🧂 Salt OS · 同心圆

同一个圆心：一台开机只有一个 AI 的手机。上一环把历史 K/V 驻留到片上，AI 有了「记忆」；但记忆躺着没用——它得被「用起来」。注意力第一步：当前这个字（查询 Q）要回看历史每一个字（钥匙 K），算一个「相关性分数」。分数越高，说明当前这个字越该关注那个历史字。本环就是给芯片造一台「算分引擎」。

第 4/5 环已把权重和激活都压成 INT4；第 7 环历史 K/V 已驻留片上。本环顺着这条「内存带宽优先、端上算力紧凑」的主线，做 Q·K^T 点积。关键是软硬协同的分工：上下文有多长不该由软件去数。所以把「遍历历史」这件事做进硬件——核只喊一声「开始算分」，引擎自己从槽位 0 走到最后一个，算完全部分数并报出最相关的那个（最大分数 + 槽位号）。上下文长度对软件透明。

新增 rtl/attn_qk.sv：内建遍历 FSM（IDLE→ISSUE→CAP→DONE），逐槽位从 KV Cache 读 K，与锁存的 Q 做逐 lane 点积（INT8×INT8→INT16），硬件比较取最大分数与 argmax 槽位。挂进 min_bus.sv，映射 5 个寄存器，并给 KV 读端口加「引擎/核分时复用」仲裁：

0x034 → ATTN_Q      查询向量 Q（4×INT4 打包）
0x038 → ATTN_START  写 1 → 触发引擎遍历全部 KV 算 QK^T
0x03C → ATTN_SCORE  读最大分数 best_score
0x040 → ATTN_IDX    读 argmax 槽位 best_idx（哪个历史字最相关）
0x044 → ATTN_BUSY   读引擎忙闲

circle08/boot.s：预填充 4 条 K（含一条负值验证 INT4 有符号），下发 Q=[1,2,3,4]，触发算分，读回分数与槽位。

如果只是「逐 lane 复制」而不是真点积，四个槽位分数会一模一样；现在是 10/20/30/−10 逐槽不同，说明跨 lane 乘累加真的算对了；argmax 选中最高分槽位 2，负值槽位被正确排除。屏幕 = (2<<8)|30 = 0x21E = 542——证明芯片能「用记忆算分」，注意力第一步落在硅上。

本环走完一整圈：目标 → AI 回看历史要先算「谁最相关」 → 用 KV 算 Q·K^T 的硬件算分引擎落地 → 打分/argmax/有符号校验跑通 → 回到目标。AI 的注意力从「记忆躺着」走到「主动打分」，而打分这件事由芯片自动完成，软件不必数上下文。离一台本地跑大模型的手机，又近一圈。