Раскажу о своем опыте использовании ИИ для сборки приложения GNURadio.
Для теста использовал LLM модель deepseek-v4-pro с интегрированной средой разработки VSCode. В принципе этого достаточно. Можно написать текстовое задание типа "Собери используя GNURadio простой FM приемник для приема вещательных FM радиостанций c помощью adalm pluto." Через одну минуту будет код, который можно запускать.
Но у меня не заработало, по той простой причине что модель добавила в код блоки, которых в моей сборкe GNURadio не было. По этому я добавил указание модели проверять GR-блоки и использовать только доступные. И еще я добавил MCP сервер gr-mcp. Вообщем еще несколько минут и приемник был готов.
По подробнее остановлюсь на MCP сервере, это та самая штука которая подключает модель к источникам знаний. Допустим вы пишите задание модели по теме разработки для микроконтролеров ESP, модель шустрит по интернету и начинает что то собирать, не факт что это будет работать. Но если у модели есть коннект с базой знаний компании Espressif через вот эти самые сервера MCP, разработанные специально для LLM то все меняется.
Модель получает знания не с форумов, статей или еще откуда то, а непосредствеено с даташитов изделий. При таком варианте точность и качество выполнения технических задач кратно возрастает. Я пока немного затестил, но вообщем уверен что ведя словестный диалог с моделью можно собрать к примеру SDR QO-100 приложение для pluto nano
Во вложении как раз приемник каторый попросил, в буквальном смысле этого слова собрать
Пример простой, но технология масштабируется и на сложные
