> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # 12 个最受欢迎的 PLC AI 工具：能写代码的多，能进工程的少 - URL: https://www.hubwiz.com/blog/best-plc-ai-tools-four-layers/ - Published: 2026-10-31T16:00:52.000Z - Updated: 2026-10-31T16:07:13.000Z - Description: 英文侧四份最新对比都在比"谁写的 SCL 像样"，但工程里卡住人的是代码进项目之后：接口、变量表、实例背景，以及编译之后那一遍时序。 - Author: admin - Tags: PLC, AI 编程, TIA Portal, 工控, MCP 2026 年 10 月，英文侧被引用最多的四份 PLC AI 工具对比——AnyAutomation 的九工具表（10-25 更新）、LADX 的选型与测试指南（10-12）、Wartens 的厂商 Copilot 对比（10-12）、ACM 上的 SemaPLC 论文（10-03）——几乎都在比同一件事：**模型把 SCL 写得像不像**。 而现场卡住人的是另一段：代码进了项目之后。接口对不对、变量表有没有、实例背景在不在、静态区有没有落、编译通过之后时序跑不跑得通。这几件事，模型一句都管不了。 所以"最受欢迎的 PLC AI 工具"这个问题，混在一起比是比不出结论的。把它按**工具链的四层**拆开，每层都有明确的判据和明确的短板，谁缺位一目了然。 下面这 12 个工具，取自上述四份对比文中出现频率最高的那些（再补上"云端验证"这一类），按四层归位。**这不是排行榜，是分层**——排在前面的不等于更好，只代表它站的那一层被讨论得最多。 ## 一、四层模型：每层一句判据 | 层 | 这一层要做到什么 | 判据（不满足就不算完成） | | --------------- | ----------------------------- | ---------------------- | | **1 写代码** | 在你用的语言里产出可读代码（SCL / ST / LAD） | 拿到代码的人不用回头问"这是什么意思" | | **2 进工程** | 看到你项目里的块、接口、变量表、实例背景；把产物落到工程里 | 落进去之后**能撤回**，且改动可 diff | | **3 生成可导入的块** | 从描述或中间表示产出能直接导入并编译的块 | 导入后编译 0 错误，**且图形语义没丢** | | **4 跑起来 / 看得见** | 仿真里按扫描周期跑一遍；把程序变成人能评审的图 | 别人（不看博途的人）能复核你的改动 | 一个具体反例，说明第 2 层为什么比第 1 层难：一段 SCL 编译 0 错误、0 警告，但静态区没建、背景 DB 没生成、变量表里少了两个符号——把这段代码粘进博途，一样过不了编译；就算改到能编译，下载到 PLC 上跑第一个周期就可能出事。**第 1 层产出的是文本，第 2 层产出的是"能用的东西"。** ## 二、第 1 层：最热门的那批，都在这一层 **厂商内置 agent**，是 2026 年被推荐最多的一类，因为它们装在你已经在用的软件里： - **Siemens Industrial Copilot**：西门子 2024 年 4 月宣布，同年夏天起在 Siemens Xcelerator 上架。按西门子发布口径，它能生成 SCL、给出可以直接被 TIA Portal 采纳的代码建议（不用复制粘贴），还能帮你在 WinCC Unified 里起第一版可视化；数据侧提供私有 Azure OpenAI 实例，不用客户数据训练模型。 - **Siemens Eigen Engineering Agent**：TIA Portal 的 add-in，覆盖 V19（Update 5+）、V20（Update 4+）与 V21，面向 S7-1200 / S7-1500；通过 Openness 直接在项目里动作，能给 S7 块生成测试用例并在 PLCSIM Advanced 上跑。按对比表口径，它仅云端、需要联网。 - **Rockwell FactoryTalk Design Studio Copilot**：在云端 IDE 里用自然语言建系统模型、生成 PLC 代码、处理报错；官方强调工程师要先复核再采纳建议。 - **Beckhoff TwinCAT Chat**：2023 年 11 月推出，模型底座按 TwinCAT 调过，生成的结构化文本能直接转进工程，常用请求做成了预置的一键动作。 - **CODESYS** 在 3.5 上卖一个 MCP server，让外部 AI 客户端也能读写工程——这是厂商里少见的"开放给任意客户端"路线，代价是验证要自己配（Test Manager 是另一个东西）。 - **施耐德**在 EcoStruxure Machine Expert 里有代码生成 Copilot。 这里有个值得注意的区分：**聊天助手和 agent 不是一回事**。Industrial Copilot 那类是"聊天窗口 + 能采纳的建议"，Eigen Engineering Agent 那类是"能自己在项目里动手"。前者更像加速打字，后者才碰第 2 层。 **通用大模型。** ChatGPT / Claude / Gemini 在浏览器里能写出相当像样的 SCL，也讲得清 RS 与 SR 的区别。但它们看不见你的工程，你贴多少它看多少。这一类真正的用法不是"聊天框"，是**挂一个 MCP 服务**让它能读工程——于是问题就从第 1 层跑到了第 2 层。 **开源与研究项目。** LLM4PLC（面向可验证的 PLC 代码生成）、Agents4PLC（多智能体框架）、AutoPLC（按厂商差异生成结构化文本）、SemaPLC（ACM 论文，交付两个可复用组件：一个 web IDE 加一套 PLC 工具套件，把自然语言变成经典控制场景的程序）。这一类自由度最高，代价是验证链要自己搭。 这一层的共同点只有一句：**它们对自己手里的文本负责，不对你的工程负责。** ## 三、第 2 层：让 AI 真的进到工程里 第 2 层难，是因为**决定对错的从来不是语法**。工程文件里真正重要的是接口定义、变量表与系统常量、实例背景落在哪个块里、网络之间谁先执行、以及你改了别人块里的什么。这些信息在工程文件里，不在你的提示词里。 所以这一层绕不开一个问题：**AI 怎么"够到"工程。** 目前只有两条路。 一条是**模拟人操作界面**：识屏、点按钮、填表格。它不需要任何接口许可，看起来什么软件都能用；问题是软件一升级、布局一变、弹窗一多就崩，而且它做的每一步都不可 diff、不可回滚。用它做一次性迁移可以，做日常工程不行。 另一条是走工程软件自己提供的**自动化接口**。西门子这边就是 Openness：TIA Portal 官方提供的 API，读写的是同一份工程数据——块的接口、变量表、实例背景、网络顺序都在里面。按官方口径，Openness 需要在本机安装并授权，且与 TIA Portal 同版本。 TiaLink 是第二条路上比较完整的一个例子：它在你自己的机器上，通过 Openness 驱动**已经打开的** TIA Portal（V19 / V20），让 AI 助手能做到——配置硬件与网络、创建 FB / FC / DB / UDT、写 SCL、编译、下载到 S7-PLCSIM 做仿真、再把工程读回来。细节见 [TiaLink 页面](https://tia.hubwiz.com/tia-link?ref=hubwiz.com)。 真正值得写下来的是它的三条限制，因为它们决定了"能不能撤回"： 1. **导入前先预检**：要写进去的东西先过一遍，冲突在写入之前暴露； 2. **默认不覆盖同名对象**：你工程里已有的块不会被默默替换； 3. **导入后不自动保存、不自动运行**：工程文件的状态由你决定。 这三条合起来才是第 2 层的判据——不是“AI 能不能改你的工程”，而是“**改坏了能不能退回上一个版本**”。 举个具体例子：要让 AI 给一台输送机加一段控制逻辑，它需要知道的东西比想象的多——`FB_ConveyorControl` 的输入里哪个是急停回路（常闭，FALSE 才是停）、`UDT_Motor` 里有没有“运行中”这个成员、实例背景是单实例还是多重背景、这个 FB 被哪几个网络调用过。这些都不在自然语言里，在工程的符号表与块接口里。**变量表少一个符号，编译能过，跑起来错**——这就是第 2 层与第 1 层的分界。 同层对照：厂商 agent 也能"直接进项目"，但天花板是品牌边界，它只服务自家硬件；第三方的 TIA Portal MCP 服务能进项目，验证要你自己搭；独立工具的取舍在于把"确认"放在哪——比如 AnyAutomation Studio 把 diff 与确认做在导入前，LADX 干脆不下载、把下载留给你自己的 IDE。 边界也要说清：TiaLink 是网关，不是模型。它保证的是"AI 的改动看得见、可撤回、可 diff"，**不保证逻辑对**——逻辑对不对，仍然是人的事，是第 4 层的事。 ## 四、第 3 层：从描述到"能导入的块" 这一层的判据只有一个：**导入后能编译，而且图形语义没丢。** - **LAD 生成（**[**LadDoc Cloud**](https://tia.hubwiz.com/lad?ref=hubwiz.com)**）**：LadDoc 是一种 JSON 格式的梯形图文档，专为 AI 生成和修改梯形图设计。它的做法是先按 lad-ir 的 D9 规则校验，再**确定性**生成 SimaticML 块文件（FC / FB / OB），产物可以直接导入 TIA Portal。关键词是"确定性"：同一份 LadDoc 每次生成的块一模一样，所以能进版本库、能被评审。 - **LADX**：把逻辑放在一个基于 PLCopen 的中间表示里，从同一份源写出 IEC 61131-3 结构化文本、西门子 SCL、罗克韦尔中性文本或 PLCopen XML，并给出"哪些干净转换了、哪些需要人决策"的报告。它的草稿在给你看之前先过 matiec 编译与 iec-checker 检查。 - **AutoPLC**：按厂商差异生成结构化文本，解决"同一段逻辑换一家 PLC 就写不出来"的问题。 这一层最容易被误判——看起来只是"格式转换"，实际决定成败的是**图形语义能不能保住**：触点串并联、置位/复位、边沿、定时器实例、多重背景调用、跳转与标号。跳转在 SCL 里没有对应物，只能重写成状态机或结构化分支；这类"必须人来决定"的地方，工具越早说清楚越好。 顺带一个反直觉的点：这一层里**"聪明"不如"确定"**。能一次生成 90% 正确率的工具，如果你无法复现它为什么这么生成，就没法把它放进有审计要求的项目；反之，生成能力一般但每次输出一致的工具，反而能进版本库、能过评审。 ## 五、第 4 层：跑起来，和看得见 **跑起来。** [云仿真](https://tia.hubwiz.com/sim?ref=hubwiz.com)服务把 LAD 按网络逐条执行：触点、线圈、定时器/计数器、FC/FB 调用与跳转，按真实 PLC 的扫描语义推进，结果确定可复现；SCL 源码也可以直接提交进去仿真。它解决的是第 1、2 层都解决不了的问题——**"编译通过"和"跑起来对"是两件事**。要说清的是：**仿真是仿真，不是真机**，I/O 时序、扫描周期余量、真实设备抖动都要在现场验证。 **看得见。** [云渲染](https://tia.hubwiz.com/render?ref=hubwiz.com)把 SimaticML 渲染成图（PNG），给评审、给不看博途的人、给归档用。这一步常被忽略，但它是"改动能不能被非作者复核"的前提：一份能贴进评审文档的梯形图，比一段只有作者看得懂的 SCL 更容易拦住错误。 同层的官方对照是 PLCSIM Advanced——本地、官方、能力最全（上面提到的 Eigen Engineering Agent 就用它跑测试用例），代价是要装、要许可、要一台 Windows。选哪条路取决于你希望验证发生在谁的机器上：在自己机上，就本地；要多人、要留痕、要跑在没装博途的机器上，就云端。 这一层还有一个隐藏作用：**它把"验收"从人的记忆里搬到记录里**。改了哪几个网络、哪条时序跑过、谁签的字——没有这一层，这些信息一周后就没了。 ## 六、总表 | 工具 | 装在哪 | 看得到工程 | 能改工程 | 谁验证 | 离线 | | ------------------------------- | ----------------- | ------------- | --------------- | -------------------- | ----------- | | Siemens Industrial Copilot | TIA Portal 内 | 部分 | 是（项目内） | 聊天里的测试建议 | 云端，另有本地部署方案 | | Siemens Eigen Engineering Agent | TIA Portal add-in | 是 | 是（Openness） | PLCSIM Advanced 测试用例 | 需联网 | | Rockwell FTDS Copilot | 云端 IDE | 是 | 是 | 工程师复核 | 云端 | | Beckhoff TwinCAT Chat | TwinCAT 内 | 是 | 是 | 无内置 | 云端 | | CODESYS MCP server | CODESYS 3.5 | 是 | 是 | 另配 Test Manager | 取决于客户端 | | 通用大模型（裸用 / 挂 TIA MCP） | 浏览器 / 终端 | 裸用否；挂 MCP 是 | 挂 MCP 后可改 | 自行搭建 | 可用本地模型 | | TiaLink | 本机网关 | 是 | 是（预检、不覆盖、不自动保存） | 自行搭建（可接云仿真） | 局域网内 | | AnyAutomation Studio | 独立 IDE | 是 | 是（带 diff 确认） | SCL 单元测试、CI | 支持本地模型 | | LADX | 浏览器 / 桌面 | 部分 | 否（下载在厂商 IDE 里） | matiec + iec-checker | 支持本地模型 | | LAD 生成（LadDoc Cloud） | 云端 MCP | 输入是 LadDoc | 产出可导入的块 | 导入后编译 | 云端 | | 云仿真 | 云端 MCP | 输入是 LAD / SCL | 否（只读执行） | 扫描周期仿真 | 云端 | | 云渲染 | 云端 MCP | 输入是 SimaticML | 否（只读渲染） | 出图供评审 | 云端 | ## 七、三类常见误判 **误判一：模型排行榜 = 工具排行榜。** 同一个模型，裸用和挂在工程接口上，产出质量差一个数量级——差别不在模型，在它能不能看到你的变量表和实例背景。看榜单时先问：这个分数是在什么上下文里拿到的。 **误判二：加了 MCP 就等于能用。** MCP 只定义"AI 怎么调工具"，不定义"工具怎么验证"。你能连上工程、能写块，仍然可能写出一个编译得过、跑起来错的程序。协议解决连接，不解决正确性。 **误判三：编译 0 错误 = 上线没问题。** 这是现场最常见的一条。编译器只查语法和一致性：它不会告诉你"没有箱子的时候进料输送机还在转"，也不会告诉你"急停被写成了普通逻辑"。跨网络的逻辑缺陷，只有按清单过一遍加仿真跑时序才拦得住。 ## 八、半天测一条链：拿 18 个网络的分拣箱当靶子 选一个真实规模的小项目——18 个网络的分拣箱程序足够。让工具做同一件事：把"有箱子才进料、满了停送、急停优先"这类描述变成程序，并且落进工程。 然后盯四类必错项，它们**不报错**，只在特定工况下爆： 1. **边沿位放错区**：上升沿/下降沿的边沿位必须在静态区；放到临时变量里每个周期重建一次，沿就丢了； 2. **多重背景 FB 的引脚漏传**：漏传的引脚不报错，只是保持上一次的值，错误被推迟到某个工况才出现； 3. **RS 与 SR 同时为真谁赢**：两个在梯形图里外形几乎一样，选错不报错； 4. **跳转与标号**：SCL 没有 GOTO，只能重写成状态机或结构化分支。 判据只有一条：**编译 0 错误不算验收，仿真里跑通时序才算。** 记录三样东西：改前改后的 diff、谁做的验收、怎么回滚。没有这三样，工具再聪明也别进真项目。 | 记录项 | 通过的样子 | 不通过的样子 | | ---- | ---------------- | ------------ | | diff | 能看出改了哪几个网络、哪个块接口 | 只有一个"已导入"的提示 | | 回滚 | 一条命令或一次不保存就回到原状 | 只能靠备份工程 | | 时序 | 仿真里急停优先、满料停机都验过 | "编译通过，应该没问题" | | 归属 | 谁写的、谁审的、哪天 | 说不清是谁改的 | ## 九、我们的整理 第一，**"模型强"和"工具强"是两件事**。模型只占四层里的第一层，另外三层（看到工程、写进工程、验证）才是难的部分；这也解释了为什么厂商 Copilot 用固定模型却往往比通用大模型好用——它补的是后三层。 第二，**厂商 Copilot 的天花板是品牌边界，独立工具的天花板是验证深度**。现场是单一品牌，从厂商 agent 起步最省事；三个品牌混着跑，跨品牌中间表示加编译检查才是正解；工程文件不能离开自己网络，就只剩自托管网关这一条路。 第三，**这批工具共同缺的是第四层**。MCP 解决了"看和改"，几乎没人替你解决"对不对"——所以云仿真、编译检查、出图评审这些看起来"不像 AI"的环节，反而决定了 AI 能不能真的进项目。 工具清单会继续变，这四层不会。选型时先把四层摆出来，看它站在哪一层、把哪一层的活留给了你。 --- **相关阅读** - [AI 做 PLC 编程的 7 个教训：从编译通过到现场可用](https://www.hubwiz.com/blog/ai-plc-programming-7-lessons-verification/) - [梯形图转 SCL 迁移指南（TIA Portal）](https://www.hubwiz.com/blog/lad-to-scl-migration-guide-tia-portal/) - [AI 读 PLC 程序评审：一次真实的代码评审课](https://www.hubwiz.com/blog/ai-plc-program-review-lesson/) - [西门子梯形图指令手册：113 条指令一条一页](https://www.hubwiz.com/blog/lad-instruction-handbook-siemens/) - [AI × 工业 / PLC 支柱页](https://www.hubwiz.com/blog/ai-industrial-stack/) ## 来源 - AnyAutomation，《Best AI for PLC Programming 2026: 9 Tools Compared》，更新于 2026-10-25：[https://anyautomation.ch/en/best-ai-for-plc-programming](https://anyautomation.ch/en/best-ai-for-plc-programming?ref=hubwiz.com) - LADX，《Best AI for PLC programming in 2026: how to choose and test one》，首发 2026-10-12、更新 2026-10-13：[https://ladx.ai/resources/best-ai-for-plc-programming](https://ladx.ai/resources/best-ai-for-plc-programming?ref=hubwiz.com) - Wartens，《PLC Copilot Compared: Vendor-Neutral vs Vendor AI》，2026-10-12（转述西门子 2024 年 4 月新闻稿、罗克韦尔 FactoryTalk Design Studio 页面、倍福 2023 年 11 月发布）：[https://wartens.com/news/plc-copilot-vendor-neutral-vs-vendor-ai](https://wartens.com/news/plc-copilot-vendor-neutral-vs-vendor-ai?ref=hubwiz.com) - SemaPLC，《An Open-Source Agentic IDE for Generation, Verification…》，ACM，2026-10-03：[https://dl.acm.org/doi/10.1145/3837729.3840496](https://dl.acm.org/doi/10.1145/3837729.3840496?ref=hubwiz.com) - LLM4PLC（AICPS）、Agents4PLC（Luoji-zju）、AutoPLC（cangkui）三个开源项目的仓库说明页；西门子 Openness 安装与授权要求在官方文档中说明。 > 本文由汇智网（hubwiz.com）编译整理，转载请注明出处。文中工具能力均引自各家公开页面与上述对比文，未做未公开的实测；仿真与真机的差异、验证责任仍在工程团队。