AI生成工程级别的PLC程序还是没那么简单！

这段时间全身心的投入到我们RealPLC这个产品的开发，目前考虑的是Web端，打开浏览即可以快速体验！

从开始的最初构想，到现在，我们把原有的架构重新解构，主体采用RAG+多Agent的方案。

所以，代码一下子从单个的AI生成变成多个Agent共同实现，这个数量直接跨越了一个层级。

01

方案讨论

基本上来说，创意和想法AI都可以提供，而且还索引了最新的论文等研究。所以，我把AI的方案给Claude、GPT和Gemini反复修正和改善。

在和AI聊天深入后，最难的环节在于数据，特别是企业级别的数据，这基本上难以获取，毕竟这都是企业的核心资产。

但是，这仍然不是阻挡我们这个事情推进的最大问题。最大的问题是你知道这个问题，而不去解决这个问题。

上述是Claude给的优化和建议，大致上就是下面三类：

1. 数据集来源过于乐观

"企业匿名脱敏案例"在实际操作中难度极高——工厂不愿意开放控制逻辑，即使匿名也涉及核心工艺保密。建议把这个来源降级为"可探索但不作为主要来源"，同时补充：Codesys Store上的开源项目库、GitHub上的PLC开源项目（有一定数量）是更现实的起点。

2. 时间规划偏紧且缺乏前提说明

10个月完成从基础RAG到数字孪生闭环的全路线，对单人来说基本不可能，对3人以上团队才相对合理。建议在时间规划部分注明人力和算力假设（如：是否需要GPU微调资源），否则规划参考价值有限。

3. Benchmark设计缺少量化标准

四档难度（Easy/Medium/Hard/Expert）的划分语义上合理，但没有量化判断标准。建议补充如：输入输出变量数量、状态数、嵌套条件层数、功能块数量等可量化指标来区分难度档，这样Benchmark才具备可复现性。

02

目前的进度

按照目前的进度，还需要用最简单的方式实现从自然语言到真实可用的工程级别的PLC项目代码。

仿真这块的方案还是倾向于：RealPLC 之 Sim_To_Real：代码在仿真里跑100遍，不如真机上转一圈！

但是要完成整个项目，还需要不断地优化和突破。

03

后续补齐

按照目前的进度，后期还是需要不断地补齐这些技术事项：

所以，要想做个真的好用的产品，不是那么容易。按照我们内测前期在收集问卷信息里面大家最在乎的就是产品的实用性。希望在各位大佬的共同的推进下让产品真正地融入到所有有需要的工程师朋友的工作中去！

要补齐这些事项，有比较好的建议或者AI开发经验，愿意分享的朋友可以私信或留言哦！如果需要第一时间体验我们的产品，请持续关注我们，目前会在这里首发哦！