genRTL 专业知识库

通用LLM在训练时缺乏系统的ASIC/FPGA知识，编程辅助效果远不如高阶语言领域

依靠现有粗糙的HDL数据集训练的LLM，生成的verilog/SV远达不到工程化要求

没有ASIC/FPGA知识库，只是简单地优化Skill 并不能解决LLM在HDL领域频繁幻觉问题

有genRTL知识库，AI Agent获得实时更新并丰富的ASIC/FPGA知识库，至少提升HDL领域辅助编程50%以上准确率

来自实际工程化的genRTL知识库和已验证过的CBB库，帮助AI Agent大幅提升工程化落地效率和代码质量

genRTL知识库支持当前主流辅助编程工具：Codex，Cursor，Claude code，OpenCode，Copilot

知识库包含四大类

Spec2RTL

从 Spec 到 RTL，不靠猜，靠可检索的设计知识

1.常见接口知识卡片和CBB库：UART, SPI, PCIE, Ethernet, AXI, AXIS ...
2.经典控制场景知识库：仲裁调度, 分支预测，流控，维护表项，握手反压, ...
3.算法加速：提供图像，运动控制，通信，安全，深度学习等各领域python/MATLAB/C++ 模型转RTL参考知识库。

Spec2Plan

把长 Spec 变成可执行的设计方案

面对长篇工程 Spec，通用 LLM 容易丢上下文、漏接口、错连模块。genRTL Spec2Plan 将 Spec 转换为模块划分、接口定义、控制流程、关键状态机、验证策略和实现步骤，让后续 RTL 生成可落地的逻辑方案。

验证

每段功能RTL代码有 testbench 和 assertion 参考。

genRTL 提供 DUT module、testbench、SVA 断言和典型验证场景参考，让 Agent 在写 RTL 的同时考虑可验证性。不是等 Bug 出现后再补验证，而是在设计阶段就把协议约束、握手规则、状态转换、边界条件固化下来

Debug

AI Agent 调试RTL不再盲修

genRTL Debug 知识库覆盖 Verilog/SystemVerilog 编译语法、常见综合与实现错误与告警总结、CDC log、典型功能 Bug 案例。Agent 遇到报错和仿真失败时，不再反复试错，而是检索相似案例、定位根因、生成更小范围的修复补丁。

如何使用 genRTL 知识库

你可以安装已发布到公共 npm 仓库的 grtl CLI，在终端或 AI 编程工具中检索知识并安装 CBB；也可以通过 MCP 将 genRTL 直接接入 Cursor、Codex、Claude Code、OpenCode 等工具。

grtl CLI 使用手册

1. 安装或升级 CLI

需要 Node.js 20.12 或更高版本。软件包名称是 @genrtl/grtl，安装后使用 grtl 命令。

npm install -g @genrtl/grtl@latest
grtl --version

若刚发布的新版本暂时提示 ETARGET，请使用 npm install -g @genrtl/grtl@latest --prefer-online 刷新 npm 元数据。

2. 创建并配置 API Key

前往 Dashboard / API Keys 创建以 gtr_live_ 开头的密钥。密钥只显示一次，请保存到环境变量，不要写入代码或 Git。

Windows PowerShell

当前会话 + 用户环境变量

$env:GENRTL_API_KEY = "gtr_live_xxx"
[Environment]::SetEnvironmentVariable("GENRTL_API_KEY", "gtr_live_xxx", "User")

macOS / Linux

bash / zsh

export GENRTL_API_KEY="gtr_live_xxx"

Windows 用户也可以通过“开始 → 设置 → 系统 → 高级系统设置”打开环境变量设置，新建用户变量 GENRTL_API_KEY。设置后，请重启终端以及 Cursor、Codex 或其他 Agent。

3. 为 AI 编程工具安装 CLI Skill

在工程根目录运行带 --project 的命令，会把 genrtl-cli Skill 安装到当前工程；去掉 --project 则安装到用户全局配置。

grtl setup --cli --cursor --project
grtl setup --cli --codex --project

还支持 --claude、--opencode、--gemini 和 --antigravity。升级 npm 包不会自动修改已写入工程的 Skill；升级后请重新运行相同 setup 命令并重新加载编辑器。

手动配置MCP

MCP地址统一为 https://genrtl.com/api/mcp。以下是Cursor项目级 .cursor/mcp.json：

{
  "mcpServers": {
    "genrtl-knowledge": {
      "url": "https://genrtl.com/api/mcp",
      "headers": {
        "Authorization": "Bearer gtr_live_xxx"
      }
    }
  }
}

其他主流工具

Codex

~/.codex/config.toml

[mcp_servers.genrtl-knowledge]
url = "https://genrtl.com/api/mcp"
bearer_token_env_var = "GENRTL_API_KEY"

Claude Code

终端命令

claude mcp add --transport http genrtl-knowledge https://genrtl.com/api/mcp --header "Authorization: Bearer $GENRTL_API_KEY"

OpenCode

Linux: ~/.config/opencode/opencode.jsonc Windows: C:/user/Admin/.config/opencode/opencode.jsonc

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "genrtl-knowledge": {
      "type": "remote",
      "url": "https://genrtl.com/api/mcp",
      "headers": {
        "Authorization": "Bearer {env:GENRTL_API_KEY}"
      }
    }
  }
}

使用 Codex、Claude Code 或 OpenCode 的上述配置前，必须先设置 GENRTL_API_KEY 环境变量。设置方法请参考前面的“2. 创建并配置 API Key”，不要将完整密钥提交到 Git 仓库。

在工程上下文中直接检索

创建genRTL API Key，将MCP接入你常用的AI辅助编程工具，即可在编写Spec、RTL、Testbench或分析EDA报告时调用专业知识。

按套餐控制Free/Paid访问API Key限速与撤销不记录原始查询文本

隐私偏好