通用的抽象

背景、需求

自动根据输入信息进行结构化建模 面向对象是编程的一种通用抽象，那AI能不能进行一种更通用，更符合人类的抽象模版？ 自然语言交互的方式进行项目讨论 通用抽象引擎， 通用NP问题解决，用于芯片制造，布局布线。 通用基础计算单元，算法基础范式

要求

怎么表达“抽象的程度” ,“抽象的能力” 怎么表达“对象”的行为（“方法”），对象除了属性还有方法

对象

所有都抽象为对象，对象的定义本身包含所有的约束，只要能生成出合格的对象就是符合约束

基础对象 对象的属性 组合对象 对象之间的转换关系 对任意事物的抽象，或者说约束。 AI试图生成符合要求的合格对象 AI试图生成对象的定义 示例

NetList -> 对象 -> 对象 -> PR结果 sequence -> 语言对象 -> sequence

编程语言/程序库/API

定义一个对象 对象的组合 对象之前的转换的方法

逻辑判断、运算 可以直接使用深度模型和梯度下降进行训练、求解 可以直接实现现在的LLM的需求

每个token就是一个基础对象 每个固定的句子就是组合之后的对象 token的输出就是转换之后的对象

LLM大模型的抽象解释

tensor：对象的属性 dot/gemm：对象的转换 对象的组合：attention 文生图的工作分析

输入一串的文本，经过抽象成内部的表达：一堆的“语言抽象出来的对象（不同层级）”的组合 转换成图像的抽象对象的表达 通过“图像对象”转换成图像 语言 -> 语言对象 -> 图像对象 -> 图像 端到端的训练，同时训练中间的3次转换的模型

应用

设计一个通用的思维方式，对基础模型进行按照通用的思维方式进行微调

以设计的固定关键字作为通用的接口，遵循一个通用的“模版接口”

作为AI的专用思考语言，思考的方式

作为人类和AI交互的接口，避免自然语言的不精确

在生产环境下描述需求是非常复杂的。他们不知道如何写提示词，描述不准确会导致 AI 的回复质量低下，进而使开发者失去信心。其次，是 context（上下文）的处理。在复杂工程中，如果 context 给得不对或给得太少，AI 就无法理解整个架构，可能会出现一些幻觉，比如新增错误的类或改错地方，这会导致准确率下降。

避免和解决，“许愿”式的交互——目前大模型的用户无法清晰描述具体需求，更像是在表达愿望

目前AI只能理解和生成一些低层级的抽象，不能生成和设计高层级的设计

对于辅助编程来说，只能实现一些固定简单功能的函数，对于复杂的类抽象设计不能实现，高层次的功能不容易描述和表达。

工程化接口

通用的抽象方法

派生/继承/重写：对基础对象进行扩展，复用公共的定义 对象的初始化的表达

构造函数，基类的构造 成员变量的实例化 引用-指针 组合：一个对象可以包含多个不同类型的定义/抽象，组合形成新的定义/抽象 变换：成员函数，定义一个支持一个或者多个定义/抽象的输入，输出一个或者多个定义/抽象 适用场景：isa的定义，建模的定义， 扩展到所有的抽象工作 定义一种简单的脚本语言，适用于通用的抽象表达

§§§§§§§§§§§§§§§§§§§§§§§§§§

继承， 初始化参数 构造函数 static

组合（实例化） 及初始化 调用构造函数

初始化序列，层层构造

方法（变换）

构造函数也是方法的一种

引用-指针

所有的成员变量都是被使用都是采用指针或者引用

构造函数是必须的吗？

python 作为config 被解析成ast，只是利用了python的语法,替代toml 动态解析python model + model运行

class axi4(logic): logic a logic b logic c

class axi4_m（clk_module）: def init(): f = logicFifo(axi4,8) logicFifo f

class INT8 class INT32 class INT64

class A: def Create(INT8, INT32) def Cycle(self, INT8, INT32) INT8 a1 INT32 a2

class B(A): INT64 b1

class C(): def init(A, B) A c1 B c2

class D(): def init(): d1() d2() d3(&d1,&d2) A d1 B d2 C d3