 版本、具体网络拓扑的组合下，给不出正确路径。它给的永远是概率最高的解，不是必然正确的解。 **当概率最高的解在具体环境里失效时，能往上顶的，只有人的判断和坚持。** 两个虚拟 IP 都配好之后，Go 程序成功绑定，分别监听各自的 IP 和端口。上位机发心跳到 IP A，只有模拟器 A 收到；发到 IP B，只有 B 收到。和真实硬件行为一致。 这个 DAD 问题从发现到解决，前后折腾了差不多三天。时间不算长，但给我的冲击很大。学校里习惯了“所有问题都有标准答案”，但工程里很多事情是第一次遇到——没有人踩过你的坑，没有人写你的教程，连 AI 都劝你放弃。这时候，你相不相信自己的判断，就成了唯一的分界线。 CCD 数据转换和连续采样的功能最后没有做完，因为硬件模拟器的需求来了，优先级更高，只能把调试工具的开发先搁置。这算一个遗憾。如果后面有时间，我想把这两个功能补完整——不是为了交付，是想给自己一个交代。 --- ### 九、两个月，我变了什么 刚来的时候，我连切分支改代码都不敢，怕改崩了被骂。mentor 一句“不敢改代码就别吃这行饭”算是把我推过了那道心理门槛。Git 分支 + commit + 回滚这套流程，把犯错的成本降到零之后，我才真正开始动手。 动手之后发现，工程和学校最大的区别不是技术难度的差距，是问题归属的边界不同。 学校里的 Bug 一定是你的代码逻辑写错了。工程里的 Bug 可能在网线、在电源的单线程架构、在数据库的 8 小时超时策略、在 Windows 的 DAD 机制、在前任开发者塞进 TCP 壳里的那个多余的 CRC 校验码。问题在哪一层都有可能。你能做的不是猜，是一层层排查，直到找到它。 排查也不是漫无目的地试，要讲方法。老板教的控制变量法——每次只改一个变量，观察结果——已经变成了我的固定工作模式。出问题先列变量：软件、网线、发送方式、硬件固件、操作系统配置。然后一次只动一个，排除一个再动下一个。 上位机优化教会我怎么排查问题，硬件模拟器教会我怎么用 AI 和自己解决问题。上位机项目我是一句一句问 AI，效率低还容易偏。模拟器项目我花了 5 个小时写 README，把“我想要什么”定义清楚，再让 AI 执行，效率翻了几倍。但当所有 AI 都劝我放弃虚拟 IP 的时候，我用浏览器搜到了一篇 Windows 8 的教程，自己判断可行，一步步配通了虚拟网卡。 **AI 给的是概率最高的解，不是必然正确的解。** 当概率最高的解在具体环境里失效，你相不相信自己的判断，就成了唯一的分界线。 还有一件小事，mentor 在某次 code review 的时候跟我说：你的代码风格干净，命名也规范，这个好习惯要保持。我当时愣了下，因为没觉得自己特别在意这个——可能就是以前写作业养成的。mentor 接着说了句：“代码是写给人看的，顺便能跑而已。你能从一开始就注意这个，说明你知道以后看这段代码的人不是你一个人。” 这句话我一直记着。 最后写几条给自己的总结，是这两个月确实长在身上的东西： 1. 接手别人的代码，不要信注释和文档，信抓包工具。Wireshark 不会骗你。 2. 日志打出来了不等于发出去了。应用层的成功和链路层的成功是两件事。 3. 排查问题用控制变量法，每次只动一个变量，不猜，不凭感觉。 4. 敢改代码的前提是掌握分支管理和回滚。犯错成本为零，心理包袱就为零。 5. 和 AI 协作的正确姿势是先把需求想清楚、写清楚，而不是一句一句让它猜。 6. AI 给的是主流解，你的具体环境可能需要非主流解。AI 说放弃的时候，你自己判断。 7. 代码是给人看的。命名规范、结构清楚，不是给别人行方便，是给三个月后的自己行方便。