zhinkgit/embeddedskills

해결하는 문제

임베디드 개발은 일반적으로 코드 작성 → 컴파일 → 플래시 → 디버깅의 수동 루프를 필요로 합니다. 이 프로젝트는 AI 코딩 어시스턴트가 컴파일러, 디버거, 통신 버스를 직접 제어할 수 있는 "스킬" 세트를 제공하여, 코드 생성에서 하드웨어 검증까지 수동 개입 없이 루프를 완성합니다.

작동 방식

이 프로젝트는 Keil MDK, GCC, J-Link, OpenOCD, probe-rs 등의 다양한 명령줄 도구를 구조화된 Python 스크립트로 캡슐화합니다. 이러한 스크립트는 SKILL.md 파일을 통해 AI 에이전트에 노출되며, 자연어로 기능을 설명합니다. AI가 스킬을 호출하면 스크립트는 상태, 요약, 제안되는 다음 조치를 포함한 통합된 JSON 출력을 반환하여 AI가 개발 주기의 다음 단계를 자율적으로 결정할 수 있도록 합니다.

대상 사용자

Claude Code, Cursor, Trae와 같은 AI 코딩 어시스턴트를 사용하고, 실제 하드웨어에서 빌드-플래시-디버그 루프를 자동화하고자 하는 임베디드 소프트웨어 엔지니어.

주요 특징

• 완전한 워크플로우 루프: 요구사항 통신 → 코드 생성 → 컴파일 → 플래시 → 디버깅 → 오류 수정의 순서를 자동화.
• 도구 독립성: Skill/CLAUDE.md/Rules 프로토콜을 지원하는 모든 AI 도구와 호환.
• 광범위한 하드웨어 지원: Keil MDK 및 CMake/GCC 빌드 시스템, J-Link, OpenOCD, probe-rs 디버거를 지원.
• 통신 버스 모니터링: UART(시리얼), CAN/CAN-FD, Ethernet(Net) 트래픽의 모니터링 및 상호작용을 위한 스킬 포함.