告别“翻文档”时代：AMD Ross 如何重塑嵌入式软硬件开发（二）
作者：Rocky 浏览： 发表时间：2026-10-26 09:29:45
上一篇我们讲了Ross的技术主张和技术架构，上一篇我们讲了 Ross 的技术主张和技术架构，看到了 AMD Ross 为 Versal 开发带来的效率革新。本篇我们走进真实工程场景，详解 Versal 分层加载架构，理清软硬件、验证等多角色分工，同时整理 Vivado、Vitis 等全套工具与参考资源。
3.工具与知识层
AMD Vivado™ Design Suite、Vitis™ 工具链、PDM、ChipScope、ROCm™ 软件、Ryzen™ AI 软件及官方文档。
3.1 MCP 与 Agent Skills：两个开放标准
两者有明确的分工：MCP 提供信息，Agent Skills 提供行动能力。
由 Anthropic 提出的开放标准，已被业界广泛采用。它为 Ross 提供：
为什么重要：
- IDE 无关：VS Code、Cursor、Claude Code、Devin，任何 MCP 客户端均可
- LLM 无关：Claude、GPT、Gemini、Qwen、Llama，任何模型均可同样基于 Anthropic 的开放标准，本质是把领域专业知识编码为可执行工作流的 Markdown 文件。它提供：
为什么重要：
- 可复现：同一个 Skill，同样的结果——消除"部落知识"
- 可共享：版本受控，可在团队与组织之间自由迁移
3.2 Skills 为什么重要：弥合方法论鸿沟
没有 Skills 时，LLM 通常会：
- 需要更多的提示词引导
- 需要人工附加参考文件
- 产生不一致的结果
- 消耗更多 token
- 访问到过时的文档
有了 Skills 之后，带来三方面收益：
1.领域专业知识
- 编码 依据AMD 工具方法论与***实践
- 将多年专家经验转化为可执行形式
2.可复现工作流
- 一致、可预测的结果
- 经过验证的分步方法论
- 消除试错式猜测
3.***的 token 使用
- 可为自有设计模式创建自定义 Skill
- 可跨团队、跨组织共享 Skill
- 无需改代码即可扩展智能体能力
3.3 Skills 的工作机制：渐进式披露
Skill 以 Markdown 文件形式存储在文件系统中，采用渐进式披露（progressive disclosure）的加载策略：
这种分层设计让 LLM 在上下文窗口内只保留当前必要的信息。LLM 依据 Skill 指令执行专家工作流：生成代码 → 运行工具 → 验证结果。
3.4 向量化知识库（RAG）
AMD 的公开文档——用户指南、产品指南、白皮书、Answer Record 等——被配置在基于 RAG 的向量数据库中，既可通过云端访问，也可部署在本地服务器用于隔离网（air-gapped）环境。
目前覆盖500+ 用户指南、应用笔记与知识库文章，包括 UG903、UG904、UG908、UG949、UG1387、UG1388、UG1504、PG313、DS957、AM011、UG901 以及大量 AR 文章。
几个真实的问答场景：
3.5 设计示例
Ross 提供开箱即用的参考设计，演示 Skills 在真实场景中的用法。这些示例托管在 AMD 公开 GitHub 仓库中，自包含、按 Skill 分类组织。
3.6 与开发者并肩工作
Ross 通过开发者自选的 IDE 或 CLI 接入实时项目：
- 对工程具有完整访问权限——无需脚本或 TCL 专业知识
- 支持 GUI 或批处理模式执行
- 与实时工程协同工作
- 权限由用户控制
- 支持并行的智能体会话
- 实时交互
很多团队在 Versal 上做 AI 时，常会卡在安全合规、离线环境、持续云 API 开销这些问题上。
这套分层加载机制，加上面向不同角色的工程实操要点，正是面向这些痛点的落地思路。
你在 Versal/AMD 自适应器件 AI 开发时，还遇到过哪些棘手问题？欢迎在评论区留言一起探讨，后续我们持续分享更多工程实战干货。
以上我们介绍了 Ross 在 Versal 平台的分层加载机制，以及面向不同工程师角色的实操要点。本地推理方案如何满足数据安全、离线环境、成本控制的落地诉求，我们先讲到这里。关于这套方案更多工程实测、性能调优与落地案例，下一篇继续拆解，敬请期待。
海振远科技常备充足现货库存，助力客户缩短交付周期、加速产品上市。
我们可提供FPGA解决方案，也支持深度联合定制开发，***助推客户产品快速落地推向市场。
如需获取样品或技术资料，可联系AGM官方授权代理商——海振远科技：
电话：153 - 2389 - 5320 / 139 - 2466 - 7001 / 0755-2780 9180
邮箱：tech@hizyuan.com； Jane@hizyuan.com
Jane
