使用生成式AI为实验室仪器增添物联网功能

在将旧电源改造为可通过智能手机控制中，我们通过赋予一台旧电源物联网(IoT)功能，为其注入了新生命。在本文中，我们将探讨一种更加简洁的方法，将物联网功能引入您所有的实验室仪器（特别是那些使用VISA控制的仪器）。我们将利用生成式AI来完成大部分繁重的工作，而不是从头开始构建。通过本教程，您应该能够将这些概念应用于构建所有实验室仪器的网络驱动程序，并加速您的整体开发进程。

基线

在本文中，我们将重点介绍搭建作为仪器本身与互联网之间中介的网络服务。以下是仪器与互联网（即通过网站访问）之间端到端连接的示意图。

图1：仪器与互联网之间的端到端通信

在此之前，重要的是要明确我们不完全需要自己编写所有仪器驱动程序。我们可以利用制造商在线完成的工作，或者利用开源仓库。为了简洁起见，我将利用我在线找到的资源，但使用生成式AI来构建一个我满意的框架。

我使用的是Rigol的DP832电源和DL3021电子负载。在GitHub上快速搜索后，我找到了DP832电源的Python库，其中包含了开始所需的所有必要SCPI命令。另一种方法是，从DP832手册中取出一份SCPI命令列表，交给一个大型语言模型（LLM），例如ChatGPT或Gemini，让它为我生成函数。我有点挑剔，所以我将定义我自己的PyVISA设置过程，然后利用已经完成的大部分工作。这是我的通用PyVISA设置过程（封装在一个单独的类中）：

class CommBase:

   USBConnType = Literal["USBTMC", "VISA", "Socket"]

    def __init__(self, usb_conn_type: USBConnType, vid: int = None, pid: int = None, visa_resource_prefix: str = None):

        self.visa_resource_prefix = visa_resource_prefix

        self.usb_conn_type = usb_conn_type

        if usb_conn_type == "USBTMC":

            self.configure_usbtmc(vid, pid)

        elif usb_conn_type == "VISA":

```             self.configure_visa(vid, pid) ``` ```         elif usb_conn_type == "Socket": ``` ```             pass ``` ```         else: ``` ```             raise ValueError(f"Invalid USB connection type: {usb_conn_type}. Valid types are {self.VALID_USB_CONN_TYPES}") ``` ```   ``` ```     def configure_usbtmc(self, vid: int, pid: int): ``` ```         self.inst = usbtmc.Instrument(vid, pid) ``` ```   ``` ```     def configure_visa(self, vid: int, pid: int): ``` ```         self.rm = pyvisa.ResourceManager() ``` ```         instrument_list = self.rm.list_resources() ``` ```         visa_address = self.find_visa_resource(vid, pid, instrument_list, prefix=self.visa_resource_prefix) ``` ```         if visa_address is not None: ``` ```             self.inst = self.rm.open_resource(visa_address, read_termination="\n") ``` ```         else: ``` ```             raise IOError(f'No VISA devices found using vid "{vid}" and pid "{pid}" but the following VISA devices have been found: {instrument_list}') ``` ```   ``` ```     @staticmethod ``` ```     def find_visa_resource(vid: int, pid: int, resource_strings: list, prefix: str) -> str: ``` ```         hex_vid, hex_pid = f"0x{vid:X}", f"0x{pid:X}" ``` ```         dec_vid, dec_pid = str(vid), str(pid) ``` ```         for resource in resource_strings: ``` ```             parts = resource.split("::") ``` ```             if len(parts) >= 4: ``` ```                 serial_and_more = parts[3] ``` ``` if (any(x in resource for x in (hex_vid, dec_vid)) and any(x in resource for x in (hex_pid, dec_pid)) and serial_and_more.startswith(prefix)): ``` ``` return resource ``` ``` return None ``` ``` ``` ``` def query_device(self, command: str) -> str: ``` ``` if self.usb_conn_type == "USBTMC": ``` ``` return self.inst.ask(command) ``` ``` elif self.usb_conn_type == "VISA": ``` ``` return self.inst.query(command) ``` ``` else: ``` ``` raise NotImplementedError(f"Query method for {self.usb_conn_type} not found.") ``` ``` ``` ``` def write_device(self, command: str): ``` ``` self.inst.write(command) ``` ``` ``` ``` def close(self): ``` ``` self.inst.close() ``` ``` if self.usb_conn_type == "VISA": ``` ``` self.rm.close() ``` ``` ``` ``` def id(self) -> dict: ``` ``` id_str = self.query_device("*IDN?").strip().split(",") ``` ``` return { ``` ``` "manufacturer": id_str[0], ``` ``` "model": id_str[1], ``` ``` "serial_number": id_str[2], ``` ``` "version": id_str[3], ``` ``` } ``` 我已经移除了所有的注释、额外的空格，甚至一些设置序列（如日志记录）以简化内容。正如你所见，我有一些通用函数以及对 PyVISA 和 USBTMC 的支持。你在网上找到的大多数基于 SCPI 的 Python 库不会有这种基础功能。没关系，因为我可以将这个类扩展到我的新类中： ``` from base.CommBase import CommBase ``` ``` class DP(CommBase): ``` ``` def channel_check(self, channel): ``` ``` assert NotImplementedError ``` ``` def get_output_mode(self, channel: int) -> str: ``` ``` self.channel_check(channel) ``` ``` return self.query_device(f":OUTP:MODE? CH{channel}").strip() ``` ``` # … 代码已经被移除以简化 ``` ``` def measure_current(self, channel): ``` ``` self.channel_check(channel) ``` ``` meas = self.query_device(f":MEAS:CURR? CH{channel}").strip() ``` ``` return float(meas) ``` ``` def measure_voltage(self, channel): ``` ``` self.channel_check(channel) ``` ``` meas = self.query_device(f":MEAS? CH{channel}").strip() ``` ``` return float(meas) ``` ``` def measure_all(self, channel): ``` ``` self.channel_check(channel) ``` ``` meas = self.query_device(f":MEAS:ALL? CH{channel}").strip().split(",") ``` ``` return { ``` ``` "voltage": float(meas[0]), ``` ``` "current": float(meas[1]), ``` ```plaintext

            "power": float(meas[2]),

        }

class DP712(DP):

    def channel_check(self, channel):

        assert channel in [1, ""], f"输出通道 {channel} 不受支持"

class DP821(DP):

    def channel_check(self, channel):

        assert channel in [1, 2, ""], f"输出通道 {channel} 不受支持"

class DP832(DP):

    def channel_check(self, channel):

        assert channel in [1, 2, 3, ""], f"输出通道 {channel} 不受支持"

我在网上找了几个不同的例子，并将它们传入了ChatGPT。我提示它：

1. 将文件转换为一个类
2. 为每个函数添加docstring风格的注释块
3. 编写测试以验证这些函数（作为一个单独的类）

利用生成式AI进行这项任务，将多小时的工作缩短到了60秒。我也能够非常快速地通过运行ChatGPT为我编写的自动生成的测试来验证我在线上找到的驱动程序。例如，我很快发现，用于设置电子负载DL3021操作模式的一个SCPI命令实际上是不正确的。实时观察测试运行时，我注意到我的仪器上的模式没有改变。快速查阅SCPI手册后，我能够对其进行更正。

Web服务

此时，我们已经为控制我们的仪器建立了一个良好的Python库基础。现在的目标是在仪器库前面放置一个web服务，使我们能够通过网络控制它们。假设我对web框架一无所知，我可以简单地请求ChatGPT（或任何LLM）为我完成整个功能。这是我用来开始的提示：

我需要创建一个web服务，通过基本的URL（通过web浏览器）控制我的仪器。我对web服务或框架不太了解，但我熟悉Python。编写完整的Python代码来完成这项任务。

这是控制我的仪器的类：

<pre><code>```

{上面的代码}

```

</code></pre>

以及（部分回应）：

```

图 2：ChatGPT 提示的响应

我最喜欢的关于高级（付费）LLMs的部分是，它们真的会为你分解任务，教育你，并提供一个相当不错的第一次迭代解决方案。在 Gemini 与 ChatGPT：谁写的代码更好？中，我将这两个LLMs相互对比，（剧透警告）发现谷歌的 Gemini 版本实际上相当不错（如果不是与 ChatGPT 4 平起平坐的话）。使用这两个LLMs中的任何一个都会产生类似上面所示的结果。

如果我想把这个放入一个类或重新格式化它，我可以简单地回应聊天并提出我的请求。想要你的代码加注释？没问题，只需问！

提示：为每个函数添加 docstring 风格的注释块。重写整个类，以便我可以将其复制并粘贴回我的代码编辑器。

图 3：ChatGPT 提示的下一个响应

测试

现在我们已经让生成式AI创建了Python模块，我们可以要求它为我们编写测试，或者展示如何手动测试：

图 4：ChatGPT 提供的手动测试 URL

 图 5：ChatGPT 编写的自动化测试

在运行（或调整后运行）这些测试之后，我们应该能够验证我们新的Python模块，该模块在网页和我们的仪器之间进行接口。

结论

在这篇文章中，我们整合了一个Python模块，该模块利用网络上现有的代码和生成式AI来控制我们的仪器。在我们的LLM完成了该模块之后，我们引入了一个新的模块，作为互联网和仪器本身（通过网络服务）之间的中介。我们还快速查看了生成式AI如何引导我们完成整个过程，包括手动或自动测试。这次练习最棒的部分是，如果操作正确，应该只需要很少的时间就能完成。第一次可能需要一些额外的努力，但重复这个过程用于许多仪器应该是轻而易举的（并且开发时间非常少）。很明显，生成式AI已经彻底改变了我们所有人的景观，这篇文章确实展示了这一点。希望你将受到启发，利用生成式AI创建下一套仪器库，并将它们贡献给社区的其他成员。

此项目中使用的所有源代码可以在以下地址找到：https://gitlab.com/ai-examples/instrument-controllables。