🧂 Salt OS · 同心圆

同一个圆心：一台开机只有一个 AI 的手机。前面十三圈，芯片上已经有了一个「能摞起来的 Transformer 块」，残差流也能贯穿多层。但注意力的最前面一直缺一块拼图：Q/K/V 是核直接手塞进去的常数和预填向量。真模型里，查询 Q、钥匙 K、值 V 全都要由当前输入的隐藏状态 x（残差流）经三个权重矩阵投影出来——Q = Wq·x、K = Wk·x、V = Wv·x。这一环把这三个投影做成片上一个引擎：残差流一进来，Q/K/V 由硬件一次算出，注意力从此端到端自洽，软件再也不用手塞常数。

延续「端上算力紧凑、全部定点、权重 INT4、激活 INT8」的主线，新增一个很小的模块 qkv_proj：
· 输入是残差流 x（4 lane × 8bit）；配三个 4×4 INT4 权重矩阵 Wq/Wk/Wv；
· 一次算出 Q/K/V 三组向量，每组同时吐两种精度：8bit 全精度（可读回、供后续层用）+ INT4 饱和打包（直接喂注意力算分与 KV Cache——算分引擎的 Q 是 INT4 契约，KV 槽位载荷也是 INT4 打包）；
· 投影输出按 INT4 饱和，等价于把「投影后量化」这一步落在硬件数据通路上，不额外吃乘加器；
· QKV 寄存器另开一页（0x200 起），一行守卫把新页和前面 13 圈的地址映射隔开，老映射一个字不动——只扩不推翻。

新增 rtl/qkv_proj.sv：三路投影 + 8bit/INT4 双精度输出，组合逻辑一次算完：

投影：  q[d] = Σ_i Wq[d][i]·x[i]     （INT4 权重 × INT8 激活，32bit 累加）
        k[d] = Σ_i Wk[d][i]·x[i]
        v[d] = Σ_i Wv[d][i]·x[i]
输出：  q8/k8/v8 = 饱和到 [-128,127]   （8bit 全精度）
        q4/k4/v4 = 饱和到 [-8,7] 后打包  （INT4，喂注意力 / KV Cache）

min_bus.sv 挂载 qkv_proj，新映射（QKV 页，0x200 起）：

0x200 → QKV_X      投影输入：残差流 x（4×8bit）
0x204/0x208 → QKV_WQ_LO/HI   Wq（4×4 INT4）
0x20C/0x210 → QKV_WK_LO/HI   Wk
0x214/0x218 → QKV_WV_LO/HI   Wv
0x21C → QKV_START  写 1 → 触发三路投影
0x220~0x22C → QKV_Q0~3   读 Q 各 lane（8bit 全精度，符号扩展）
0x230~0x23C → QKV_K0~3   读 K 各 lane
0x240~0x24C → QKV_V0~3   读 V 各 lane
0x250 → QKV_Q4     读 Q 的 INT4 饱和打包 → 直接喂 ATTN_Q
0x254 → QKV_K4     读 K 的 INT4 饱和打包 → 直接喂 KVC_DATA
0x258 → QKV_V4     读 V 的 INT4 饱和打包
0x25C → QKV_BUSY   投影引擎忙闲（含刚下发那拍，无空窗）

最小 OS：残差流进 → 投影出 Q/K/V → 投影出的 K 作为一条新 token 追加进 KV Cache、投影出的 Q（INT4 饱和打包）直接喂算分引擎，接着走完一个完整块：

LST_X(x0) → QKV 投影(x→Q/K/V)
    ATTN_Q ← Q4（投影出的 Q）        KVC_APPEND(K4)（投影出的 K 进历史）
    QK^T → Softmax → 加权 V
    RSN(a=注意力输出, b=当前残差流)   # 残差 + LayerNorm #1
    FFN(LN 输出)                     # 前馈两层
    RSN(a=FFN 输出, b=LN#1)          # 残差 + LayerNorm #2
    LST_ADV                          # 块输出锁回 XSR
读回 XSR → 屏幕

这一环最直观的是Q/K/V 真的由残差流算出来了，而且每一步都能手算对得上：
· 残差流 x=[6,-4,3,-5]，配 Wq（混合阵）、Wk（单位阵）、Wv（每行 [1,1,0,0]）→ 硬件一次算出 Q=[3,5,6,2](P=0x2653)、K=[6,-4,3,-5](P=0xB3C6)、V=[2,2,2,2](P=0x2222)——Q ≠ x，证明它真是被矩阵「投」出来的；
· 投影出的 K 追加成第 3 条历史（KV 槽 0x0001 / 0x0010 / 0xB3C6），投影出的 Q 直接进算分引擎：分数 [3,5,6]，Softmax 权重 [9,66,180]（三条历史都参与加权），加权 V 得 [4,-3,2,-4]；
· 再走残差+LN → FFN → 残差+LN：LN1=[13,-8,7,-11]，FFN=[20,20,20,20]，最终残差流 [16,-11,8,-14]；
· 屏幕 0xF208F510 = 4060673296，与软件参考模型逐位一致。
单元仿真另外验证了饱和路径（8bit 不饱和、4bit 饱和：q8=[12,-8,6,-10] → q4=[7,-8,6,-8]）。至此注意力的 Q 不再由核手塞常数，Q/K/V 全部来自残差流投影，一个块的注意力和它的输入真正自洽。

本环走完一整圈：目标 → 大模型里 Q/K/V 必须由隐藏状态投影得到，手塞常数的注意力是假的自洽 → 硬件只加一个小引擎（三个 4×4 INT4 矩阵乘 + 饱和打包），Q/K/V 全在片上算出 → 投影-注意力-残差-FFN 端到端跑通、单元仿真 + 回归全绿 → 回到目标。这块芯片上的注意力第一次「长在自己身上」：输入残差流进来，Q/K/V 自己投出来，不用外面喂。离一台本地跑大模型的手机，又近一圈。下一层要补两块：现在 K/V 还共用一个槽位载荷（最小系统的简化），且投影还没接进多层块——下一圈把 K/V 拆开，让每一层都自己投影。