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。人工智能智能体会在 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。这不仅减少了人工操作，缩短了开发周期，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 则提供由智能代理、技能和 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、人工智能辅助的流程，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人工智能智能体，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 endpoint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 使用 CANoe Agentic 生态系统。
入门非常简单。
您只需提供您的 endpoint——即您用于 GitHub Copilot、Claude 或内部 LLM 的那个 endpoint。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 服务器的连接将自动建立。
Vector 提供智能代理生态系统。
“发现”、“项目”、“仿真”、“写代码”和“分析”代理与技能及 MCP 工具协同工作。在它们后面是 Vector RAG。它对代理进行事实锚定，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，允许您引入自己的代理、技能、MCP 工具和上下文，以根据您的需求进行定制。
您的反馈
您的反馈可以帮助我们塑造 CANoe 中人工智能辅助工作流的未来。我们希望了解您对新的人工智能和 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 Agentic 生态系统，您可以加速工作流程。收到新需求后，代理会将其转换为 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——由代理负责执行
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。代理会分析任务所需的能力，并为您将它们串联起来。
“人机协同”：机器人负责操作，由您做决定
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
您可以实时看到代理调用了哪些 MCP 工具、使用了哪些技能，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
顾问们会进行分析，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 Agent 将为您揭晓
您的配置——您的总线、ECU 和代码——将开启无限可能。加载您的配置，让 Discovery Agent 与您一同探索这些可能性。它会读取现有数据，识别可用的代理和技能，并推导出您可以利用它们实现哪些功能
使用我们的代理、对其进行调整，或者自行构建。
我们提供的代理和技能仅是起点。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代理。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。
