AI如何远程操纵Virtuoso？开源一套新桥梁
作者： 张托肯
来源： 微信公众号「张托肯用AI」
最近，数不清的人问我：
你是怎么用龙虾、或是在 Mac 上远程连接 Virtuoso 的？
是的，我们有一套桥接工具。
核心特点包括三个：
特点一：Agent 原生
特点二：多重交互
特点三：专家级预置
这一切都始于 2025 年 3 月，我们试图将 LLM 接入模拟芯片 EDA 环境的那些实验。
起初，我们也调研过 skillbridge 等现有方案。但在真实的 EDA 服务器环境面前，现实很骨感：服务器版本老旧、大规模 SKILL 脚本的兼容性、跨网段远程连接的稳定性…… 每一个坑都让原有方案难以招架。
既然没有现成的路，那就自己造一套。
我们逐渐打磨出一套能稳定控制 Virtuoso / Spectre / Calibre 的完整工具链，并已在 28nm 流片中得到验证（相关工作之一发表在 AAAI 2026）。
为了打破次元壁，让更多人能真正走进 AI 设计时代，如今我们将这套核心能力“蒸馏”出来，去掉一些束缚，推向开源。
开源仓库地址：https://github.com/Arcadia-1/virtuoso-bridge-lite
绘制反相器原理图：
仿真五管放大器：
优化五管放大器：
是不是已经有点像一个有模有样的初学者了？
在深入细节之前，看看 AI 怎么评：
01 特点一：AI 原生
本库最大的特点是 AI 原生，从“为用户着想”到“为用户的AI着想”。
本项目从底层逻辑上就是为 AI Agent 定制，鼓励完全使用 Agent 接管。
AI 读、AI 用、AI 改。
人类用户只需要负责点个 star 即可。
自带 Agents.md：等效于在 claude code 中使用/init，让 AI 迅速理解与上手。
内置技能包（Skills）： 封装了 Virtuoso、Spectre、Optimizer 三大核心模块。
Agent 加载后即可具有原理图编辑、版图绘制、仿真优化的自主操作能力。
CLI 化： 远程连接的时候，每次重新建立连接非常慢。阻碍 agent 迭代速度，所以做了一套 ssh 常驻进程，并且该进程管理被抽象为高效的命令行接口（CLI），为 Agent 的高频、异步调用而优化。
原理内核：附赠了一套去除一切外壳，只保留最核心的交互机制的内核，方便用户及其 AI 的理解和二次开发。
它不是一个僵化的静态工具，而是一块橡皮泥，提供第一性原理级别的核心逻辑，用户可以引导 AI 根据基本原理直接重写或扩展功能。
这是一种真正的可重构：每个人的工具能够随任务需求自主演进，而非受限于既定代码。
这个库本身，其实也是一次 “用 AI 重构 AI 工具” 的实践。
我让 AI 直接阅读项目库，把桥接工具链直接“蒸馏”出来，根据这个干净的模块进行修改和发布。
项目信息和与工艺强绑定的物理验证部分（DRC、LVS、PEX 等）被自然剥离。
02 特点二：多重交互
本库的第二个特点是多重交互，分层封装 skill 命令，按需选择控制粒度。
其实，各种桥接的底层机制都是依赖 Cadence 原生的 ipcBeginProcess 通信结合 evalstring 执行 skill 命令。
虽然解决了“能不能通”的问题，但在大规模执行时（尤其是需要远程的情况下），单一的交互粒度容易成为效率瓶颈。
结合我们的实用需求，我们的这套工具支持三层 skill 交互范式，丰俭由人，可按任务复杂度自由选择：
Level 1：原子级粒度（与 CIW 完全等效的底层控制）
单句执行任意 skill 命令，调用 Virtuoso 原生底层能力。
操作规模提升之后，逐句发送的效率很低。
支持将多条 SKILL 命令封装为指令列表一次性发送。
这种“批量提交”机制大幅减少了进程间的握手次数，能提升大规模操作的执行效率。
Level 2：脚本级粒度（一键加载 .il 脚本文件）
Python 专注逻辑调度与流程控制，而将成熟任务交给沉淀好的 SKILL 资产。
例如，调用 skill 文件，在 CIW 窗口中打印一首十四行诗（Sonnet）。
当然，我们也可以进行截图、读库等各种封装好的操作。
Level 3：对象级粒度（像操作 Python 对象一样编辑版图与原理图）
这是适合 AI Agent 的交互模式。我们对电路的“增删查改（CRUD）”进行了高度抽象，将其封装为 Python 对象操作。
无需感知语法： Agent 只需要像操作标准 Python 对象一样调用接口，无需学习复杂的 SKILL 语法。
这种粒度分层对 Agent 是有意义的。
不同的方法适用于不同的场景，可以按需剪裁。
当高层 API 无法满足特殊需求时，Agent 可以“降档”使用原子命令。
Agent 可以根据任务规模自动选择是“逐句执行”还是“脚本注入”，在远程高延迟环境下依然保持效率。
Python API 将复杂操作变成 Agent 熟悉的语言，降低 LLM 的幻觉概率。
另外，我们还支持原理图或版图的截图和回传。配合多模态感知，AI 可以实现视觉纠偏与布局评估。
我们也打通了修改网表、数据传输、调用 Spectre 仿真、回传及解析结果的链路。
总之，我们通过构建这套多维交互工具链，将 Agent 的认知与执行能力扩展至模拟与混合信号设计的深水区。
下面的表格展示了我们与 skillbridge 的异同。
03 特点三：专家级预置
我们的第三个特点是预装了一些实用招式，可以作为人类用户或者 Agent 用户的参考。
基础连接与验证，原理图、版图的增删查改，读库、读图，各类仿真。
绝大部分 skill 在没有特定工艺库（PDK）的情况下也能跑通。
至于仿真，只要你能配好环境，你自己导出一份网表，让 AI 处理一下替换进去，就能跑。
剩下的功能，欢迎大家自己去探索和扩展。
04 尾声
哪怕是像龙虾一样的纯小白，在 Agent 的加持下也能快速上手，体验一把指挥 EDA 的快乐。
如果你也想让自己的 AI 操作 Virtuoso，欢迎来探索、试用和交流！
仓库地址：https://github.com/Arcadia-1/virtuoso-bridge-lite
关键词： AI, Virtuoso, 开源, 远程控制, EDA
原文链接： 点击查看微信原文
GitHub仓库： https://github.com/Arcadia-1/virtuoso-bridge-lite
评论(0)