将复杂的工程任务转化为简单的提示。CANoe AI功能可帮助您通过自然语言分析配置、排查日志、创建CAPL代码，并实现完整的测试工作流自动化。AI智能体会在CANoe中自主执行任务，识别相关发现，并引导您进行下一步操作。这不仅减少人工操作，缩短开发周期，还使经验丰富的CANoe用户和新手都能更高效地工作。
您可以继续使用现有的大型语言模型（LLM），例如GitHub Copilot或Claude背后的模型，而Vector则提供由智能体、Skills和MCP工具组成的AI层。
您的福利
- 通过将手动的多步骤工作流转变为由自然语言驱动的、AI辅助的流程，更快地完成您的工程任务。
- 借助能够自动生成、执行、分析并优化测试场景的AI能智能体，减少例行工作。
- 通过对日志、报告、网络流量和CANoe配置进行智能分析，更快地发现问题。
- 通过简单的提示即可调用先进的CANoe功能，从而提高各个用户层级的生产力。
- 借助透明的AI交互以及自由使用您偏好的AI端点的灵活性，始终掌控您的数据和工作流。
工作原理
将您现有的AI引入CANoe智能体生态系统
入门非常简单。
只需提供您的端点——即您用于GitHub Copilot、Claude或内部LLM的那个端点。您可以在VS Code、Vector聊天客户端或任何配备兼容MCP客户端的IDE中使用它。与CANoe MCP Server的连接将自动建立。
Vector提供智能体理生态系统。
“Discovery”、“Project”、“Simulation”、“Coding”和“Analysis”智能体与Skills及MCP工具协同工作。其后是Vector RAG，对智能体进行事实锚定，将它们植根于Vector的知识库和文档中。因此答案基于Vector的专业知识，而非模型的猜测。该生态系统保持开放，允许您引入自己的Agent、Skills、MCP工具和上下文，以根据您的需求进行定制。
反馈
您的反馈可以帮助我们塑造CANoe中AI辅助工作流的未来。我们希望了解您对新的AI和MCP功能的反馈。请告诉我们哪些功能在您的使用场景中表现良好，哪些方面还有改进空间，以及您希望在未来版本中看到哪些新功能。
从需求到审核结果
借助CANoe智能体生态系统，可以加速工作流程。收到新需求后，智能体会将其转换为CAPL测试代码，在CANoe中执行该代码，分析任何故障，修复代码，并重新运行测试。当工作流程完成后，系统会将确切的测试场景提交给您审核，相关CANoe窗口已自动同步。
描述您的任务，由智能体负责执行
您可以选取要交出的工作量——从一个单一的问题到一套精心策划的流程，以及两者之间的任何形式。智能体会分析任务所需的能力，并为您将它们串联起来。
以下视频中的示例使用了VS Code、GitHub Copilot和CANoe。
几分钟内即可构建CANoe仿真
加快您的测试流程
更快地分析通信问题
从测试规范到测试实施
人在回路中：智能体负责执行，您负责决定
自主并不意味着隐身。每次运行都公开透明，每项结果都会及时反馈给您。您可以随时自主决定授权的范围。
每一步都清晰可见
您可以实时看到智能体调用了哪些MCP工具、使用了哪些Skills，以及它在您的IDE和CANoe中进行了哪些更改。
结果将呈现在您面前
智能体会进行分析，并汇报具体的后续步骤以及与关键内容同步的CANoe视图。他们是为您提供决策依据，而非取代您的判断。
由您设置深度
询问、行动、授权或统筹——同一个系统可满足这四种需求。您可以随时选取一个层面，并在该层面之间灵活转换。
想知道您的配置能实现什么？Discovery智能体将为您揭晓
您的配置——总线、ECU和代码——将开启无限可能。加载您的配置，让Discovery智能体与您一同探索这些可能性。它会读取现有数据，识别可用的智能体和Skills，并推导出您可以利用它们实现哪些功能。
使用我们的智能体、对其进行调整，或者自行构建。
我们提供的智能体和Skills仅是起点。您可以根据自身工作流程进行调整，或使用相同的工具编写自己的智能体。我们助您将这些功能融入您的工作流程。欢迎联系我们，与我们探讨您的使用场景。
