一句话看懂：一位软件工程师用 Claude 等 AI 编程助手，在 27 美元的 PineTime 开源智能手表上开发了一款定制表盘。值得关注的是，这类低预算硬件 + 开源固件 + 大模型辅助的组合，正在极大降低嵌入式开发门槛。
事件核心：发生了什么
工程师 Mike Kasberg 从抽屉里翻出了一块闲置两年的 PineTime 智能手表——这是一款售价约 27 美元、运行开源固件的设备。受到开发者社区用 Claude 编程智能硬件的启发，他决定尝试用 AI 为这款手表编写自定义表盘。
他克隆了 InfiniSim 模拟器仓库（内含 InfiniTime 固件子模块），让 AI 模型先打通编译流程。随后，他给 Claude 提供了一张 Casio 风格表盘的参考截图，要求 AI 参考现有表盘代码复刻类似样式。他实际使用的是 OpenCode 工具链，搭配了 Kimi K3、Kimi K2.6 以及 DeepSeek v4 Pro 和 Flash 等开源权重模型。
AI 首次生成的表盘在文字大小和位置上存在明显偏差，重叠且难以阅读。Mike 随后采用“逐个文本元素修正”的方式，给 AI 提供精准反馈和隔离的小任务，逐步优化。过程中他还发现，静态界面部分可以做成整张背景图，只让代码渲染动态区域。这一方案在模拟器上运行成功，但移植到真机后暴露出硬件瓶颈——240×240 像素的图片经蓝牙传输安装耗时约 10 分钟，整屏刷新需 1 到 2 秒，手表内存无法完整缓存整张背景图。不过，对于一款几小时做出来的表盘而言，这已足够。完整代码已发布至 GitHub，并附带 AI 自动生成的 AGENTS.md 开发笔记。
为什么重要
这件事的价值不在于表盘本身，而在于它展示了 AI 编程在“低资源、小规模、物理设备”开发中的实际能力边界。过去，为一个开源固件贡献代码需要深入理解代码库；而现在，AI 能协助完成从环境配置、代码生成到真机调试的完整闭环。Mike 特别提到，买这块手表时因没时间学习 InfiniTime 代码库，设备在抽屉里放了两三年——这次借助 AI 几个小时内就完成了功能开发。这说明大模型正在把嵌入式开发的学习成本压到极低，也让“硬件玩票”这类低预算项目有了新的可行性。
同时，这一案例也保留了清醒的视角：开源模型在无监督条件下效果仍不够“像素级完美”，多轮人工反馈和任务拆解依然必要。AI 不是“一键生成硬件应用”，而是一个需要人类把控方向的高效写码工具。
对用户/开发者/创作者的影响
对于业余玩家和开发者：如果你一直想做智能手表表盘、传感器配件或小型嵌入式项目，但被固件编译和硬件调试吓退，现在可以尝试用 AI 辅助完成起步。PineTime 这类开源且便宜（27 美元）的硬件是理想的低风险练手对象。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于依赖 AI 编程的重度用户：本例提供了一个值得借鉴的工作流——先用 AI 搭好整体框架，再针对问题点逐一反馈修正，比一次性要求“完全正确”更省 token 且效果更可控。此外，把静态部分做成图片、动态部分用代码生成，是一种值得参考的算力妥协思路。
对于关注开源模型的用户：Mike 使用的是 Kimi K3、K2.6、DeepSeek v4 Pro 等开源权重模型，而非闭源的顶尖模型。这证明中等规模开源模型已能处理具有一定复杂度的真实硬件项目，不必为简单任务支付更高 API 成本。
值得关注的后续
1. 开源模型在嵌入式开发上的效果演进——随着 Kimi、DeepSeek 等模型迭代，后续版本能否在没有人工逐项反馈的情况下直接生成可用的表盘，值得观察。
2. 开源硬件生态的活跃度——PineTime 这类低成本设备是否会因为 AI 辅助编程迎来第二春，出现更多第三方表盘和应用。
3. 同类应用场景的扩散——AI 辅助固件开发能否延伸到更复杂功能的可穿戴设备，例如功耗管理、传感器数据处理，而不仅限于表盘视觉设计。
