相当长一段时间没有更新博客了，这个半年生成式的AI进部简直令人咂舌，颇有一种让人瘫软在地的感觉。
仅仅在不久前的2023-2025，提示词工程还是驾驭大模型的必修课，短小的上下文和狭窄的聊天窗口限制下，在博主的工作中仅仅是在润色、答疑、编程绘图等方面大放异彩。从今年接触Codex之后，一些复杂的想法经过架构的拆分，即使是Flash这样低人一等的模型也能够相当出色的完成。
真真切切的感受到，通过编程代替简单的复性操作提高工作效率不再需要专业的程序员，我们的想法可以通过与AI的合作即刻实现。
一、温度监控
金属稳定同位素是追踪地质过程的一种有力的工具，测量过程趋近于多接收质谱仪（MC-ICP-MS）的设计极限，因此对环境温度和湿度的要求颇为严格。理想状态下，空调应控制实验间的温度全天波动在0.5℃以内。但是受到如天气导致的空调工况变化等因素影响时，偶尔会在1小时产生超过1℃的温度波动，导致Si、Fe、Rb等同位素体系测试产生>0.1‰的波动。
博主所在的实验室是行业内顶尖的实验室之一，产出了大量高精度的同位素数据。然而由于学科差异，实验室的温度记录长期使用电子温度计记录，并配合值班人员人工每天拷贝数据。不仅实时性差，数据留存和查询能力几乎为0。所以基于之前制作MSPD模块的经历，博主就想如何才能简单、高效实现一套温湿度监控系统。
首先是硬件，选用RS485通讯的工业模块即可，博主选择的是温湿度+空气质量的传感器。这类工业模块会给出一个详细的使用文档，AI能够非常轻松地帮你通过标准化的Modbus-RTU协议实现数据采集。接下来是软件部分，选择Python这个比较好修订的语言上手，直接将需求转达AI让其实现。采集端架构根据前人分享的编程经验，采用主程序-传感器-配置文件分离的架构，实现由配置文件定义的多传感器读取。
数据记录全部采用轻量级的sqlite，分钟级的简单信息采集还不需要时序数据库等重量级应用。为了避免网络波动导致的上传失败，所有保存的数据先存入本地，再异步上传至服务端。
至于服务端则更加直接，使用博主熟悉的php制作了一个携带token的POST接口，由php写入sqlite进行存储。最后，再通开源的Grafana进行可视化，至此这个想法便在AI的帮助下得到了完美的实现。
二、队列生成
在实验过程中，一般会先选样品的测试点，再分别在几个标样上选点。而测试过程中，需要将标样分组并均匀地插入样品之间，例如每10个样品插入一组三个不同标样。此外，有时需要在样品中间插入用于质量监控的QC样品。
然而，某国产仪器的分组和标样插入功能极其复杂且难用，并不能简单地满足这一要求。按照他们的设计逻辑，选点和命名之后还要额外进行分组操作，并指定分组的一些信息，UI设计几乎没有从用户角度进行考虑。
带着这些想法，在GPT 5.3 Codex的帮助下构建了一个简单的小工具，它可以根据导出队列文件中的命名自动分组，自动识别常用的标样及其排序，并在简单的设置后一键生成可用于工作的队列。这样一个简单的小工具，大大节省了拖拽标样到样品中间的时间。
三、结语与计划
AI时代我们应该广泛拓展自己的知识面提升自己能力，成为一个“架构师”的角色，再借助AI去实现我们的想法，改变我们的工作和生活。到目前为止AI竞争中对用户还是较为平权的，穷则Flash模型管饱、达则克劳德GPT精准出击。以上的两个小玩意总共可能只花掉了1M token，其中部分内容幸好有这么多年折腾云服务器积累下来的一些经验，性价比爆炸。
虽然AI很强，不过博主有空还是会坚持写点博客的。下一步计划借助AI重构这个有点老朽的博客，希望老站能够焕然一新~
至于支撑博客和这些想法的服务器的消耗，就得感谢多年来一直使用的“良心云”了。最近恰逢腾讯云Lighthouse六周年庆典，博主的2c4g6M云服务器不仅90元续费了一年，还把CPU免费升级到了4C，并在拼团之后额外加赠了三个月。这一点云服务器的成本，对于目前实现的实际意义简直是太过划算了。
*原创文章，转载请注明出处