第二章：环境搭建与工具链

说实话，很多同学在接口联调上栽跟头，不是技术不行，而是环境没搭好。我见过太多人花三天调一个bug，最后发现是Python版本不对。嗯，咱们先把地基打牢。

2.1 Python环境配置

我个人习惯用Python 3.8以上版本。为什么？因为很多仿真库对3.6以下的支持已经停了。你想想看，装个库报一堆错，多闹心。

核心要点：虚拟环境一定要用。别偷懒。

我在项目中遇到过最典型的问题：同事A用系统Python装了TensorFlow，同事B装PyTorch，结果俩人互相覆盖依赖，项目直接崩了。从那以后，我每个项目都单独建虚拟环境。

配置步骤其实很简单：

下载Python安装包，记得勾选"Add Python to PATH"
打开终端，验证安装：python --version
创建虚拟环境：python -m venv myenv
激活环境（Windows用myenv\Scripts\activate，Mac/Linux用source myenv/bin/activate）
安装常用包：pip install requests pyserial numpy

小技巧：我习惯在项目根目录放一个requirements.txt，记录所有依赖。换机器时一行命令搞定：pip install -r requirements.txt

2.2 Postman与cURL基础

接口联调，说白了就是发请求、看响应。Postman和cURL是两把利器。我平时调试RESTful接口用Postman，写自动化脚本用cURL。

Postman的核心用法：

创建集合（Collection）来管理接口
设置环境变量（比如base_url）
用Pre-request Script做前置处理
用Tests写断言，自动验证响应

举个例子，我最近调试一个仿真设备的控制接口：

// Postman Pre-request Script
// 自动生成时间戳
pm.variables.set("timestamp", Date.now());

// 发送POST请求
POST {{base_url}}/api/sim/start
Content-Type: application/json

{
  "timestamp": "{{timestamp}}",
  "mode": "normal"
}

cURL呢？它更轻量，适合在脚本里用。我经常在Python里调用cURL做快速验证：

# 用subprocess调用cURL
import subprocess
result = subprocess.run([
    'curl', '-X', 'POST',
    'http://localhost:8080/api/sim/start',
    '-H', 'Content-Type: application/json',
    '-d', '{"mode":"normal"}'
], capture_output=True, text=True)
print(result.stdout)

注意：cURL在Windows上可能需要额外安装。我建议用Git Bash自带的cURL，省事。

2.3 仿真工具接口配置

这里重点说ModelSim。很多做FPGA的同学觉得ModelSim就是个波形查看器，其实它的Tcl接口才是精髓。

我曾经花了两周时间，才把ModelSim的Tcl接口调通。为什么这么难？因为文档写得不够清楚，而且不同版本API有差异。

核心配置步骤：

启动ModelSim，打开Tcl Console
加载设计库：vlib work
编译设计文件：vlog design.v
启动仿真：vsim work.top_module
添加波形：add wave *
运行仿真：run 100ns

但咱们要做的是接口联调，所以得让Python和ModelSim通信。我常用的方法是写一个Tcl脚本，然后通过Python调用：

# run_sim.tcl
vlib work
vlog design.v
vsim work.top_module
add wave clk rst data_out
force clk 0 0, 1 5ns -repeat 10ns
force rst 1 0, 0 20ns
run 200ns
quit

# Python调用
import subprocess
import time

def run_simulation():
    # 启动ModelSim并执行Tcl脚本
    proc = subprocess.Popen([
        'vsim', '-c', '-do', 'run_sim.tcl'
    ], stdout=subprocess.PIPE, stderr=subprocess.PIPE)
    
    # 等待仿真完成
    stdout, stderr = proc.communicate(timeout=30)
    
    if proc.returncode != 0:
        print(f"仿真出错: {stderr.decode()}")
        return False
    
    # 解析仿真结果
    # 这里可以加你自己的解析逻辑
    print("仿真完成")
    return True

if __name__ == "__main__":
    run_simulation()

关键点：ModelSim的-c参数表示命令行模式，不加的话会弹出GUI界面。做自动化时一定要加。

还有一个坑：ModelSim的Tcl脚本里，路径要用正斜杠（/），Windows默认是反斜杠（\）。我曾经因为这个折腾了一下午。

知识体系总览

下面这张图，是我自己总结的环境搭建核心逻辑。你把它理解了，后面调接口会顺很多：

这张图你看懂了吗？说白了就是：Python当总指挥，Postman/cURL当通信兵，ModelSim当执行者。三者配合好了，接口联调就成功了一半。

我的经验：刚开始别追求完美。先把Python环境搭好，能跑通一个简单的HTTP请求，再慢慢加ModelSim。一步到位反而容易出问题。

好了，环境搭建这部分就这些。记住：工具是死的，人是活的。多动手试试，遇到问题别慌，八成是路径或者版本的问题。

📚 课程目录

第二章：环境搭建与工具链

2.1 Python环境配置

2.2 Postman与cURL基础

2.3 仿真工具接口配置

知识体系总览