本文章的靈感來源于@Posibilitee的知乎文章"怎樣讓ChatGPT在其內部訓練神經網絡"。 ?

第一步：讓ChatGPT偽裝成Linux。

我先讓它偽裝成Linux，給它說你安裝了synopsys vcs2018以及uvm-1.1。

讓ChatGPT偽裝成Linux終端。然后把執行指令和你告訴它的話區別開來，這里用{}代表告訴它的話，而不帶{}統統是Linux指令。

創建一個驗證文件夾。

第二步：生成全加器的Verilog設計文件。

這里特地用{}偷偷告訴它在當前文件夾下，創建一個名為"adder.v"的文件，這個文件的內容是用verilog HDL語言實現一個全加法器。這個全加器有三個輸入和兩個輸出。三個輸入分別是兩個位寬為4bit的數據輸入，以及一個來自低位的進位輸入。兩個輸出分別是位寬為4bit的數據結果以及一個進位結果。

第三步：生成一套UVM Agent。

用類似的方式，創建一個名為“adder_agent.sv”的文件。該文件內容是使用UVM框架，實現一個全加器的agent。在這個agent中，需要包括interface class:adder_if，driver class:adder_driver，monitor class:adder_monitor, sequencer class:adder_seqr, env class:adder_env等組件。需要在env中對上述組件進行必要的創建和連接。這個agent中不需要包括啟動用例的過程。所有打印信息需要使用UVM_INFO的方式進行打印。

UVM的框架看起來還是挺像那么回事的。packet的成員是rand的，driver里竟然還get了interface……不過monitor的邏輯好像有些混亂……

第四步：生成Testbench頂層文件。

在當前文件夾中，創建一個名為“top_adder.sv”的文件。該文件內容是利用SystemVerilog語言和UVM框架，實現一個top頂層來驗證上述剛剛產生的全加法器。這個testbench中需要例化全加器的設計，然后用adder_if來與dut進行連接。同時，這個testbench中需要包含生成FSDB波形文件的語句。

看起來是Dump了FSDB的波形。

第五步：生成Makefile。

創建一個名為"Makefile"的文件，其中的命令包括compile、run、all。compile命令會使用vcs編譯我寫好的加法器文件和testbench文件，并生成.simv文件，同時將編譯日志命名為compile.log。run命令會進行vcs的仿真驗證，同時將仿真日志命名為run.log。

好了，現在我們看一下當前文件夾下生成了哪些文件：

現在設計文件、UVM組件、testbench和Makefile都齊活了，可以開驗了。

第六步：使用VCS進行編譯。

告訴他，在終端執行“make compile”，并在終端實時打印出編譯日志。

這個log看起來……嗯，挺像回事的。最后還給出了耗時：6.97s。

第七步：使用VCS進行仿真。

告訴他，在終端執行“make run”，并在終端實時打印出仿真日志。

可能是log太長了，chatGPT并未給出全部仿真信息。

最后，我們看看chatGPT的成果：

編輯：黃飛