AI 时代硬件开发工具链总览：Cursor / Claude / Copilot 各能干什么

你已经能让 AI 帮你写网页、撸接口、补 SQL，习惯了「描述需求 → 拿到能跑的代码」这套节奏。然后你想做个硬件——一个温湿度传感器节点、一个能联网的小盒子、一块自己画的板子。打开对话框，却愣住了：硬件这摊事，AI 到底能插手到哪一步？是只能帮我写点单片机代码，还是连选型、接线、画板、做外壳都能搭把手？

这篇就是来回答这个问题的。它是「AI 硬件工作流库」的开篇，目的只有一个：给你一张硬件开发全流程 × AI 工具能力的地图。地图看完，你心里就有数了——哪些环节放心交给 AI，哪些环节它会一本正经地骗你，哪些活该配哪个工具。

阅读前提：你最好已经走过 /guide/l1-ai-coding/，知道怎么和 AI 编程工具打交道。如果你对「为什么是现在做硬件」还没概念，可以先扫一眼 start-ai-era。本库其余各篇都挂在 /aiworkflow/ 下。

把硬件开发拆成八个阶段

软件开发在你脑子里大概是「需求 → 写代码 → 调试 → 上线」。硬件比这粗粝，多了物理世界这一层。我把它拆成八段，每段都标出 AI 现在能实打实帮上的活：

第一阶段：选型。 你要决定用哪颗主控（ESP32 还是 STM32?）、配哪些传感器、电源怎么搭。AI 能干的是横向对比——把几款芯片的主频、内存、外设、功耗、价格、生态列成表，帮你排除明显不合适的。它还能根据你的场景（电池供电？要联网？成本敏感？）给出倾向性建议。但最终拍板得你来，因为它给的参数有时是旧的或错的。

第二阶段：读手册。 这是新手最痛的环节。一份英文 datasheet 几十上百页，密密麻麻的寄存器表、时序图、电气特性。AI 能帮你翻译、提炼关键章节、解释某个寄存器位是干嘛的、把「这颗芯片怎么初始化」浓缩成几步。多模态模型还能直接看你拍的手册截图。细讲见 aiwf-datasheet-wiring，配套指南 /guide/l1-ai-datasheet/。

第三阶段：写驱动 / 业务代码。 这是 AI 最强的主场，和你写网页代码体感几乎一致。点亮一颗 LED、读一路 ADC、跑 I2C/SPI、连 WiFi 发 MQTT——这些都有海量开源代码喂过模型，它生成得又快又像样。细讲见 aiwf-write-code。

第四阶段：接线。 把传感器接到主控的哪个引脚、要不要上拉电阻、电平要不要转换。AI 能给你接线建议和原理说明，但这是高危区——它经常把引脚号、电压、上下拉记串。一定要拿手册和万用表复核。细讲同样在 aiwf-datasheet-wiring。

第五阶段：调试。 编译报错、串口乱码、传感器读数飘、程序莫名死机。AI 能帮你解读报错、列排查清单、给出「先量电压再看时序」这类系统化的 debug 路径。它不在现场，所以你得把现象描述清楚。细讲见 aiwf-debug。

第六阶段：画原理图 / PCB。 AI 还不能直接出一张能打样的 Gerber，但它能帮你理清原理图的连接逻辑、检查你画的电路有没有低级错误、解释某个模块的典型电路、生成网表思路。细讲见 aiwf-schematic。

第七阶段：做外壳。 3D 打印的外壳建模，AI 能帮你写 OpenSCAD 参数化脚本，或把你的尺寸需求翻译成建模步骤。这块和写代码同源，AI 上手快。

第八阶段：BOM 与商业化。 整理物料清单、估算成本、找替代料，见 aiwf-bom；做产品调研、看竞品、想定位，见 aiwf-product-research；写产品文案、详情页、众筹页，见 aiwf-copywriting。这些是 AI 的另一个主场，纯文本输出，几乎不出物理错误。

一张总表：阶段 → AI 能做 → 推荐工具 → 哪篇细讲

阶段	AI 能帮你做	推荐工具	本库细讲
选型	横向对比参数、按场景给倾向建议	Claude / ChatGPT 对话	见各品类指南
读手册	翻译、提炼、解释寄存器、看截图	多模态模型 + Claude	aiwf-datasheet-wiring
写驱动代码	生成驱动与业务逻辑、解释库函数	Cursor + Copilot	aiwf-write-code
接线	给接线方案与原理（须复核）	多模态 + Claude	aiwf-datasheet-wiring
调试	解读报错、给排查清单	Cursor / Claude	aiwf-debug
画原理图 PCB	检查连接逻辑、解释典型电路	Claude + 多模态	aiwf-schematic
BOM 成本	整理物料、估价、找替代料	Claude / ChatGPT	aiwf-bom
商业文案	调研、定位、写详情页众筹页	Claude / ChatGPT	aiwf-product-research、aiwf-copywriting

四类工具各自的位置

别被工具名字晃花眼，它们其实分工很清楚：

• Cursor（带代码库上下文的 IDE）：当你的硬件项目已经有了一坨代码——驱动、配置、main 函数散在十几个文件里——Cursor 能读懂整个工程，跨文件改代码、按你的项目风格补全。写驱动、改 bug、重构固件，主力就是它。
• Claude / ChatGPT（对话式）：适合「解释」和「从零生成一段」。读手册、问原理、对比选型、写文案、理思路，这些不依赖你现有代码库的活，开个对话框聊最顺手。我个人把它当随身的「硬件助教」。
• GitHub Copilot（行内补全）：你在编辑器里敲代码，它在光标后面接龙。补全单行、补完一个函数体、写重复的寄存器配置，它快。它不擅长理解你的全局意图，那是 Cursor 的活。
• 多模态模型（看图）：手册截图、元件实物照片、你画的草图、示波器波形——能「看」的活交给它。认元件、读手册图、看接线对不对。

简单记：有代码库找 Cursor，要解释和生成找 Claude，敲字补全靠 Copilot，看图认物上多模态。 实际干活时它们经常混着用，没人规定一个项目只能用一个工具。

能力边界：哪里强，哪里会一本正经地骗你

这是全篇最该划重点的地方。AI 在硬件领域的能力分布极不均匀：

强项——文本和代码。 凡是能落在「文字」上的活，AI 都强：写代码、翻译手册、解释概念、整理 BOM、写文案。这些领域它训练数据多、可验证、出错你一眼能看出来。

弱项——具体的电气参数和物理连接。 一旦涉及「这颗芯片第几脚是什么」「这个传感器要 3.3V 还是 5V」「这两个器件之间要不要加电阻、加多大」，AI 的可靠性断崖式下跌。它会用极其自信的语气给你一个错误的引脚号或电压值。这不是它偶尔犯懒，而是这类细粒度、强约束、容错率极低的事实，恰恰是大模型的结构性短板。

后果也不一样：代码写错了，编译器会报错、程序会崩，反馈很快。但接线接错电压，烧的是真板子，几十上百块没了，还可能连主控一起报废。所以硬件领域的铁律是：AI 给的任何电气参数、引脚定义、连接关系，一律拿原始手册和万用表复核，不复核就动手等于赌博。 这套自校方法本库专门有一篇 aiwf-fact-check 讲透。

你应该理解了什么

读到这，你心里该装下三件事：一是硬件开发能拆成八段，每段 AI 的参与度天差地别；二是四类工具有清晰分工，不是越贵越好而是各管一摊；三是 AI 有一条明确的能力边界线——线这边（文本代码）放心用，线那边（电气物理）必须验。

我还想抛一个可能反直觉的观点：工具本身不重要，会不会「喂上下文」和「会不会验证」才是真正的分水岭。 同样用 Claude，有人随手问一句「ESP32 怎么接 DHT22」就照着接、烧了板子骂 AI 不靠谱；有人会把手册关键页喂进去、让 AI 给方案、再自己拿表复核——后者做出来的东西稳得多。差距不在工具，在用工具的人。怎么给 AI 配硬件上下文，下一篇 aiwf-context-setup 专门讲。

常见误区一次说清

你可能在想	实际情况
AI 能帮我接线吗？	能给方案和原理，但引脚和电压必须自己拿手册复核，照搬大概率烧板
AI 会不会说错？	代码文档很少错，电气参数经常错且语气很自信，这是它的结构性短板
到底该用哪个工具？	有代码库用 Cursor，要解释生成用 Claude，补全用 Copilot，看图用多模态，混用是常态
这些工具要付费吗？	都有免费档够你起步；深度用（大上下文、不限量）建议上付费版，回报远大于订阅费
AI 能替我从头做完一个硬件吗？	不能。它是副驾不是自动驾驶，物理世界的活（焊接、测量、试错）只能你上

两点延伸

本地模型还是云端模型？ 起步阶段别纠结，直接用云端的 Claude / ChatGPT / Cursor，能力强、零配置。等你涉及不便上传的资料、或想省 API 费用、或要离线干活，再考虑本地跑模型——那是后话，不是入门该操心的事。

为什么下一篇是「配上下文」而不是「教你用某个工具」？ 因为工具的按钮三分钟就学会了，但「AI 不知道你手里是哪颗芯片、连了什么、想干嘛」才是九成糟糕回答的根源。把上下文喂对，普通工具也能出好答案；喂不对，再强的模型也是瞎猜。这是性价比最高的一课。

动手挑战

挑一个你现在就卡住的硬件环节——可能是某颗芯片不知道怎么选、某段驱动跑不通、某个报错看不懂。打开 Claude 或 Cursor，把你知道的信息尽量说清楚（型号、现象、你试过什么），问它一次。然后做一件关键的事：对它的回答挑一处「电气相关」的说法（引脚、电压、电阻值），去原始手册里核对一下对不对。 这一核，你就会对本篇说的「能力边界」有切肤的体感。

小结 · 下一步

这篇给了你硬件开发的全景地图：八个阶段、四类工具、一条能力边界线。记住核心判断——工具是次要的，喂上下文和会验证才是分水岭。

地图有了，下一步是学怎么把路走对。第一件事就是：aiwf-context-setup —— 怎么给 AI 配好硬件项目的上下文，让它从「瞎猜的实习生」变成「懂你项目的助手」。读完它，本库后面写代码、读手册、调试那几篇才真正用得顺。

更多配套资源见资源导航，全部教程入口在课程总览。