用途：把训练好的神经网络部署到资源受限的嵌入式硬件，覆盖模型创建或导入、验证、压缩、系统级仿真与代码生成全流程。需 MATLAB R2026a 或更新版本，以及 Deep Learning Toolbox、Statistics and Machine Learning Toolbox、MATLAB Coder、Embedded Coder、Simulink、Fixed-Point Designer 等工具箱，并需 MATLAB 与 Simulink Agentic Toolkit 以通过 MCP 驱动实时会话。
主要能力：支持 MATLAB 原生或导入的 PyTorch、ONNX、TensorFlow、LiteRT 模型；可为 ARM Cortex-M/A/R、x86 或 GPU 目标生成 C 或 CUDA 代码；支持量化、剪枝、投影等压缩；可将推理集成进 Simulink 做闭环仿真。涉及 loadPyTorchExportedProgram、importNetworkFromPyTorch、importNetworkFromONNX、importNetworkFromTensorFlow、dlquantizer、exportNetworkToSimulink 等函数。
两条工作流：模式一为 MATLAB 网络代码生成，适用于 MATLAB 训练模型、需压缩/量化/Simulink 导出/权重检查，或 Cortex-M 目标，工具链为 MATLAB Coder 与 Embedded Coder；模式二为 PyTorch/LiteRT 直接代码生成，适用于 x86/GPU/Cortex-A 上的 .pt2 或 .tflite 模型，路径更短但不支持压缩与权重检查。外部模型导入由 /matlab-import-external-ai-model 处理。
使用方式：先做环境发现与项目发现，再按阶段逐步执行；每步写成 .m 脚本并用 run_matlab_file 或 evaluate_matlab_code 运行，使用绝对路径；每步后暂停并征得用户同意；生成目标代码前先用 MEX 做桌面验证；导入模型须用原始模型（如捆绑 Python）做数值等价性测试。
限制：不覆盖 FPGA/SoC（HDL Coder）与 PLC（Simulink PLC Coder）目标；不用于纯研究训练、云端部署、非神经网络经典机器学习模型或非 AI 的 Simulink 模型代码生成。不得使用 trainNetwork、DAGNetwork、csvread 等旧函数；不得代为安装支持包；不得承诺硬件无关性能。具体参数默认值应以 MATLAB 帮助或在线参考页为准。