AI 辅助适配 Sensor 驱动

本 SDK 提供了 AI 辅助 Sensor 驱动适配 Skills，能够自动化完成从数据手册到驱动代码的完整生成过程。该工作流基于大型语言模型和专门的 Agent 系统，将传统需要数天的驱动适配工作压缩到分钟级别。

处理流程

Input Materials            AI Processing Pipeline                 Output
┌──────────────┐         ┌────────────────────────┐        ┌─────────────────┐
│ Datasheet    │───┐     │ • Environment Init     │        │                 │
│ (PDF)        │   ├───> │ • Dual-Source Parsing  │──────> │ Linux V4L2      │
│              │   │     │ • Parameter Fusion     │        │ Driver Source   │
│ Register     │───┘     │ • Interactive Confirm  │        │ (.c file)       │
│ Config (.ini)│         │ • Driver Generation    │        │                 │
└──────────────┘         │ • Multi-Level Validate │        └─────────────────┘
                         │ • SDK Integration      │             ↓ Optional
                         └────────────────────────┘       ┌──────────────────┐
                                                          │ • ISP Check      │
                                                          │ • Compile        │
                                                          │ • Push to Device │
                                                          │ • Functional Test│
                                                          │ • Diagnosis      │
                                                          └──────────────────┘

核心处理能力

智能文档解析：Agent 使用专门的解析子代理从 PDF 数据手册中提取 I2C 地址、Chip ID、曝光/增益寄存器等关键信息，同时从 .ini 文件读取初始化序列和时序参数。两个信息源交叉验证，确保参数准确性。

参数融合与冲突解决：当数据手册与配置文件出现参数差异时，系统会根据预设优先级（.ini > 数据手册 > 默认值）自动决策，并在遇到关键冲突时主动询问用户确认。

约束感知代码生成：基于生产级驱动模板，生成符合 Linux 内核规范的完整驱动代码。特别注重平台约束，如内核驱动严禁浮点运算、增益计算必须使用整数运算等关键规则。

分层质量保障：生成的代码需通过语法检查、占位符完整性、必需函数存在性、正确性验证等多层检查，P0 级问题会触发自动诊断修复循环。

整个流程无需人工干预，从原始文档到可编译驱动的端到端自动化。

核心优势对比

传统方式	AI 辅助方式
手动阅读数据手册，逐行编写驱动	自动解析数据手册，AI 生成驱动
容易出错的手动参数计算	自动参数校验与修正
反复试错的调试过程	前置质量验证，减少调试次数
需要深厚的驱动开发经验	只需提供原始材料，AI 处理细节

快速开始

# 步骤 1: 安装 Skills
cd {SDK_PATH}
python3 skills/scripts/init.py

# 步骤 2: 准备输入文件
# - Sensor 数据手册 (PDF)
# - 寄存器配置文件 (.ini)

# 步骤 3: 执行工作流
/sensor-lightup-workflow-v6 <prompt>

系统要求与准备

必需工具

• pdftotext 工具（用于解析 PDF 数据手册）
• Claude Code 工具
• 一个好用的后端大模型（GLM5.1 或 Opus4.7）
• Tina Linux SDK 环境

输入文件

需要准备以下两个文件：

1. Sensor 初始化配置文件（.ini 格式）

   • 示例：cleaned_0x04_SC1B4AE_MIPI_27Minput_2Lane_10bit_371.25Mbps_1280x720_25fps.ini
   • 来源：Sensor 原厂提供或通过调试工具导出
   • 内容：包含寄存器初始化序列、分辨率、帧率、MIPI 参数等

2. Sensor 芯片数据手册（PDF 格式）

   • 示例：SC1B4AE_数据手册_V1.2.pdf
   • 来源：Sensor 厂商官方文档
   • 内容：包含寄存器定义、I2C 地址、Chip ID、电气特性等

准备好所需工具和文件后，接下来初始化 Skill 系统。

---

初始化 Skill 系统

步骤 1：执行初始化脚本

在 SDK 根目录下执行：

python3 skills/scripts/init.py

步骤 2：选择平台

系统会提示选择 Agent 平台，选择 1（Claude Code）。

步骤 3：选择安装范围

建议安装到项目目录，选择 1。

步骤 4：验证安装

安装完成后，启动 Claude Code，输入 /skills 可以看到安装好的 Skills。

Skill 系统初始化完成后，即可开始使用 AI 辅助编写 Sensor 驱动。下面以 SC1B4AE 传感器为例，演示完整的驱动生成流程。

---

AI 编写摄像头驱动

准备工作

将准备好的 Sensor 相关文件拷贝到 SDK 目录中，建议放在一个单独的目录下便于管理。

执行 Skill

提示

/sensor-lightup-workflow-v6 为文档写作时的最新版本 Skill，后期可能会更新，以实际 SDK 中安装的配置为准。

执行命令：

/sensor-lightup-workflow-v6 严格按照skills流程完成SC1B4AE点亮测试 数据手册：SC1B4AE/SC1B4AE_数据手册_V1.2.pdf 寄存器配置：SC1B4AE/cleaned_0x04_SC1B4AE_MIPI_27Minput_2Lane_10bit_371.25Mbps_1280x720_25fps.ini

按下回车，等待 AI 根据输入的文档手册创建 Sensor 驱动。

参数确认阶段

接下来 Agent 会自行阅读数据手册和初始化序列，然后根据输入的 Sensor 文档和初始化序列，自动提取相关参数。提取完成后会询问用户参数是否正确。

用户可以确认以下关键参数：

参数	说明	来源
Sensor 型号	如 SC1B4AE	文件名或 .ini 内容
Sensor ID	如 0x1B4A	数据手册 Chip ID 寄存器
I2C 地址	如 0x30	数据手册 I2C 地址配置
分辨率	如 1280x720	.ini 文件
帧率	如 25 fps	.ini 文件
MIPI Lane 数	如 2 lanes	.ini 文件
位宽	如 10bit	.ini type 字段或文件名
Bayer 顺序	如 RGGB	.ini 文件

如果参数不正确，可以在 "Type something" 中输入正确的值。

全部参数确认无误并点击 Submit 后，Agent 会自动进入驱动生成阶段。如有参数需要修正，请在输入框中输入正确值后再提交。

有些时候 Agent 会多次询问，以防止选错了写出错误的驱动，保障驱动功能完整。

驱动生成阶段

Agent 总结相关参数后，开始生成驱动文件。

生成的驱动代码包含：

1. 完整的 V4L2 subdev 驱动结构
2. Sensor 探测函数（sensor_detect）
3. 曝光控制函数（sensor_s_exp）
4. 增益控制函数（sensor_s_gain）
5. 翻转控制函数（sensor_s_flip）
6. 电源管理函数（sensor_power）
7. 格式枚举和设置函数
8. 初始化序列数组

写好后会自动配置 Kconfig 和 Makefile。

此时驱动即生成结束，可以执行后续相关操作。

输出驱动如下：

---

可选验证流程（Phase 6-10）

驱动生成完成后，可以选择继续执行后续验证步骤，形成完整的闭环。

Phase 6: ISP 配置检查

目的：检查是否存在对应的 ISP 配置文件，ISP 配置是图像质量调优的关键。

ISP 配置路径：

{SDK_PATH}/platform/allwinner/vision/libAWIspApi/isp_mpp/isp_v861/libisp/isp_cfg/SENSOR_H/{SENSOR_MODEL}/

配置文件命名规则：

{SENSOR_MODEL}_{WIDTH}_{HEIGHT}_{FPS}_0_0.ini

例如：sc1b4ae_mipi_1280_720_25_0_0.ini

如果 ISP 配置缺失，测试时会报 isp0 event select timeout 错误，但驱动加载仍可正常进行。

Phase 7: 编译驱动

目的：编译生成 .ko 文件，验证驱动代码的正确性。

编译命令：

cd {SDK_PATH}
source build/envsetup.sh
lunch                    # 选择对应的板级配置
mkernel -j$(nproc)       # 编译内核及驱动模块

生成的 .ko 文件位置：

out/kernel/build/bsp/drivers/vin/modules/sensor/{sensor_model}_mipi.ko

Phase 8: 推送到设备

目的：将编译好的驱动模块推送到目标设备并加载。

V861 模块加载顺序：

videobuf2-* → vin_io → actuator → sensor → vin_v4l2

Phase 9: 测试验证

目的：在设备上运行 sample_virvi 测试程序，验证驱动功能。

测试步骤：

1. 推送 sample_virvi 和配置文件到设备
2. 修改配置文件中的分辨率、帧率等参数
3. 执行测试程序

adb shell "cd /tmp && ./sample_virvi -path /tmp/sample_virvi.conf"

成功标志：

• sample_virvi 正常退出
• 捕获到视频帧（frames_captured > 0）
• 无 ISP timeout 错误

例如下图 GC4053 正常出图

以上介绍了正常情况下的完整流程。在实际操作中可能会遇到各种问题，以下是常见异常情况及处理方法。

Phase 10: 问题诊断

如果测试失败，Agent 会分析测试日志，识别问题类型并提供修复建议。

常见问题诊断表：

错误特征	问题类型	原因	解决方案
isp0 event select timeout	ISP timeout	ISP 配置缺失	创建 ISP 配置文件
chip found is not an target chip	Sensor ID 错误	驱动 ID 与实际不符	检查数据手册 Chip ID
Unknown symbol	模块依赖错误	加载顺序错误	检查 V861/V821 加载顺序
MIPI timeout	MIPI 连接问题	硬件连接或 MIPI 参数	检查 MIPI 线缆/参数
no image	图像问题	曝光/增益参数	检查初始化序列

---

异常处理机制

输入材料缺失

错误: 缺少必需的输入材料
处理:
1. .ini 文件缺失 → 终止流程，提示用户提供
2. 数据手册缺失 → 终止流程，提示用户提供
3. 硬件连接信息缺失 → 使用默认值，生成警告

Agent 执行失败

错误: Agent Tool 返回 status: "failed"
处理:
1. 检查 error 字段了解失败原因
2. 根据错误类型决定:
   - 文件读取失败 → 确认路径正确后重试
   - 解析失败 → 提示用户提供更完整的材料
   - 生成失败 → 返回对应 Phase 重新执行

关键数据缺失

错误: Sensor ID / I2C 地址 / 曝光寄存器 / 增益寄存器 缺失
处理:
1. 终止代码生成流程
2. 返回 Phase 2 让用户确认并提供正确信息
3. 提供可能的原因和建议

验证失败

错误: Phase 4 验证检查未通过
处理:
1. P0 问题 → 调用 troubleshooter Agent 诊断
2. P1 问题 → 记录警告，继续生成
3. 根据诊断结果修复后重新执行 Phase 3/4