Using Artificial Intelligence to reverse engineer hardware
这是 GNOME 博客 2026 年 10 月 15 日的实战记录，作者 Christian Schaller，GNOME 与 Red Hat 圈的老兵。他用 Claude Code 给三件缺 Linux 支持的硬件补齐驱动侧的坑：一台底片扫描仪、一颗笔记本内置摄像头，外加一个配套扫描应用，方法最后沉淀成开源工具 hw-harness。这事成了，而且成了三回，时间尺度从几小时到几天。
从一箱底片开始
起点很私人。作者母亲去世后留下一箱底片，存着他童年家庭旅行的影像，他为此买了台 Plustek OpticFilm 8200i 底片扫描仪。
买前以为 Linux 原生支持，到手才发现厂商换了芯。同名新型号改用 Genesys GL128 控制器（USB ID 07b3:1825），老款的 GL845 早就进了 SANE（Linux 的扫描驱动框架），新的没人管。
他之前用 Claude Code 写成过 Dell 摄像头的配置工具，这次却在扫描仪上卡死，项目一搁几个月。转机来自 X 上开发者 GloriousEggroll 的一条帖子：给 AI agent 一整个 Windows 实例的控制权，让它自己抓数据，结果修好了一个鼠标驱动。作者把帖子粘进 Claude Code。照方抓药。
几小时后，他在 Linux 下扫出第一张图，有瑕疵但认得出画面。再过几天，驱动接近完善，连红外除尘都带上了。
他后来还发现有人在这几个月里已往上游 SANE 提交了同款支持，作者对此只有一句 “it happens sometimes”。缘分而已。
hw-harness：给 AI 装上看得见总线的眼睛
方法被他泛化成开源工具 hw-harness，核心流程四步：
- KVM 虚拟机（Linux 内核自带的虚拟化方案）里跑厂商的 Windows 驱动，真实设备直通给虚拟机
- 宿主机用 usbmon（内核的 USB 抓包工具）录下全部总线流量，这一层在直通之下，虚拟机毫无感知
- 切回 Linux，让开发中的驱动做同一个操作，照样录一份
- 比对两份流量，差异即 bug 清单
对没有 USB 总线的内置设备，比如 MIPI 摄像头（笔记本内部排线连接的那类传感器），工具改从 Windows 侧翻 INF 驱动描述文件、注册表、ACPI 表和设备属性。
合法性他想得明白。全程不拷一行厂商代码，只观测硬件行为，新驱动里每个寄存器常量都能溯源到一条观测记录。个人以为这条线就是此类成果敢不敢发布的分界，守得住就晒得住。
扫描仪：34.6 秒对 54.4 秒
SANE 后端支持彩色、灰度、红外及其组合，300 到 7200 dpi，每通道 8 或 16 位，另有给浓密底片的曝光倍增器，打包成自动构建的 Fedora RPM。
配套应用叫 Negative Vibes，GNOME 桌面上的 Rust 程序，任何带胶片能力的 SANE 扫描仪都能用。扫描件保持 16 位线性原始数据加红外通道，编辑全程非破坏性。
功能覆盖片基与染料串扰校正、整卷统一设置加单帧覆盖、借 ArgyllCMS 做 IT8 标准色靶校准，导出带 ICC 特性的 TIFF 或 DNG。短板是 SANE 尚无暴露红外通道的标准接口，应用目前只在 8200i 上验证过。
对比数据他给得老实。3600 dpi 下，他的后端与 2026 年 9 月进上游的那份解析细节相当；全分辨率下他的更快，34.6 秒对 54.4 秒，还多一个红外除尘。
他特意注明这是单机单帧的结果，只当一个数据点看。
摄像头：当天出补丁
第三件是 ThinkPad X1 Carbon 第十四代 Aura 版的内置摄像头，Sony IMX471 传感器挂在 Intel IPU7 图像处理单元下，症状是画面暗、暗角重、偏黄绿。他早上开工，当天收工。
内核侧修了三个 bug：裁剪区域还没保存矩形就提前返回错误；测试图案寄存器宽度写错；模拟增益上限过低，凭空丢掉约 1.8 档进光量。
libcamera（Linux 的摄像头框架）软件 ISP 侧修了两个：镜头阴影校正压根没实现，四角暗了约 2.7 档；白平衡统计按传感器原生位深求和，黑电平基准却按 8 位算，这一条会影响所有 RAW10/RAW12 传感器。
效果可以量化。弱光场景的单帧亮度值从 31.1 升到 90.9，红绿、蓝绿通道比从 0.890/0.672 回到 1.047/0.823，接近一支正常 USB 摄像头的参考值；蓝色仍缺约 17%，他归因于灰世界白平衡算法的先天局限。
内核补丁已交维护者 Kate Hsuan，libcamera 补丁在 Wim Taymans 手里审，Fedora 44 的 RPM 挂在发布页。
AI 干的都是苦活
分工拆开看很朴素。AI 包揽重复劳动：解码抓包、在一串重复序列里盯出那个变化的字节、猜寄存器含义、写测试探针、交叉核对常量。作者的原话：
“The AI is good at the tedium.”
人负责三件事：定做什么、把着真机、验证结果。他反复强调每个结论都在真实硬件上核过，另一句原话同样硬气：
“Real hardware is the only judge.”
最值钱的经验是参考抓包。厂商驱动的正常流量配一份 Linux 驱动的故障流量，diff 之后，模糊的 “画面偏暗” 立刻变成寄存器级的具体 bug 清单。
摄像头项目里插一支正常 USB 摄像头给 Claude 当对照样本，被他点名为关键动作。
他对传统驱动开发的评价是没有概念难度，只是极吃耐心和技能。AI 补的恰好是耐心这块。
站长落点
对做 Agent 管线的人，这篇有一点可以直接搬走：给模型一个可观测的执行环境，比在提示词里堆形容词管用。VM 直通加总线抓包，等于给 AI 发了一双看得见硬件的眼睛，剩下的比对和推理它自己能搞定。
边界也要认。作者反复声明成果是改进而非完工，补丁进不进主线还在别人手里；发布的 hw-harness 也是泛化版，不是他项目里那套原始脚本。
这套打法还吃一个前提，故障可复现、流量可抓，碰到黑盒设备 AI 照样没辙。
评论区已经有人排下一个目标，想请这套工具去救一块 Guillemot 老声卡的 ALSA 驱动。方法论若能在社区扩散，长尾老设备是最直接的受益方。