前言
作为一支直到大二才接触 STM32 的“小白”团队，我们最终能拿奖，初期的AI 辅助确实功不可没 。
但在系列文章的最后，我更想聊一点不一样的东西——关于项目“含 AI 量”的深度反思。
我们经历过“代码全靠生成”的虚假繁荣，也经历了“亲手重构底盘逻辑”的痛苦蜕变。希望这段踩坑与觉醒的心路历程，能给同样在用 AI 辅助开发的你带来真实的启发。

一、初期的困境：被 AI 锁死的“性能上限”

🚫 误区：沉迷“复制粘贴”的虚假繁荣
项目刚起步时，我们和很多同学一样，把循迹需求直接扔给 AI，复制粘贴回 IDE，一编译跑通，车动了 。那时候瞬间膨胀：“哇，AI 真强，我也真强。”

但很快，当系统需要提速进阶时，我们一头撞上了一堵看不见的墙 ：

二、中期的觉醒：痛苦的重构

🚫 痛点：陷入调参“死循环”
到了备赛中期，最让人崩溃的现象出现了：每当尝试将车速提升一点点，之前辛辛苦苦调好的 PID 参数就会瞬间全部失效，几乎每次都要从零开始重新盲调。这种低水平的重复试错，彻底击碎了我们的耐心。

✅ 破局：勇敢的“断奶”与重构
痛定思痛，我们做出了一个极其大胆的决定：推翻重构。
这是一次非常痛苦的“断奶”过程，但恰恰是从亲手敲下新架构的第一行代码开始，我们才真正触碰到了工程的内核。

💡 核心逻辑：告别“能跑就行”
在重构中，我们再也没法躲在 AI 背后依赖“能跑就行”的侥幸心理，而是被逼着去死磕每一行代码背后的物理与数学意义：

🔍 变量流向溯源：这个增益系数，究竟是乘在前端的 ADC 数据处理阶段，还是作用于末端的 PID 输出阶段？
⚖️ 滤波的本质权衡：这里为什么要强加一阶滤波？它到底是在有效抑制电磁噪声，还是在致命地牺牲系统的高频响应速度（导致相位滞后）？
🧮 算法降维打击：“差比和差”算法相比普通的基础作差处理，其数据拟合的线性度到底优越在哪里？它又为什么比其他算法更完美地契合当前的赛道场景？

三、同AI协作的真谛：谁才是“拍板”的人？

经历过痛苦的重构后，笔者终于悟透了当前技术阶段下，人机协作效率相对更高的姿势：

💡 核心逻辑：AI 理应是助手，而你必须是那个最终“拍板”的决策者。

为了直观对比这两种思维模式的差距，我们来看一个典型的场景：

🔍 深度解析：理解逻辑是调试的绝对前提
只有当你真正从数学层面理解了“一阶滤波必然会带来相位滞后”这个底层原理，你才会知道在高速飙车状态下，导致晚打方向的元凶是滤波算法，从而果断把滤波系数从0.3调大到 0.7，而不是像无头苍蝇一样去瞎改 PID。

🚀 进阶推荐：Codex 的“计划模式”
顺着这个话题，我想“吹捧”一下在 VSC 中使用 Codex 的实战感受。强烈建议大家多尝试它的计划模式。如果你能在使用时把工程目标、架构思路和物理约束条件与 AI 充分沟通，逼着它先把整体计划和细节步骤拆解出来，那么最终生成的代码往往会极其贴近你的真实意图，大幅降低返工成本。

⚠️ 认知边界
这一点再往下深挖，就已经进入“提示词工程”的深水区了，本文不打算在此过度展开。我真正想提醒大家的是：无论 AI 工具进化得多强，大前提永远是你得先理解自己所选算法的底层逻辑，才能精准地切分任务，决定让 AI 帮你补全哪一块拼图。

四、从“碰运气”到“做实验”

🚀 工程觉醒：通透的“爽”感
当你顶着痛苦重构完代码，彻底看懂了整个工程架构，清晰地知道每一个微弱的电磁信号从 ADC 采集到 PWM 输出，究竟经历了几层数学变换和逻辑过滤，那种感觉是无与伦比的**“爽”**。

这种底层认知的蜕变，直接重塑了我们的日常调车模式：

💡 终极内核：系统的“掌控感”
这种无可匹敌的“掌控感”意味着，我们不再只是凑巧“调出”了一台能跑的车，而是在亲手构建一个可预测、可复现的强鲁棒性控制系统。当你的状态机逻辑和底层数学模型，能够完美覆盖并兜底小车偏离赛道时的各种极限反馈时，站在赛道旁那份“稳如泰山”的底气，才是这场比赛中最迷人的瞬间。

写在最后：致敬纯粹的工程精神

💡 终极内核
智能车竞赛的核心壁垒，从来不是谁的 AI 提示词写得更花哨，而是谁对底层物理与工程架构的理解更透彻。

🛠️ 进阶法则
不要害怕面对数百行的陌生代码和复杂的逻辑嵌套。去暴力拆解它，去痛苦重构它，去无情质疑它。

🚀 完成蜕变
当你终于不再仰视并依赖 AI 赐予的“黑魔法”，而是能游刃有余地把它降级为你手中精准剔除 Bug 的“手术刀”时……
🎓 恭喜你，你已经正式从一个只会复制粘贴的“小白”毕业，成为了一名真正的嵌入式开发者。

🏁 祝大家在赛道上：参数一次过，车不飞，人不累，所向披靡！

(《智能车电磁组进阶之路》全系列完结，感谢阅读与见证)