
当前,我开发FPGA工程的主力AI工具是 Codex。不过,"AI and verilog "交流群(关注本账号后联系我个人号一起进来交流)里,不少群友都提到,像 Codex、Claude Code 这类工具虽然能够高效接管vivado进行全自动开发迭代,但对网络和账号都有一定要求,使用门槛相对较高。
那么,一个问题就很自然了:国产 AI Agent 能不能完成同样的工作?他们开发起 FPGA 来,能力如何?
理论上,只要模型能力足够强,任何 AI Agent 都应该能够完成我之前教程里演示的那套工作流,例如自动接管 Vivado、分析时序报告、迭代修复时序违例,生成bit文件,最终交付一个时序收敛的FPGA工程。
为了验证国产工具的效果,我专门测试了国内几款主流的 AI Agent,包括 Trae(CN版)、Kimi Work 和 WorkBuddy。想看结论的,可以直接拉到最后一页。
测试方法很简单。我就拿上一篇文章FPGA 最难的时序问题,Codex 会修了中那个时序不收敛的 Vivado 工程作为测试对象,使用完全相同的工程、完全相同的提示词,看看它们最终能否独立完成整个修复流程。
我首先测试的是 Trae。
收到任务以后,它并没有像 Codex 一样直接接管 Vivado,而是单纯帮我修改了代码文件,并没有主动调用 TCL 脚本去编译Vivado工程。

于是,我又补充了一句,让它直接调用 Vivado 完成综合和实现。随后,它开始检查我电脑里的 Vivado 安装路径。
但接下来就一直停在那里,没有任何响应。我等待了将近半个小时,只能再次介入,提醒它继续工作,它这才重新开始执行任务。

最终,它告诉我完成了时序修复。
不过,当我查看最终工程时,却发现了一件哭笑不得的事情: 它并没有生成新的工程。
我询问工程保存在哪里,它返回给我的,竟然是之前 Codex 修复好的那个工程路径。也就是说,它没有真正完成修复,而是在我的电脑里找到了一个已经存在的工程,直接当成自己的成果返回给了我。

不想耗在这个工具上了,这一轮测试,我就只能先放弃。
接着,我测试了 Kimi Work。
同样的提示词,同样的工程,它也开始了分析工作。
不过,它和 Trae 有一个相同的问题——执行过程中经常卡住,没有任何回复。我只能不断提醒它继续工作,它才会恢复执行。

从执行日志来看,它实际上进行了两轮时序分析和迭代修复,这一点还是值得肯定的。
人工介入后,它运行了一会,但再次停在那里,不再继续分析,也没有任何反馈。我等待了大约半个小时,再次询问进度,它只是回复我:"任务完成,但时序仍未满足要求。"

整个过程需要我不断介入、不断催促,体验比较疲惫,因此我也没有继续深入测试。
三个工具里面,表现最好的是 WorkBuddy。

虽然第一次执行时,它和另外两款产品一样,只给出了修复思路或者只是修改了文件,并没有真正调用 Vivado。
于是,我补充了一句:"电脑已经安装好 Vivado,请直接运行。"

之后,它便开始自动调用 Vivado,执行综合、实现以及后续流程。
执行过程中,它同样出现过短暂卡住的问题,但在我提醒继续执行以后,它便恢复了工作。
大约 25 分钟后,它交付了一个新的工程。

查看执行日志可以发现,它一共进行了三轮时序分析和迭代,最终成功完成了时序收敛。我打开工程验证之后,结果也是正确的。
结合上一篇使用 Codex 来修复fpga工程里时序问题的实验,再对比这三款国产 AI Agent,两者之间,我最大的感受就是执行流畅度的差异。
使用 Codex 时,我全程只下达了一次指令,中途完全没有任何人工干预。它会自己分析问题、查看时序报告、修改工程、重新编译,再继续分析,直到最终交付一个时序收敛的 Vivado 工程。
而 Trae(CN版本)、Kimi Work 和 WorkBuddy 都需要我提前提醒它们电脑已经安装了 Vivado,并且在执行过程中普遍存在卡住、不继续工作的情况,需要人为不断提醒它们继续执行。
最终,在我忍耐范围内,可以完整完成整个任务的是 WorkBuddy;另外两款产品,我认为能力也并不是完全做不到,只是在执行过程中容易自动中断,需要更多人工介入才能继续完成任务。
需要说明的是,这三款工具测试时,我均使用了 Coding 模式,模型统一选择 智谱 GLM-5.2或者工具支持的最强模型,并开启了完全访问电脑权限,因此测试条件尽量保持了一致。
综合来看,如果网络条件允许,就辅助FPGA开发而言,我仍然更推荐你使用 Codex 或 Claude Code。
如果更倾向于使用国产 AI Agent,那么 WorkBuddy 应该是目前体验最接近 Codex 的产品。