把认知图作为长期可推理的知识层，对接 LLM 完成入库与查询。两端结构对称——入库把自然语言压成节点 + 关系，查询把 query 压成关键节点集再回到节点 + 关系。 依赖：unit / ...

AI 写文档SKILL 定位 文档是人和 LLM 沟通、交流的中介。这个 skill 提供一套写文档的方法学——把"写一份文档"组织成自顶向下、和用户逐级讨论的过程。 写法 从大到小地设计一个文...

算力单元详细设计 把 [[Pipe]] 第 6 节 §208 的算力单元抽象展开到 RTL 起手前。每个计算实例 = 一条 engine pipe 实例。 0. 与 DMA 的同构关系 算力单元...

管道 Pipe 定位 本文档描述两层独立完整的管道抽象: 逻辑管道(上层,用户 API):用户面向的数据通路抽象,声明"数据从哪来、到哪去、要多少" Pipe(中层,硬件功能抽象):统一表达...

L1 单元详细设计 把 [[Pipe]] 第 6 节 §193 的 L1 抽象展开到 RTL 起手前。每条 cacheline = 一条 data pipe 实例。L1 是被动单元：无命令队列、...

DMA 单元详细设计 把 [[Pipe]] 第 6 节 §176 的 DMA 抽象一直展开到 RTL 起手前的最后一步。每条 channel = 一条 engine pipe；每个 sync c...

把一段自然语言（句、段、整篇）压成一张可遍历的 unit 图。 输入：自然语言文本——一句、一段、或一整篇。 输出：一张图——节点（主体 / 论元 / 谓词）+ 边 + 入口标记，整体表...

把自然语言压成机械可操作的图。 输入：自然语言。 输出：unit——把世界里持久成立的事实和逻辑骨架结构化下来。 思考 包括四种操作：比较、推理、整合、自洽——分别对应下面四条抽取原...

方法学 要求 需要设计一个健壮的系统，流程化，体系化，理论支撑 多层级的架构，层级解耦，独立迭代，不断增强 尽量端到端 本质上需要的能力和处理流程 语义解析，对“输入”的自然语言...

注重文档的编写和生成 因为Agent的特性，只能理解上下文内的东西 文档是Agent能快速上手的一个关键的途径 vibe 不要焦虑，你的工作窗口就是对话框+少量的文档diff 不...