🧂 Salt OS · 同心圆

同一个圆心：一台开机只有一个 AI 的手机。上一环注意力的 Q/K/V 终于由残差流投影出来了，但还有两处「简化」撑着：一是历史 K/V 挤在同一条槽位载荷里——算分引擎（读 K）和加权引擎（读 V）只能分时抢同一个读端口，而且「K 的长度」和「V 的长度」被迫绑成一个数；二是投影权重只有一套，多层堆叠时每一层只能共用同一组权重。真模型里 K 和 V 是两份不同的张量：各自投影、各自缓存、各自被不同的引擎消费；而每一层都有自己的一套 Wq/Wk/Wv。这一环把这两处补齐——K/V 分离 + 投影按层驻留，接进多层块。

延续「端上紧凑、全定点、权重 INT4、激活 INT8」的主线，新增一个引擎 kv_split，并给多层投影另开一页寄存器：
· K bank / V bank 两份独立存储——各有自己的追加端口与写指针（k_len / v_len），也各有自己的读端口。算分引擎只读 K bank，加权引擎只读 V bank，两个引擎可以真的同时读，不再分时抢同一个端口；K 的长度和 V 的长度也就解绑了；
· 两个 bank 都按「层」分区（每层一套独立指针）——第 ℓ 层追加的 K/V 只进第 ℓ 层那一格，第 ℓ 层算分只看得到第 ℓ 层的 K，层与层互不串扰；
· 投影权重按层驻留——新增 ql_w[层][矩阵]（每层一套 Wq/Wk/Wv），核给一个层号 + 一条残差流，硬件就用那一层的权重算出那一层的 Q/K/V；
· 只扩不推翻——新增一页寄存器（0x300 起），用页码守卫把它和前 14 圈的老映射隔开，老地址一个字不动；KVS_MODE=1 时两个引擎才改读分离后的 bank，默认还是老行为。

新增 rtl/kv_split.sv：K/V 双 bank，独立指针 + 独立读端口 + 按层分区：

K bank：append → k_mem[层][槽] ，写指针 k_len[层] 自增（满则丢弃）
       读端口 → 1 拍延迟（算分引擎专用）
V bank：append → v_mem[层][槽] ，写指针 v_len[层] 自增（与 K 完全独立）
       读端口 → 1 拍延迟（加权引擎专用，与 K 端口彼此独立）

min_bus.sv 挂载并新映射（K/V 分离页，0x300 起）：

0x300 → KVS_K_APPEND  写 1 → K 进本层 K bank
0x304 → KVS_K_DATA    待追加的 K（D 个 INT4 打包）
0x308 → KVS_V_APPEND  写 1 → V 进本层 V bank
0x30C → KVS_V_DATA    待追加的 V
0x310 → KVS_LAYER     当前层号（决定读写哪一层的 bank）
0x314 → KVS_MODE      1 = 引擎改读分离后的 K/V bank
0x318/0x31C → KVS_K_LEN0/1   逐层 K 长度（与 V 各自独立计数）
0x320/0x324 → KVS_V_LEN0/1   逐层 V 长度
0x328/0x32C → KVS_K_RD/RDATA 核读回 K bank
0x330/0x334 → KVS_V_RD/RDATA 核读回 V bank
0x338/0x33C → QL_W_LO/HI     待提交的半矩阵（行 0~1 / 行 2~3）
0x340 → QL_W_SEL     提交到 ql_w[层][矩阵]（{层, 矩阵}）
0x344 → QL_X         本层投影输入：残差流
0x348 → QL_LAYER     用哪一层的投影权重
0x34C → QL_START     写 1 → 用本层权重投影 Q/K/V
0x350/0x354/0x358 → QL_Q4/K4/V4  投影结果（INT4 饱和打包）
0x35C/0x360/0x364 → QL_Q8/K8/V8  投影结果（8bit 全精度）
0x36C → QL_BUSY      多层投影引擎忙闲（含刚下发那拍，无空窗）

最小 OS：两层块，每层都走完整的一圈（自己投影 → 自己 K/V → 自己注意力 → 残差 → FFN → 残差）：

层 ℓ：LST_X（本层输入残差流）
   ① 历史 token 投影（本层权重）→ K 进 K bank、V 进 V bank（各自指针）
   ② 查询 token 投影（本层权重）→ Q 喂算分引擎，K/V 也各进各的 bank
   ③ QK^T（读 K bank）→ Softmax → 加权 V（读 V bank）
   ④ RSN(a=注意力输出, b=本层输入)   # 残差 + LayerNorm #1
   ⑤ FFN（归一化输出）              # 前馈两层
   ⑥ RSN(a=FFN 输出, b=LN#1)       # 残差 + LayerNorm #2
      LST_ADV（残差流锁回 XSR，层号 +1；K bank / V bank 各报长度）
最后读回 XSR → 屏幕

这一环最直观的是「K 和 V 真的是两份东西，而且每一层真的是自己投影的」，每一步都能手算对得上：
· 层 0 输入残差流 x=[6,-4,3,-5]，历史 token [1,2,0,-1]；投影 Q=[3,5,6,2](P=0x2653)、K=[6,-4,3,-5](P=0xB3C6)、V=[2,2,2,2](P=0x2222)。算分只读 K bank：分数 [11,6]，Softmax 权重 [254,1]（分歧极大，注意力几乎全压在历史那条上），加权 V（读 V bank）得 [3,3,3,3]；
· 残差 + LN #1 → [5,-4,2,-5]，FFN → [7,7,7,7]，残差 + LN #2 → 层 0 输出 [5,-3,2,-4]，锁回 XSR；
· 层 1 用自己那套权重从新的残差流再投影：Q=[3,4,5,2]、K=[5,-3,2,-4]、V=[7,7,7,7]；分数 [6,5]，权重 [187,68]，加权 V 得 [5,5,5,5]；再走两个残差 + LN 与 FFN，得到最终残差流 [7,-5,3,-6]；
· 屏幕 0xFA03FB07 = 4194564871，与软件参考模型逐位一致；K bank / V bank 的长度各自独立计数（层 0 与层 1 各 2 条，互不串扰）。
单元仿真另外验证了 kv_split 的四条铁律：K 追加 2 条、V 追加 1 条时两份长度各算各的；往层 1 追加不改动层 0；K 端口与 V 端口同一拍同时读各自取回各自的数据；写满 DEPTH 后继续追加被丢弃、长度不变。

本环走完一整圈：目标 → 真模型里 K/V 是两份张量、每层有自己的一套投影权重，共用一份载荷和一套权重是「假的多层」 → 硬件把 KV 存储拆成 K bank / V bank（独立指针、独立端口、按层分区），并把投影权重按层驻留、接进多层循环 → 两层端到端跑通、单元仿真 + 协同仿真 + 回归 16 项全绿 → 回到目标。这块芯片上的多层块第一次「每层都是完整的」：自己投影、自己 K/V、自己注意力。离一台本地跑大模型的手机，又近一圈。下一环补最后一块：现在残差流跑完还是要靠核读回屏幕——下一步让芯片自己从残差流算出下一个 token（LM 头 + 采样），把生成的字追加回 KV bank，真正「一个字一个字自己往下写」。