🧂 Salt OS · 同心圆

第 16~18 环把「一步解码」的每个零件都做进了硬件：词嵌入查表、整网推理、LM 头、采样器、生成控制器。可把零件串成一步这件事，仍在核的软件里——每吐一个 token，核要：

sw EMB_TOK → lw EMB_X → npu.net → npu.wait → npu.rd
→ sw LM_X → sw LM_START → 轮询 LM_BUSY
→ sw SMP_START → 轮询 SMP_BUSY → lw SMP_TOKEN
→ sw GEN_STEP_W → 轮询 GEN_DONE

十几条访存，每一次「谁先落地、忙闲什么时候看」的时序都压在软件肩上。真手机每吐一个字都走一遍，核就成了那条「串零件的传送带」。本环把「一步」本身收进硬件：核给一个 token、一条 npu.step，引擎在片内自己把词嵌入 → 整网 N 层 → LM 头 → 采样器 → 生成控制器登记串完。

新增 rtl/step_gen.sv：一个固定顺序的状态机 EMB → NET → LM → SMP → COMMIT → FIN。每一级都是「先发单拍 start，再等 busy 落下」；忙闲采样在发令后若干拍才判完成，避免「引擎还没忙起来就被当成做完」。片内直连：词嵌入查表结果直接当整网输入，整网输出直接当 LM 头输入，采样出的 token 直接交给生成控制器登记——核一个字节都不搬。

ISA：核升 v12，在 custom-1 下加 funct3=001：

npu.step  rs1, rs2        rs1 = 这一步的输入 token，rs2 = 整网层数
npu.wait                 一步没跑完，整条流水线冻在这条指令上
npu.rd rd, sel=8         这一步吐出的 token
npu.rd rd, sel=9         自开新生成以来跑了几步
npu.rd rd, sel=10        状态 {gen_count, gen_done, …}

npu.rd 的选源从 funct7[2:0] 放宽到 funct7[3:0]（8/9/10 是新增的一步生成读回；0~7 编码一位不动）。npu.wait 的忙闲一并覆盖一步生成（step_busy | step_go_pulse | 指令拍），所以「一步没完，核不往下走」是硬保证。

min_bus 新页 0x890~0x8B8：STEP_TOK（MMIO 路径输入）、STEP_LAYERS、STEP_GO、STEP_BUSY、STEP_N（本次生成跑了几步）、STEP_TOKOUT、STEP_STATUS、STEP_CORE（核写入口寄存器的次数）、STEP_RST、STEP_ST（启动次数）、SCREEN19。前 43 圈地址映射一字不改，老路径一条不删。

把主路解码循环整段换成「六步、每步一条 npu.step」，其余一字不动——如果一步生成与「十几条访存」有任何一位不同，后面那一长串 SCREEN 立刻对不上：

单元仿真 tb_step_gen：三个替身引擎（整网/LM/采样）按拍数忙闲——一步只发一次每级脉冲、忙时再发 start 不重入、词嵌入/LM 输入片内直连、busy 期间不早退、clear 归零、多步串联 token 链与模型逐位一致。

协同仿真 tb_min_soc44：六步 npu.step 跑完整段生成，token 序列 [0,2,0,0,0,3] 与老路径逐位相同，SCREEN/2/3/4/…/18 与第 25~43 圈逐位一致，SCREEN19=0x06000203。全量回归 75 项全绿。

其一（脉冲默认值，第 38 环那颗钉子的同一面）。step_rst_pulse 只写在复位分支里，没进「每拍默认拉低」的块——于是 STEP_RST 写过一次之后，它永远高，step_gen 的 clear 每拍都在清，tok_out/steps 永远是 0。偏偏第一步的期望 token 就是 0，自检通过了；到第二步才炸。教训：单拍脉冲必须在每拍默认块里拉低，只写复位分支 = 常高；而且「第一步恰好为 0」会让假绿看起来像真绿。

其二（12 bit 有符号偏移）。0x8A0 起的新页超过 0x7FF，0x8A0(x0) 汇编会被当成负数偏移。必须 li a6, 0x890 再用页内偏移——与第 43 环 a6=0x870 是同一颗钉子。

其三（老程序的隐含寄存器约定）。收尾段一直假设 t1 == 1（sw t1, WC_START / MHA_START 都靠它）。本环的 SCREEN19 计算把 t1 用来装 STEP_CORE，算完停在 0——滑窗引擎再也没被启动，两个窗口读到全 0、指纹相同，在第 2 阶段自曝。教训：接手老程序时，寄存器是有隐式约定的；改完要还原（li t1, 1）。

其四（一个寄存器两个驱动）。把核的 npu_step_tok 输出直接接到 step_tok_r（MMIO 写的同一个 reg），等于让核和总线同时驱动它——Verilator 直接报 BLKANDNBLK。正确做法：指令操作数是独立 wire，引擎入口做二选一（指令拍用操作数，MMIO 用寄存器）。

其五（读回位宽）。npu.rd 的选源原来只有 3 bit，8/9/10 会在译码时被截成 0/1/2——一步生成的读回会静默变成「整网输出」。位宽要跟着选源一起放宽到 4 bit（funct7[3:0]），且 0~7 的旧编码保持不变。

到这一环，一次解码对软件只剩一句话：「给这个 token，跑一步」。词嵌入怎么查、整网跑几层、LM 头什么时候启动、采样怎么抽、生成控制器什么时候登记——全在片内按固定时序自己走。核从「串零件的人」退成「发一步、等一步、读一个 token」的调用者。

对一台手机的意义：生成一个 token 的固定开销，从十几条总线访问缩成三条指令；驱动不再需要记住「先写谁、再等谁」，也不会因为顺序写错而静默变慢。更重要的是一步的语义边界清楚了——「一步生成」是一个不可分割的硬件动作，这正是后面把「整段生成」也收进一条指令的地基。