​17th AOC｜光庭信息吕楠：利用AI Agent简化AUTOSAR系统配置的工程实践

以下内容由光庭信息的吕楠先生在“第17届AUTOSAR开放大会”上发布的演讲整理得来：

随着汽车电子电气（E/E）架构向集中式演进，“软件定义汽车”（SDV）对车载基础软件的开发效率和敏捷度提出了极高要求。在经典平台（CP）和自适应平台（AP）开发中，AUTOSAR基础软件（BSW）的配置由于涉及数百个参数以及复杂的跨模块依赖，历来是一项高度依赖专家经验、耗时且极易出错的系统工程。

光庭信息（KOTEI）全球市场及销售副总裁、德国光庭CEO吕楠先生发表演讲，详细介绍了光庭信息如何在其自研的“超级软件工场”（Software DreamWorks, SDW）AI平台上，构建专用的AUTOSAR Agent，通过大语言模型（LLM）与结构化领域知识库的结合，实现全流程的智能化配置、测试与调试，大幅降低了AUTOSAR系统的配置门槛。

1. AUTOSAR配置开发的行业痛点与智能化目标

吕楠先生首先指出了当前汽车基础软件配置工程中的四大核心痛点：

• 高度依赖专家隐性知识（Know-how）：AUTOSAR标准的元模型庞大，配置参数繁多（如通信栈中的ComM、CanSM、PduR、CanIf等模块关联极其紧密）。许多工程配置的设计考量仅存于资深专家的脑中（隐性知识），新人极难上手。

• 手动配置耗时且效率低下：工程师需要在各种商业图形化工具中手动配置数百个容器和属性，繁琐的交互工作大幅拉长了迭代周期。

• 语法与逻辑配置错误频发：人工配置极易引入命名冲突、引用丢失、优先级不匹配等错误，往往到编译阶段甚至上车运行后才暴露。

• 故障定位与排查极其困难：当工具链报错或编译失败时，由于ARXML文件的语法极其复杂，开发者需要花费数小时甚至数天时间才能回溯出根本原因。

为突破上述瓶颈，光庭信息设立了明确的智能化转型指标：将AUTOSAR系统集成与配置效率提升5倍，在实际项目中平均节省20%的工程时间与人力成本。

2. AUTOSAR Agent的核心技术架构与产品能力

光庭信息的 AUTOSAR Agent 是深度集成于其“超级软件工场”（Software DreamWorks, SDW）平台上的AI工程方案。其技术架构分为三层：

• 灵活适配的底层AI引擎：支持接入业界主流的第三方开源或商业大语言模型（如OpenAI），同时支持本地化部署光庭信息自研的、针对汽车工程领域进行微调（Fine-tuning）的高安全私有化大模型，确保企业知识产权与代码的绝对安全。

• 结构化汽车工程知识库（Knowledge Base）：将国家标准、AUTOSAR规范文档、工具链CLI操作指南、商业工具链常见报错日志（Error Logs）以及专家的工程经验进行结构化向量存储（RAG），为AI推理提供确定性的“技术护栏”。

• AUTOSAR Agent应用层：向下打通了主流商业AUTOSAR工具链（如ETAS ISOLAR, EB tresos, Vector DaVinci等），实现了四大核心应用能力：

1. 智能需求解析：自动解析非结构化的需求文档（如Word、PDF、Excel），提取出通信、诊断、网络管理等关键需求元数据，并自动检测需求的一致性与完整性。

2. 智能ARXML生成与配置：根据解析的需求数据和DBC/ODX输入，自动计算底层模块的参数依赖关系，自动生成符合AUTOSAR元模型规范的ARXML配置文件，避免人工手动配置。

3. 智能纠错与自动恢复（Self-healing）：当生成的ARXML在商业工具中导入报错时，Agent能自动捕获并读取工具链的错误日志，结合报错知识库进行语义分析，自动修正ARXML文件并重新导入，直至构建成功。

4. 智能自动化测试：根据通信和配置输入，自动生成测试用例脚本，并自动触发测试工具链进行接口与行为测试，自动输出标准的测试报告。

3. 量产项目实践与效率提升成果

光庭信息在客户的项目中，全面应用了AUTOSAR Agent解决方案，并在EB tresos and Vector DaVinci工具链上完成了工程验证：

• 工程成果交付：AUTOSAR Agent在项目中自动化完成了需求一致性分析、BSW基础配置、ARXML配置文件生成、接口测试用例设计以及自动化测试执行。

• 量化效率指标：

1. 人力节省：在整个项目的系统配置与集成周期中，AUTOSAR Agent累计节省了约10人月的总体工作量。

2. 维护与迭代（VA/VE与平台迁移）：在后续的成本优化和硬件微调（VA/VE）阶段，面对频繁的接口变更和跨平台移植需求，Agent表现出极高的复用和快速自适应配置能力。

结语

光庭信息 AUTOSAR Agent 的成功实践表明，AI技术在复杂车载软件工程领域的落地，需要将AI的泛化推理能力与严谨的AUTOSAR领域标准、商业工具链接口相结合。通过将专家的“隐性经验”沉淀为“显性知识库”，AUTOSAR Agent 能够帮助开发团队摆脱繁琐、易错的底层手动配置，将更多精力专注于差异化核心功能的研发与创新。