🧂 Salt OS · 同心圆

同一个圆心：一台开机只有一个 AI 的手机。上一环结束，芯片已经能算一个完整的 Transformer 块（注意力 → FFN）里的两块。但真实的 Transformer 不是「一块」，而是几十层同样的块摞起来。要把块摞起来，缺两样东西：残差连接（把子层的输入加回输出，s = a + b）和 LayerNorm（把这条残差流归一化，减均值、除标准差，再乘缩放加平移）。没有它们，层一深信号就发散、训不稳。本环让芯片把「残差 + 归一化」跑通——做完它，一个可堆叠的 Transformer 块（注意力 → 残差 → FFN → 残差 → LN）才真正成立。

延续「端上算力紧凑、全部定点、不用浮点」的主线：
· 残差流两路输入 a（注意力输出）、b（FFN 输出），各 4 lane × 8bit 有符号；
· 残差：s[d] = a[d] + b[d]；
· 均值：mean = (Σ s[d]) >> 2（右移 = 除以 4）；
· 中心化：dev[d] = s[d] - mean；方差：var = (Σ dev[d]²) >> 2；
· 反标准差：rstd = round(256 / √max(var,1))——给一个小查找表（Q8 定点，不用浮点、不用除法器）；
· 归一化 + 仿射：y[d] = (dev[d]·rstd·gamma[d]) >> 12 + beta[d]（rstd 是 Q8、gamma 是 Q4.4，合计右移 8+4）。
全部是整数加减乘和移位，核喊一声 start，硬件一次算完。

新增 rtl/resid_ln.sv：残差相加 → 均值 → 中心化 → 平方和求方差 → rsqrt 查表 → 乘 gamma 加 beta，一条组合逻辑链走完；

残差：  s[d] = a[d] + b[d]
均值：  mean = Σs >> 2
中心化：dev[d] = s[d] - mean
方差：  var  = Σdev² >> 2
反标准差：rstd = lut[min(var,31)]   # lut[i] = round(256/√max(i,1))，Q8
归一化：y[d] = (dev[d]·rstd·gamma[d]) >> 12 + beta[d]
结果锁存：start 那拍锁进 y_out，下一拍 busy 拉低、done 拉高

min_bus.sv 挂载 resid_ln 引擎，新映射：

0x0A4 → RSN_A      残差流输入 a（4×8bit，注意力输出）
0x0A8 → RSN_B      残差流输入 b（4×8bit，FFN 输出）
0x0AC → RSN_GAMMA  LayerNorm 缩放 gamma（4×8bit，Q4.4，0x10=1.0）
0x0B0 → RSN_BETA   LayerNorm 平移 beta（4×8bit 有符号）
0x0B4 → RSN_START  写 1 → 触发残差相加 + LayerNorm
0x0B8 → RSN_OUT0   读归一化输出 lane0（32bit 有符号）
0x0BC → RSN_OUT1   读 lane1
0x0C0 → RSN_OUT2   读 lane2
0x0C4 → RSN_OUT3   读 lane3
0x0C8 → RSN_MEAN   读均值 mean（32bit 有符号）
0x0CC → RSN_VAR    读方差 var（32bit）
0x0D0 → RSN_RSTD   读 Q8 反标准差 rstd
0x0D4 → RSN_BUSY   读忙闲（含刚下发那拍，无空窗）

这一环最直观的是 归一化真的在工作：残差流 [-4,-4,4,4] 均值为 0、方差 16，反标准差 rstd=0.25（Q8 = 64）；dev 除以 0.25 再乘 gamma=1.0，得 [-1,-1,1,1]——自动把数值压进了小范围，不管输入多大。单元仿真的用例 2 把 gamma 设成逐 lane [4.0,2.0,1.0,0.5]，输出精确变成 [-4,-2,1,0]，证明缩放/平移（仿射）也生效；用例 3 用 a≠b 验证残差相加不是摆设（s=[-4,-4,8,8] → mean=2, var=36）。协同仿真里核跑最小 OS，从写残差流到屏幕 0x0101FFFF = 16908287，全链路闭环。

本环走完一整圈：目标 → 大模型是几十层块摞起来的，层一深就需要残差和归一化稳住信号 → 硬件用「整数相加 + 查表 rsqrt + 定点乘移」把残差和 LayerNorm 落地，不用浮点 → 残差 / 归一化 / 仿射 / 全量回归全部跑通 → 回到目标。至此一个可堆叠的 Transformer 块（注意力 → 残差 → FFN → 残差 → LN）在芯片上闭合——不再是单个零件，而是一个能一层层摞成整网的标准积木。下一步，把这块积木真的摞成多层，从 token 进、到 logits 出，跑一个端到端的小模型。离一台本地跑大模型的手机，又近一圈。