OpennessLLM: как ИИ может понять весь проект Siemens TIA Portal
Автор делится опытом создания OpennessLLM – инструмента, который позволяет LLM видеть весь контекст проекта в TIA Portal, а не только отдельные фрагменты кода.
В статье на Habr AI рассказывается о попытке использовать крупные языковые модели (LLM) для работы с программным обеспечением Siemens TIA Portal – средой разработки PLC. Первоначальный подход был простым: копировать в чат SCL‑код, описывать задачу и получать от модели объяснение или готовую функцию. Такой «один‑по‑одному» метод иногда давал почти готовый результат, но часто требовал уточнений, потому что модель видела лишь тот кусок кода, который был ей передан.
Автор быстро столкнулся с фундаментальным ограничением LLM: отсутствие глобального контекста проекта. Ошибки в PLC‑логике часто находятся в разных блоках, а без доступа к полной структуре проекта модель не может правильно диагностировать проблему.
Для решения этой проблемы был разработан OpennessLLM – слой‑обёртка, который интегрируется с API Siemens Openness и предоставляет LLM доступ к метаданным проекта, структуре блоков, типам переменных и даже к графу зависимости между функциями. Инструмент использует векторные эмбеддинги и Retrieval‑Augmented Generation (RAG), позволяя модели «запрашивать» нужные части проекта по запросу. В результате ИИ может давать рекомендации, генерировать новые функции и находить ошибки, учитывая весь проектный контекст.
Тесты показали, что в 70 % случаев OpennessLLM генерирует рабочий код без дополнительного уточнения, а время на отладку сокращается в среднем на 40 %. Автор отмечает, что важна правильная настройка промптов и проверка модели на галлюцинации, особенно в критичных промышленных системах.
Полный материал доступен по ссылке: https://habr.com/ru/articles/1076780/
OpennessLLM демонстрирует, что интеграция LLM с доменно‑специфичными API может решить проблему ограниченного контекста. Для разработчиков PLC это открывает путь к ускоренной отладке и автоматическому генерированию кода, но требует строгих проверок на корректность, чтобы избежать потенциальных сбоев в промышленном оборудовании.
