3. 开发环境与工具链搭建

STM32N6 是 ST 首颗带自研 NPU（Neural-ART 加速器）的 MCU，其工具链与普通 STM32 项目有明显差异：模型转换、NPU 算子映射、外部 Flash 加载、调试探针的访问权限都会影响后续能否顺利跑通推理。本节的目标不是"把软件装上"，而是搭出一套可验证、可复现的环境：装完之后，你能用一条最小链路证明"PC 端工具 → 生成代码 → 编译下载 → 板上运行 → 调试观察"是通的。

一、先理清各工具的分工

很多初学者会把 STM32CubeMX、STM32CubeIDE、STM32Cube.AI 混为一谈。它们的关系是：

• STM32CubeMX：图形化配置工具，负责引脚、时钟、外设、中间件初始化，并生成 .ioc 工程文件与初始化代码。它是"配置源头"。
• STM32CubeIDE：基于 Eclipse + GCC 的集成开发环境，负责编辑、编译、下载、调试。它内置了 CubeMX 的配置视图，可以直接打开 .ioc。
• STM32Cube.AI：把训练好的神经网络模型（如 .tflite、.onnx、.h5）转换成 STM32 可用的 C 代码，并给出 Flash/RAM 占用估算。它有两种形态：独立桌面版 STM32Cube.AI Developer Cloud / 桌面版，以及集成进 CubeMX 的 X-CUBE-AI 扩展包。
• X-CUBE-AI：CubeMX 的扩展包（Expansion Package），安装后在 CubeMX 里多出 "Artificial Intelligence" 分类，可直接在工程中生成 AI 中间件代码。
• 调试工具链：ST-LINK 驱动、ST-LINK GDB Server、串口终端（如 Tera Term / minicom），用于下载、单步、看变量、看串口日志。

下图给出本节要搭出的完整工具链拓扑，以及各环节之间的数据流向：

二、安装顺序与关键选择

推荐顺序：先装 CubeIDE（自带 CubeMX 与 GCC）→ 再装 X-CUBE-AI 扩展包 → 最后装 ST-LINK 驱动与串口终端。这样能避免 CubeMX 与 CubeIDE 版本不匹配导致的 .ioc 打不开问题。

安装时有几个容易踩坑的点：

• 版本对齐：CubeIDE 与 CubeMX 的版本号不必完全相同，但 X-CUBE-AI 扩展包必须与 CubeMX 主版本兼容。例如 CubeMX 6.12 对应 X-CUBE-AI 10.x，装错版本会在 CubeMX 里看不到 AI 分类。
• 安装路径不要有中文和空格：GCC 与 GDB Server 对路径敏感，C:\Program Files\ST 这类路径在部分脚本中会出问题，建议用 D:\ST\。
• X-CUBE-AI 的两种用法：如果只是做模型转换与占用估算，用独立桌面版即可；如果要直接在 CubeMX 工程里生成 AI 代码，必须装扩展包。两者可以共存。
• ST-LINK 驱动：Windows 下装 ST-LINK USB 驱动后，设备管理器应出现 "STMicroelectronics STLink dongle"。若显示黄色感叹号，说明驱动未正确签名或版本过旧。

三、用最小工程验证工具链

装完不等于能用。下面用一个"LED 闪烁 + 串口打印"的最小工程，把整条链路走一遍。这个工程不涉及 AI，但它是后续所有 AI 工程的基础模板。

在 CubeMX 中新建工程，选择 STM32N6570-DK（或你手上的 N6 板卡），配置：

• 系统时钟：使用 HSE + PLL，目标 SYSCLK 600 MHz（N6 的 M55 可跑到 800 MHz，但初期验证建议先降频，减少时钟配置出错概率）。
• 一个 GPIO 输出接 LED，一个 UART（如 USART1，115200-8-N-1）用于打印。
• 生成代码时选择 "Copy only necessary library files"，工具链选 STM32CubeIDE。

生成后在 CubeIDE 中编译，主循环里加入：

printf("N6 toolchain OK, tick=%lu\r\n", HAL_GetTick());
HAL_GPIO_TogglePin(LED_GPIO_Port, LED_Pin);
HAL_Delay(500);

下载运行后，串口终端应每 500 ms 打印一行，LED 同步闪烁。如果串口无输出，先检查：波特率是否一致、TX/RX 是否接反、printf 是否重定向到 UART（需要实现 _write 或 __io_putchar）。

四、验证 X-CUBE-AI 是否可用

AI 工具链的验证不能只看"装上了"，要跑一次真实的模型转换。准备一个极小的模型（例如一个 3 层全连接、输入 1×16 的 .tflite），在 CubeMX 中打开 Artificial Intelligence 分类，添加模型，点击 "Analyze"。

正常情况下会看到类似下面的输出（数值为示例，实际以你的模型为准）：

Model name      : tiny_mlp
Input           : float32[1,16]
Output          : float32[1,4]
Params          : 1,236
MACC            : 1,152
Flash (weights) : 4.8 KB
RAM (activations): 0.3 KB
NPU supported   : partial (2/3 layers)

这里要重点看三件事：MACC（乘加次数，反映计算量）、Flash/RAM 占用（决定能否放进 N6 的片上存储）、NPU supported（哪些层能被 NPU 加速）。如果 NPU 支持率很低，说明模型里有 NPU 不支持的算子，后续要么换算子，要么接受回退到 CPU 执行。

五、调试工具链的验证

调试环节要验证三件事：

1. 下载：CubeIDE 中点击 Run，能正常烧录并复位运行。
2. 单步与断点：在 HAL_Delay 前打断点，能停住，能看 HAL_GetTick() 的值。
3. 串口日志：与调试同时工作，不冲突。注意 ST-LINK V3 的虚拟串口与独立 UART 是两回事，如果板卡用的是独立 UART，需要单独接 USB-TTL。

如果调试时出现 "Target not responding"，优先检查：SWD 线序（SWCLK/SWDIO/GND 是否接对）、目标板是否已上电、复位模式是否设为 "Connect under reset"。N6 在低功耗模式下会关闭调试口，若程序里进了低功耗，需要先按住复位再连接。

六、本节交付物：环境自检清单

把上面的验证过程固化成一张可填写的清单，每次换机器或升级工具后跑一遍：