AI IDE + 大模型重构设计流程:新能源设计从业者的插件创作新范式

多客科技

作者：微信文章
在光伏排布，逆变器柜设计、储能系统电气图绘制等场景中，LISP 插件是新能源从业者提升标准化效率的常用工具。过去大家总是谈编程色变，在AI时代，如今可迎来了创作的春天。

如今，集成国内顶尖大模型的 AI IDE 正改写开发逻辑 —— 从 “手动编码” 到 “自然语言驱动”，从 “规范校验” 到 “智能纠错”，三大主流 AI IDE 已成为插件开发的 “智能协作者”。

一、通义灵码 AI IDE（搭载 Qwen3 大模型）：生态联动的 “效率引擎”

核心大模型

内置阿里云自研的Qwen3 大模型，主打 “Agentic 编程” 与产业工具链深度联动，对新能源行业标准（如 GB 50797、GB/T 19064）及 AutoCAD LISP 语法有专项训练，尤其擅长代码与云服务的协同逻辑生成。

使用方法

环境配置：下载独立客户端后，通过 “项目初始化” 模块选择工作空间；

开发操作：在 AI 交互面板直接描述需求（如 “光伏电站元件校验插件，需联动元件库”），模型会先分析项目上下文，再生成代码框架；

生态联动：通过 “MCP 工具市场” 调用魔搭社区的 “电气规范校验” 服务，一键将阿里云 OSS 元件库接入插件，无需手动编写对接逻辑；

迭代优化：模型会记忆团队的变量命名规则、函数注释风格，后续生成的代码可直接适配现有项目规范。

优缺点

   优势：Qwen3 的云生态联动能力极强，可自动集成阿里云 OSS 元件库、日志服务等工具，插件从开发到部署的全流程闭环效率提升 40%；长期记忆功能能精准匹配团队开发规范，减少代码适配成本。

劣势：需手动配置 Maven 路径与注解包，新用户上手门槛中等；复杂 LISP 逻辑生成速度比同类工具慢 1-2 秒，且无专属 OneCode 插件需手动导入注解库。

二、字节 Trae（内置字节自研多模态大模型）：多模态驱动的 “开发快手”

核心大模型

搭载字节 2025 年推出的多模态专用大模型，以 “文本 + 图像双输入理解” 为核心优势，对工程图纸的解析精度达 85%。

使用方法

环境配置：下载独立客户端后，通过打开文件夹选择工作空间；

开发操作：通过 “多模态输入区” 进行对话。

优缺点

优势：多模态输入大幅降低 “图纸转代码” 的门槛，尤其适合光伏、储能等重布局设计的场景；注解适配完整性高，能同步 OneCode 官方手册的全量注解，插件适配 AutoCAD 周期可缩短至 1 小时内。

劣势：独立客户端占用内存较大（启动后约占 2GB 内存）；部署环节需手动上传 jar 包，无法直接对接云服务，对团队协作的支持较弱。

三、腾讯 CodeBuddy（依托混元大模型）：低门槛的 “生态搭档”

核心大模型

基于腾讯混元大模型开发，主打 “全流程 AI 一体化” 与中文语义精准理解，支持多模型灵活切换（国内版含 DeepSeek 等选项），对 LISP 代码规范的校验精度达 90%。

使用方法

环境配置：下载独立客户端后，通过打开文件夹选择工作空间；

开发操作：通过 “多模态输入区” 进行对话。


优缺点

优势：多模态输入大幅降低 “图纸转代码” 的门槛，尤其适合光伏、储能等重布局设计的场景；注解适配完整性高，能同步 OneCode 官方手册的全量注解，插件适配 AutoCAD 周期可缩短至 1 小时内。



劣势：独立客户端占用内存较大（启动后约占 2GB 内存）；部署环节需手动上传 jar 包，无法直接对接云服务，对团队协作的支持较弱。


大家可以结合自己的兴趣试一试。