AI Adoption Showcase: From Traditional Development to Agentic AI

你的韌體知識 × Claude Code = 你一個人能做以前三個人的事

—— 從傳統開發，邁向 Agentic AI 轉型

緣起：韌體工程師的三大痛點

過去十年，韌體開發的瓶頸從來不是「寫不出來」，而是「寫得慢、改得累、交不出去」。

我在多家半導體與系統廠的內部導入場合，反覆聽到同樣三句話：

• 環境不可重現：Windows 工程師花一週裝 SDK，新人入職第一個月只在處理 Toolchain、每位新血折損 5–10 個工作天

• 規範靠口傳：Kconfig 寫錯一個 =true、Devicetree 改錯一行，整晚編不過、每次燒板平均 2–4 小時 debug

• 重複勞動：改一行 prj.conf、重編、燒錄、抓 log、貼回 Jira，一天 20 次、工程師 60% 的時間不在思考，在搬資料

一句話總結：問題不在工程師不夠強，而是強的人被困在低價值動作裡。

核心觀念：三個心法，把 AI 從「亂寫工具」變「資深工程師」

Claude Code 能在韌體場景落地，不是因為它「會寫 C」，而是因為它能在嚴格規範下穩定協作。所有導入案例都圍繞同樣三個觀念：

觀念一　Context Engineering — 先給戰場地圖，再下指令

AI 不需要更聰明，它需要更完整的上下文。把 SDK 路徑、板子型號、腳位定義、Kconfig 慣例打包成一份系統提示，AI 的命中率會從 50% 跳到 95%。

觀念二　claude.md 是「行為合約」，不是文件

我們把整個團隊的硬性規範灌進一份 claude.md，讓 AI 先懂規矩，再動手：

• 架構邊界　禁止 Docker、強制使用原生 toolchain 與 venv

• 檔案權限　AI 只能改 src/prj.confCMakeLists.txtboards/*.overlay，不准動 NCS 核心

• 防覆寫　發現既有檔案時，必須先問「需要備份嗎？」才能寫入

• RTOS 紀律　禁止在 ISR 或主迴圈用 k_msleep() 模擬硬體；強制 k_timer / k_work 異步

• 語法嚴謹　CONFIG_GPIO=y 不是 =true、字串要加引號、數字不加引號

AI 違反一條，編譯就會掛——因此它會比新進工程師更守規矩。

觀念三　人類做最終決策，AI 做高速迭代

寫 → 編 → 燒 → 抓 log → 改，這個循環交給 AI 跑；「要不要交付」永遠是人類按下的那個 Enter。

一條龍自動化工作流（Zero-Touch Workflow）

導入後的典型迭代，從需求到上板只需要 六步，全部由 Claude Code 在終端機裡完成：

步驟 1  需求輸入       工程師用自然語言「我要按 BTN1 切 LED 模式」

步驟 2  AI 校驗規範    讀 claude.md，確認 GPIO 別名、Active Low 上拉

步驟 3  生成程式碼     改 src/main.c、boards/*.overlay、prj.conf

步驟 4  自動編譯       west build -p always -b nrf54l15dk/nrf54l15/cpuapp .

步驟 5  自動燒錄       nrfjprog --program build/zephyr/zephyr.hex --reset

步驟 6  抓 Log + 交付  picocom /dev/ttyACM0 → AI 回報結果 → git push

人類的工作只剩兩件：

1. 把需求講清楚（這就是 Context Engineering 的價值）

2. 在 AI 提交前做最後一次「我同不同意」的判斷

企業級資安與防呆機制

很多廠長一聽到「AI 直接動程式碼」就皺眉。我們在每一場導入裡都會把這些護欄一併建起來：

• 環境隔離：純 Linux（Ubuntu / WSL2）原生開發；Docker 配 --network=none 讓 AI 無法容器逃逸

• 檔案權限：AI 只擁有 src/boards/prj.conf 寫入權；NCS 核心唯讀

• 金鑰隔離：.env / API Key / 簽章金鑰放到 AI 看不到的目錄；用 .claudeignore 排除

• 關鍵動作 Hook：settings.json 設 PreToolUse Hook：對 west flashgit push 強制人工確認

• 可稽核性：編譯/燒錄輸出進統一 log；AI 動的每一行都進 Git diff

一句話總結：AI 是新人實習生，給他工作、不給他鑰匙。

同一套方法，也適用於自建的 MCP

這次導入裡有一個常被忽略的延伸效益：Claude Code 的「規範化協作」可以複製到非韌體場景。

我們把同樣的思路套到此平台自建的 ai-winlab-tw MCP 上，讓 Agent 能直接：

• 列出活動、徵才、成果list_events / list_recruitments / list_announcements

• 建立公告與成果create_announcement

• 上傳圖片、更新輪播upload_image / update_carousel_slide

• 走 OAuth 認證——只有授權帳號才能寫入

換句話說，工程師白天用 Claude Code 寫韌體、晚上用同一個 Claude Code 把成果發表上網——不換工具、不切心智模型。

這才是 Agentic AI 真正的轉型紅利：

工具一致性 → 認知摩擦歸零 → 個人產能翻倍

事實上，這篇文章本身就是我用 Claude Code 透過 MCP 直接發布到網站的——從草稿、潤稿到上架，沒有打開過任何後台表單。

技術棧與成果展示

已經跑通的硬體 / 框架矩陣

Nordic nRF54L15、Nordic nRF52 系列、STM32 + TinyML、Raspberry Pi 5、Hailo AI 加速器、Zephyr RTOS / NCS、Claude Code Agent

完整原始碼公開於 github，目標是每個 repo 都附 claude.md 規範與一鍵編譯腳本，clone 下來就能跑。

顧問導入成果摘要

近一個月內已於 多家半導體 IC 設計、網通、系統整合廠 完成現場 Demo 與內訓導入：

• 從 Ubuntu 安裝、Claude Code 部署，到 Nordic 韌體一條龍自動化

• 樹梅派 5 地端模型編程 × 雲端 Agentic Workflow 整合

• 客製化提示詞工程與 claude.md 範本交付

回饋幾乎一致——工程主管最常給的一句話是：

「原來不是要把人換掉，是把人從低價值動作裡換出來。」

結論：心態轉換比工具更關鍵

• AI 診斷，人類決策：Claude Code 不是取代工程師，是放大工程師

• 產能翻倍：一個資深韌體工程師 + Claude Code = 過去一支三人小隊的吞吐量

• 規範即資產：你寫得越清楚的 claude.md，AI 跑得越穩；這份文件本身就是公司新的競爭力

• 智能體工程：在韌體工程中把Claude code的session規劃成強大的實習生，是未來智能體工程中重要的背景知識，也是Karpathy在幾天前提出軟體3.0時代中，企業級開發重要特徵。

歡迎使用Claude code把idea帶進你的團隊。