一个讲了10年梯形图的老工程师，用AI写代码踩了3个月的坑
先交代一下背景。我干PLC这行十年了，从三菱FX1N干到西门子S7-1500，梯形图写得比自家地址还熟。去年年底同行群里都在聊AI写代码，说大模型随便一输就能生成PLC程序，我当时嗤之以鼻——行了吧，这玩意儿能看懂我们工控圈的那点破事？
结果打脸来得很快。一个关系不错的兄弟给我发了段他让AI写的S7-1200程序，大概是个皮带输送机的启停逻辑。我扫了一遍，语法没错，逻辑也没大毛病……等等，他那个急停信号怎么只接到了输入映射，程序里压根没引用？
就是这行代码，让我决定用三个月时间，把市场上主流的三个大模型（ChatGPT、Claude、DeepSeek）在PLC编程这件事上轮番测了一遍。今天这篇，就是把这三个月的血泪教训掰开了说。
第一个测试：让AI写一个简单的电机正反转
先从小菜开始。我把电机正反转的控制要求给三个模型，看看它们的梯形图水平怎么样。
正反转这东西，干过电气的人都知道——最关键的是互锁。机械互锁和电气互锁缺一不可，不然正反转接触器同时吸合就短路了。
先说结果：三个模型的梯形图都画出来了，看着像模像样。但有一个共同问题——它们在文本描述里提到了互锁，实际输出到梯形图里的时候，多半只做了程序互锁，没考虑硬件互锁的提醒。这就好比跟你说”注意安全”，但没告诉你具体怎么注意。
更离谱的是有一次，我描述控制要求时没说清楚”必须先停止才能反向”，DeepSeek给的程序里直接就是正转接通、反转断开，正反转之间零延时。真要是哪个新手照着这个下载到PLC里，调试的时候一按反转按钮，两个接触器同时吸合，我不说你也知道什么后果。
所以第一个结论：AI写简单逻辑能看，但安全冗余部分基本靠不住。
第二个测试：让AI写一段ST语言（结构化文本）
梯形图AI写着费劲，那ST语言呢？这玩意儿本身就是文本形式，跟C语言类似，理论上大模型应该更擅长。
我让它写一个用SCL实现数组排序的程序，用来给某个检测工位做数据整理。ChatGPT和Claude写出来的代码风格非常接近——变量命名规范，注释齐全，甚至加了错误处理。我把代码导入TIA Portal，编译通过，仿真也没问题。
但是！注意这个但是——当我把同样的功能需求改成PLC实际项目场景，比如”有10个温度传感器数据，每100ms采集一次，剔除最大值最小值后取平均值，如果平均值超过80度就报警并记录是哪几个传感器超了”，情况就变了。
三个模型给出的程序在语法层面全对，但有两个问题：
第一，扫描周期没考虑。AI写出来的程序默认把PLC当PC用，数组循环里面套循环，数据量大一点，一个扫描周期跑不完。我仿真时没开循环时间监控，真到现场才发现。
第二，变量类型乱用。有个模型把温度值定义成了INT，但我在要求里明明说了温度传感器精度是0.1度。INT哪来的小数？结果它用了个绕弯子的方式，把10.5度存成105——可以是可以，但后续程序要自己记得除以10，而它忘了写这步注释。后来接手的人铁定骂娘。
第三个测试：让AI帮改已有程序
这是我觉得最实用的场景——不是从零写，而是改现有的程序。我把一个三菱FX3U的旧程序发给AI，说”帮我把这个手动模式改成自动模式，加一个计数功能”。
结果呢？三个模型都读懂了原来的程序结构，但做改动的时候五花八门：
ChatGPT在原有程序末位追加了一段新逻辑，没有改动原有梯形图的步序编号，这点好评。但它加的计数器复位逻辑放在了一个没人会触发的条件里。
Claude改得最聪明，直接用M变量做了个状态切换，代码量最小。但它给的新变量地址跟原有程序里已有的地址冲突了——它看不见原程序里M100已经被占用了。
DeepSeek直接给我把部分梯形图重新生成了一遍，改完之后我觉得逻辑没问题，但跟原来的风格完全不搭，后续维护的人估计得对着屏幕骂我半小时。
核心问题：AI没有”全局视野”。它看到了你给它的代码片段，但它不知道这台PLC上还跑了别的什么逻辑，也不知道接线图上是哪个输入点接了哪个传感器。
我最担心的一件事
测试到第二个月的时候，我在想一个问题：如果哪天一个入行一两年的新手，完全依赖AI写程序，他能不能分辨出AI给的东西对不对？
我的答案是：大概率不行。因为要判断AI生成的PLC代码有没有问题，你自己首先得懂。而你一旦懂了，AI对你的价值就不是替你写，而是替你省时间——”填空”和”审查”的本质区别。
更让我后背发凉的是另一个测试。我故意给AI一段有隐患的代码，问它”这段有什么问题吗”。三个当中有一个没看出来，说”代码逻辑正确”。这个比例，放在写个网页或者脚本上问题不大，放在PLC上——那可是控制设备的，错了设备就停了，严重点人就出事了。
最后给点实在的建议
三个月测下来，我并不是说AI不能用。恰恰相反，我觉得AI在工控领域很有价值，但得用对地方：
1. AI适合当”快译”，别当”作者”。比如你想把梯形图逻辑改成ST语言，或者把三菱的程序改成西门子的语法，AI做这种翻译工作很靠谱，因为它不需要理解控制对象，只管语法转换。
2. AI适合写测试数据，不适合写控制逻辑。我后来让AI帮我生成一些模拟数据，用来测试上位机的显示效果，干得飞快。但涉及具体设备的起停、保护、联锁，还得自己来。
3. 让AI当你的”第二双眼睛”。写完程序后让AI帮你审一遍，经常能找到一些你没注意到的边界情况——前提是你不能盲信它的结论，得二次复核。
4. 一定要仿真验证。这个不用我多说吧？不管是不是AI写的，程序不下仿真直接上设备，那叫赌命。
聊到最后
三个月前我打算用这篇文章打AI的脸，写到这儿发现它其实没那么不堪，也没那么神。就是个工具，跟万用表、示波器一样，用得对省大事，用得不对出事。
说句掏心窝的话：如果真的有一天AI能100%放心地写PLC程序了，那我们这帮老工程师可能就真得改行了。但至少现在，还不是。
你们用过AI写PLC代码吗？踩过什么坑？评论区说来听听，我也长长见识。
