目前按照杰哥DDAQ毕业资料整理的内容,将相关材料整理到GPT里面,创建了项目。
之后用GPT上面的内容进行了一些简单测试。测试的问题如下:
第一个问题回答的结果:
D-DAQ 本质上是为 J-TEXT 等托卡马克实时破裂预测 提供数据输入链路而设计的系统。它要解决的核心问题是:
在大量模拟诊断信号、多通道、高采样率的情况下,把采集到的数据以足够高吞吐、足够低延时、较低丢包风险的方式,实时送到上位机/预测程序,同时还能进行本地高速存储。
换句话说,它不是单纯做一个普通采集卡,而是要解决传统数据采集链路在实时破裂预测场景下的几个痛点:
数据量大、通道多、传输延时和抖动不可控、软件协议栈容易成为瓶颈、实时预测程序拿不到稳定可靠的实时数据。
并且列出了回答结果的依据以及相关文件的路径。
第二个问题回答的结果:
在 D-DAQ / HUTP 这套数据传输设计里:
Blob 是一次完整的数据更新单元。
可以理解为:采集系统把一段时间内的多通道采样数据组织成一个“大数据块”,这个完整数据块就叫 Blob。
Slice 是 Blob 被切开后的传输小片。
因为一个 Blob 通常太大,不能直接塞进一个 UDP 包里,所以会把一个 Blob 分成多个 Slice 发送。资料里明确写到:一个 Blob 会被分成 n 个 slice 传输,一个 slice 就是一个 UDP 包。
简单说就是:
Blob = 一整批采样数据
Slice = Blob 的一片 = 一个 UDP 包
第三个问题,回答基本是按照杰哥之前写过的limfx文档来描述的。
目前感觉,测试的回答的内容基本没有什么问题,但是讲得比较简单。可能是因为问题比较简单基础,或者问的问题我自己本身比较熟悉。使用上更像是杰哥之前的相关资料的一个搜索引擎,找到资料的速度与准确性还可以,但是有些受限于杰哥提供的资料的内容和质量,而且部分方案是经过多版修改改动的,回答本身似乎容易将多版方案混在一起,导致回答的内容不够清晰。最终还是需要到对应路径下,分别查看对应的文档,才能真正理解清楚。
codex目前基本是这样的一个使用流程,用修改代码为例:
目前体验,这种方案好处是,先经过多轮讨论,可以保证代码逻辑符合预期,并且可以提前发现自己的理解疏漏,最终修改的代码质量还可以。
但是,感觉这种方案,讨论时间有些长,讨论次数比较多,比较吃codex记忆额度,经常会出现讨论着讨论着,记忆的额度就用完了,只能重新开一个对话框再讨论。
如果是代码的小问题可能还好,但是如果是直接添加一整个新功能,添加的代码经过测试后需要多轮修改,记忆的额度就明显不够。目前是通过自行将上一次讨论的内容总结后,再提交给新的对话框,让新的对话框尽快熟悉当前任务需求与情况,这样做感觉稍微能缓解一点这个问题。
另外,GPT PLUS整体的额度也只能算是勉强足够,修改代码的时候,一般一天下来,可以用掉一周20%左右的额度,有时候会出现这周额度还得等到第二天才能继续使用的情况。省额度方面还没有非常好的方案。
上位机配置了中能聚控提供的镜像程序。
中能聚控提供了两版程序。第一版程序连接板卡比较顺利,可以用来配置参数,经过测试,上位机配置采样率等基础参数,以及各个板卡的通道增益倍率、通道掩码等参数都可以实现,也可以正常让系统在不同的采集模式下开始采集,在系统配置单次采集模式下,系统现在可以完成采集自行停止。但是,第一版程序,数据接收方面还没有根据载板安装情况进行采集数据接收的配置,导致上位机数据接收方面存在明显问题。
第一版程序问题已经跟中能聚控那边说明了,目前测试的第二版程序,发送指令到载板,终端显示指令超时,无法正常配置参数和开始采集了。正在跟中能聚控那边沟通解决这个问题。
答辩委员会的意见主要是关于开题报告的内容和格式方面的。主要意见如下:
本文章使用limfx的vscode插件快速发布