一种基于硬件在环验证的物联网代码生成方法及系统
本发明涉及物联网嵌入式软件自动生成,具体而言,涉及一种基于硬件在环验证的物联网代码生成方法及系统。
背景技术:
1、随着大语言模型技术的发展,出现了以自然语言任务描述为输入、由语言模型自动生成物联网嵌入式代码的技术。此类技术通常将语言模型输出的代码直接返回给用户,或至多辅以编译检查与软件仿真。然而,嵌入式代码的行为正确性高度依赖目标硬件、外设与运行环境:时序特性、外设响应、传感器读数等运行时因素只有在真实硬件上运行才能真实呈现,软件仿真与真实硬件之间存在难以消除的差异,部分外设行为在仿真环境中甚至无法建模。因此,缺乏真实硬件验证的生成流程无法保障所生成代码的运行行为符合任务描述,行为不符的代码被直接交付给用户;用户须自行搭建硬件环境、烧录运行方能发现问题,再自行修改或重新提交任务,生成结果的正确性无保障。
2、另一方面,大多数物联网代码生成场景,例如物联网教学实验、批量设备部署等,不同用户提交的任务大量重复或高度相似,对每个任务都调用语言模型执行完整生成流程,造成显著的时间与算力浪费。现有的缓存复用技术主要为面向大语言模型应用的语义缓存,如gptcache:将历史请求文本编码为语义向量存入缓存库,新请求到来时按向量相似度检索,相似度超过阈值即返回历史结果。此类方法的判定依据仅为文本字面相似度,而嵌入式代码生成任务中,两个任务描述可以字面高度相似而运行行为要求不同,例如仅相差采样周期数值、输出单位或读取字段,相似度检索无法区分此类差异,直接返回历史代码将导致程序行为不符合任务要求;且缓存结果返回前不做任何再验证,历史代码在当前环境中是否仍然行为正确无从判断。部分现有技术在相似度检索之外引入固定字段的元数据过滤,但字段清单依赖人工预先设计与维护,清单之外的行为要求无法被表示与比对,难以适应开放多样的任务输入。
3、因此,业界迫切需要一种既能保证生成代码在真实硬件上行为正确,又能利用任务重复性缩短响应时间的物联网代码生成方案。
技术实现思路
1、为解决现有技术的现有代码生成技术缺乏真实硬件验证、生成结果的行为正确性无保障,以及重复任务全量生成造成时间与算力浪费、现有语义缓存复用不可靠的问题,本发明提供了一种基于硬件在环验证的物联网代码生成方法及系统。
2、第一方面,本发明提供了一种基于硬件在环验证的物联网代码生成方法,包括以下步骤:
3、步骤一:接收任务描述,调用语言模型生成与所述任务描述对应的嵌入式代码;
4、步骤二:对所述嵌入式代码进行云端编译,得到编译产物;
5、步骤三:将所述编译产物烧录至远程设备池中的真实目标硬件上运行,采集所述真实目标硬件在运行时产生的行为数据;
6、步骤四:由所述语言模型判定所述行为数据是否符合所述任务描述,判定结果为符合时,返回所述嵌入式代码作为所述任务描述的生成结果。
7、优选地,所述步骤一具体包括:
8、步骤1.1:从所述任务描述中提取决定目标程序运行行为的、以键值对形式表示的行为参数,所述行为参数的键名不限于预定义清单;
9、步骤1.2:按缓存库中各缓存条目的任务描述与所述任务描述的语义相似度,从所述缓存库中召回语义相似度不低于预设阈值的缓存条目作为候选条目,所述缓存库中的每一缓存条目至少包括任务描述、行为参数以及代码;对候选条目的行为参数与所述步骤1.1提取的行为参数进行逐项一致性校验,所述一致性校验对两方行为参数的键集合的并集逐键比对,任一方缺失某键或两方在某键上的取值不一致时,该键判为不一致,存在任一键判为不一致的候选条目被否决;
10、步骤1.3:全部键比对一致的一个候选条目被判定为命中,命中时,以所述命中条目的代码作为所述步骤一产出的嵌入式代码,进入所述步骤二至所述步骤四;所述步骤四的判定结果为符合时,返回所述命中条目的代码作为生成结果;
11、步骤1.4:所述命中条目的代码在所述步骤二中云端编译失败,或在所述步骤四中判定结果为不符合时,转由所述语言模型重新生成代码,重新生成的代码依次执行所述步骤二至所述步骤四;
12、步骤1.5:全部候选条目均被否决或不存在候选条目时,判定为未命中,此时由所述语言模型生成所述嵌入式代码;
13、步骤1.6:所述步骤1.4重新生成的代码或所述步骤1.5生成的代码,经所述步骤四判定结果为符合后回写所述缓存库,其中所述步骤1.4的情形下以所述命中条目的原行为参数为匹配依据覆盖更新所述命中条目,所述步骤1.5的情形下将该代码连同其行为参数新增为缓存条目。
14、优选地,所述步骤1.1中,所述行为参数由预先配置的提取模型从所述任务描述中提取,所述提取模型为采用固定提示模板与固定解码参数的语言模型;所述提取具体包括:
15、步骤1.1.1:由所述缓存库中已有缓存条目的行为参数推导键名词表与取值词表,所述键名词表包括所述缓存库中已有行为参数的键名,所述取值词表包括所述缓存库中已有行为参数在各键名下出现过的取值;
16、步骤1.1.2:所述键名词表中的键名与所述取值词表中的取值均具有外设归属,某一键名或取值的外设归属,由所述缓存库中出现过该键名或该取值的全部缓存条目所涉及的外设型号求交集得到;对所述键名词表与所述取值词表进行筛选,仅保留外设归属与本次任务所涉及的外设型号存在交集的键名与取值,其中外设归属为空集的键名与取值视为通用项予以保留;
17、步骤1.1.3:将筛选后的所述键名词表与所述取值词表提供给所述提取模型,由所述提取模型从所述任务描述中提取所述行为参数,以约束相同的行为要求采用相同的键名与相同的取值书写。
18、优选地,所述步骤二具体包括:
19、步骤2.1:所述云端编译成功时,生成可在所述真实目标硬件上运行的二进制固件作为所述编译产物,进入所述步骤三的烧录;
20、步骤2.2:对由所述语言模型生成的代码,所述云端编译失败时,将编译报错信息回传所述语言模型对代码进行修复,并对修复后的代码重新进行云端编译。
21、优选地,所述步骤三中,所述行为数据为所述真实目标硬件经串行接口输出的运行日志。
22、优选地,所述步骤四具体包括:
23、步骤4.1:将所述任务描述与所述行为数据输入所述语言模型,由所述语言模型判定所述行为数据是否符合所述任务描述;
24、步骤4.2:判定结果为符合时,返回所述嵌入式代码作为生成结果;对由所述语言模型生成的代码,判定结果为不符合时,将所述行为数据回传所述语言模型对代码进行修复,对修复后的代码重新执行所述步骤二至所述步骤四,直至判定结果为符合或达到预设轮数。
25、第二方面,本发明提供了一种基于硬件在环验证的物联网代码生成系统,用于实现上述方法,包括代码生成单元、云端编译单元、云端烧录单元与验证返回单元。
26、第三方面,本发明提供了一种电子设备,包括处理器与存储器,所述存储器中存储有计算机指令,所述计算机指令被所述处理器执行时,实现上述方法。
27、第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述方法。
28、本发明的工作原理是:本发明以用户提交的自然语言任务描述为输入,首先提取决定目标程序运行行为的行为参数,并结合任务描述的语义相似度从缓存库中召回候选代码,通过对查询任务与候选条目的行为参数键集合的并集进行逐键一致性校验,确定能否安全复用历史代码;缓存命中时采用命中条目的代码,未命中或缓存代码失效时由语言模型生成或重新生成嵌入式代码。随后,系统在云端对所述嵌入式代码进行编译,将编译产物烧录至远程设备池中的真实目标硬件上运行,采集目标硬件输出的运行日志等行为数据,并由语言模型结合原始任务描述判断所述行为数据是否满足任务要求。编译失败时将编译报错信息回传语言模型进行代码修复,运行行为不符合任务描述时将行为数据回传语言模型进行修复,并重新执行编译、烧录和验证,直至判定符合或达到预设轮数;仅将经真实目标硬件运行验证符合任务描述的代码返回用户,并将验证通过的新生成代码或修复代码写入或更新至缓存库。由此形成任务理解、代码生成或复用、云端编译、真实硬件运行、行为判定、反馈修复及缓存更新的闭环,在保证生成代码实际运行行为正确的同时,提高重复或相似任务的处理效率。
29、本发明的创新点是:将真实目标硬件引入物联网嵌入式代码的自动生成过程,构建由语言模型代码生成、云端编译、远程设备烧录、真实硬件运行、行为数据采集和语言模型判定组成的硬件在环验证闭环,不再仅以代码能否编译或软件仿真结果作为正确性依据,而是以代码在真实目标硬件上的实际运行行为是否符合任务描述作为最终交付条件;同时,将任务描述的语义召回与开放式行为参数的一致性校验相结合,对任务双方行为参数键集合的并集进行逐键比对,避免仅依赖文本相似度造成行为要求不同的任务错误复用,并使行为参数键名能够随任务类型扩展而不受固定字段清单限制;进一步地,由缓存库动态推导键名词表和取值词表,按照外设归属进行筛选后提供给行为参数提取模型,统一相同行为要求的参数表达,提高缓存命中率。命中的缓存代码仍须重新经过云端编译和真实硬件验证,失效时自动触发重新生成并覆盖更新缓存,从而实现兼顾代码行为正确性、缓存复用安全性和生成效率的物联网代码生成机制。
30、与现有技术相比,本发明的有益效果在于:
31、其一,交付代码的行为正确性以真实硬件上的运行为依据。生成的嵌入式代码经云端编译后烧录至远程设备池中的真实目标硬件上运行,由语言模型依据实际采集的运行时行为数据判定其是否符合任务描述,判定符合方返回;软件仿真与真实硬件的差异、语言模型生成偏差所导致的行为不符,在交付之前即被发现,不会到达用户。编译报错信息与运行日志分别回传语言模型自动修复并重新经历编译、烧录与判定,无需人工介入,也无需用户自行搭建硬件环境排查,形成生成、编译、烧录、验证的自动闭环;用户以自然语言提交任务描述,即可获得经真实硬件运行确认的嵌入式代码。
32、其二,缓存复用在不牺牲正确性的前提下缩短响应时间。字面相似而行为要求不同的任务描述,由行为参数的并集逐键一致性校验可靠否决,不会错误复用历史代码,缓存未覆盖的行为要求被安全地判定为未命中;命中的缓存代码仍须经云端编译与真实目标硬件上的运行判定,判定符合方返回,环境或依赖变化导致的缓存过期、入库时即存在缺陷的代码在交付前被发现;缓存代码编译失败或判定不符时自动转由语言模型重新生成并覆盖更新原条目,缓存内容随之自动更新,无需独立的过期管理机制。命中且判定符合时,以远小于完整生成流程的开销返回代码,显著缩短响应时间。行为参数的键名不限于预定义清单,未预先建模的行为要求首次出现后即纳入校验范围,且提取偏差仅导致未命中而不导致错误复用。
33、其三,词表约束提升复用命中率。由缓存库实时推导的键名词表与取值词表在提取源头约束相同的行为要求采用相同的键名与取值书写,同一行为要求的多种书写(例如同一计量单位的不同写法)导致的漏命中显著减少,且命中率的提升不以放松一致性校验为代价;键名与取值按外设归属筛选后注入,避免不相关外设的用词干扰提取,词表无需独立维护。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com