CH58x 心率项目 AI 移植功耗异常：GPIO 底层差异定位与自动化测试方法
现象
将 STM32 平台成熟心率采集项目交由 AI 迁移至 CH58x 蓝牙芯片，整体架构与开发规范由人工划定，AI 负责底层库函数适配与代码落地。
烧录后实测休眠电流 400μA+，同硬件上 WCH 官方低功耗示例仅 35μA，差距超过十倍。
根因：GPIO 低功耗模式底层差异
AI 迁移时直接套用 STM32 低功耗配置经验，将模拟引脚设为浮空输入，认为等效 STM32 的 Analog 模式。两类芯片此处硬件逻辑完全不同。
| 维度 | STM32 Analog 模式 | CH58x 浮空输入（AI 写法） | CH58x 官方低功耗方案 |
|---|---|---|---|
| 数字输入缓冲 | 硬件直接关闭 | 保持开启 | 普通 IO 上拉锁电平，ADC 引脚单独关闭数字通路 |
| 电平状态 | 无浮动，零跳变功耗 | 随机浮动，反复翻转耗电 | 上拉固定高电平，消除动态翻转损耗 |
| 漏电量级 | μA 级 | 数百 μA | 接近官方 Demo 基线 |
| 适用场景 | ADC、模拟引脚 | 仅临时数字高阻 | 全端口上拉做基线，模拟引脚单独处理 |
CH58x 不存在独立的模拟 GPIO 模式。普通数字 IO 靠输入上拉固定电平来省电，ADC 等模拟引脚需要两步配置：先设浮空输入，再调用 GPIOxDigitalCfg(DISABLE, pin) 关闭数字输入通路。两步缺一不可。
AI 只做了第一步浮空配置，完全遗漏第二步关闭数字通路，模拟引脚持续漏电，直接拉垮整机休眠功耗。
关键修复代码
全端口输入上拉（官方 Demo 基线操作，AI 未执行）：
GPIOA_ModeCfg(GPIO_Pin_All, GPIO_ModeIN_PU);
GPIOB_ModeCfg(GPIO_Pin_All, GPIO_ModeIN_PU);心率 ADC 引脚专属配置：
GPIOA_ModeCfg(ADC_PIN, GPIO_ModeIN_Floating);
GPIOADigitalCfg(DISABLE, ADC_PIN);如何把异常缩小到 ADC 引脚
硬件侧排查采用了拆分链路的方法。心率 ADC 通过电阻连接到外部模拟电路，休眠电流异常时，先移除这类桥接电阻，把 MCU 引脚与后级模拟网络暂时隔开。
这个动作有两个价值：
- 若功耗明显下降，说明漏电路径和这条模拟输入链路有关
- 若功耗不变，优先回到电源、时钟、无线或其他 IO 继续排查
实际现象是移除桥接电阻后功耗下降，异常范围收敛到 ADC 输入附近。随后直接测量 MCU 侧 ADC 引脚，发现休眠状态下仍接近 VCC。这个电平不符合“模拟前端已断电、ADC 输入应高阻”的预期，说明 MCU 侧仍在影响该节点。
这一步把问题从“整机低功耗异常”缩小成“ADC 引脚睡眠状态不对”。后续再回到 CH58x GPIO 配置，就能看到两个关键点：
| 检查项 | 期望状态 | 异常含义 |
|---|---|---|
| ADC 引脚模式 | 浮空输入 | 不能保留普通输入上拉 |
| 数字输入通路 | 关闭 | 不能只配置 GPIO 模式 |
| 外部模拟连接 | 可拆分验证 | 用桥接电阻定位漏电路径 |
最终处理按板级连接关系建立睡眠清单，覆盖所有连接外部模拟网络的 ADC 引脚。进入睡眠前统一执行浮空输入和关闭数字输入通路，避免普通 IO 的低功耗基线配置反过来把模拟节点拉到 VCC。
#define APP_BOARD_SLEEP_ISOLATED_ADC_PINS \
(GPIO_Pin_2 | GPIO_Pin_3 | GPIO_Pin_4 | GPIO_Pin_5 | GPIO_Pin_12 | GPIO_Pin_13)
GPIOA_ModeCfg(APP_BOARD_SLEEP_ISOLATED_ADC_PINS, GPIO_ModeIN_Floating);
GPIOADigitalCfg(DISABLE, APP_BOARD_SLEEP_ISOLATED_ADC_PINS);这类问题的排查顺序应先落到物理节点：拆开外部链路、测 MCU 引脚电平、确认电流变化，再回到寄存器和库函数。只看 ADC 通道号或只看当前启用通道，很容易漏掉板上真实接到模拟电路的其他引脚。
封装的三个 skill
人工逐行对比效率太低，这里采用的方法是：人搭建测试环境、封装调用接口、设定实验规则，AI 自主完成对照实验。
| Skill | 实现方式 | 解决的问题 |
|---|---|---|
| PAR20-4H 可编程电源 | ESP32_PAR20_4H 提供 HTTP 接口，skill 调用接口开关电源 |
低功耗下调试器挂死时，AI 可自主完成断电、延迟、上电复位 |
| 低功耗分析仪 | Python 直接读取串口打印数据 | AI 直接记录休眠电流，无需人工值守读数 |
| OpenOCD 烧录 | 封装为统一 skill 接口 | 烧录、验证、读取启动日志 |
单轮测试完整流程
AI 按固定顺序调用三个 skill，完成一次完整功耗测试：
- 调用电源 HTTP 接口 → 断电、延迟、上电，复位板子
- 调用 OpenOCD skill → 烧录固件，读取日志确认启动正常
- 延迟等待系统进入休眠
- 运行串口读取脚本 → 采集低功耗分析仪输出并记录
- 生成本轮实验文档：改动点、功耗数据、结论
实验规则与文档留痕
人工设定三条硬约束：
- 只能用二分法，单次仅修改一组模块
- 编译失败或功耗异常自动回退上一稳定版本
- 每轮必须输出实验文档，记录所有改动与数据
实验目标：定位官方 Demo 与 AI 移植固件之间造成 400μA 功耗差的最小代码差异。
设定完成后 AI 自主运行，夜间跑完所有对比组。次日查看日志，差异点已锁定至 GPIO 模拟引脚配置。
每轮强制输出实验文档有两个作用：
- 人工审核时可追溯每一步改动，无需猜测中间过程
- AI 上下文长度有限，跑满后重开新智能体时直接读取文档即可接续工作，无需从头重复实验
方法沉淀
这次排查的核心价值不在于"CH58x 要上拉"这个具体结论——查手册早晚能找到。
真正可复用的是这套工作模式：将物理世界的测试能力封装为标准化接口，设定实验框架和约束条件，交由 AI 自主执行对照实验。人负责设计验证方案、封装工具、审核结论，AI 负责重复劳动和数据采集。
跨平台移植场景下，AI 处理语法和业务逻辑迁移效率很高，但不同厂商 MCU 底层硬件差异容易被忽略。提前划定底层外设配置规范，搭配自动化测试闭环，才能同时兼顾开发效率与硬件指标。