Circuit OS：用自然语言生成经验证的电路设计、Arduino 固件与 SPICE 仿真

monickverma/cursor-electronics · Circuit OS: AI hardware compiler. Plain English to validated schematic, Arduino firmware, SPICE simulation and BOM. Runs on AMD ROCm via vLLM.

GitHub原文发布未知首次收录 2026-10-03上架 2026-10-03 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Circuit OS 是一个 AI 硬件编译器，用户用自然英语描述电路需求，系统输出经过验证的电路原理图、Arduino 固件、SPICE 仿真、物料清单（BOM）以及设计决策解释。其核心约束是 LLM 不直接撰写 SPICE、KiCad 文件或固件，而是只输出符合严格 IR schema 的结构化 JSON，随后由确定性编译器（ngspice、KiCad、Jinja2 模板等）生成产物，并通过 Pydantic 与硬件规则引擎做字段级校验和最多 3 次重试。项目支持使用 Claude 或通过 vLLM 在 AMD ROCm GPU 上运行的开放模型，包含硬件规则检查、后台仿真评分、补丁式修改、JWT 认证、限流、PostgreSQL 存储等能力。

# ai-hardware-compiler # Arduino # KiCad # SPICE # vLLM

核心能力与快速开始

★ 1 · Python

能做什么: 支持从自然语言描述出发，经意图解析与电路推理生成结构化 IR JSON，再由确定性编译器输出 ngspice 仿真、KiCad 原理图、可编译的 Arduino .ino 固件、BOM 和设计解释。内置硬件规则引擎检查悬浮节点、电压额定值、缺失的 I²C 上拉、RS-485 终端、PWM 可用引脚等；仿真以通过/失败（15% 容差）评分；支持“让 LED 更亮”这类补丁式修改，只改动被要求的部分；解释侧重于设计变更的后果。还提供实验性 PCB 布局引擎（含 A* 布线）、JWT 认证、限流、PostgreSQL 存储与 400+ 测试。v0.1.0 提供 DHT22 传感器告警、MAX485 Modbus RTU、带限流电阻的 LED、RC 低通滤波器、分压器五类模板。
适用场景: 适合需要将自然语言电路需求快速转化为可验证设计草案的场景，例如生成 Arduino 控制固件、进行 SPICE 电路仿真验证、导出 KiCad 原理图与物料清单、对现有电路做小范围参数调整（如改变 RC 滤波器取值），以及在 AMD ROCm 环境下用 vLLM 服务开放模型进行本地化部署演示。
项目形态: 可直接使用的工具
部署方式: 支持本地运行，Quick start 使用 docker-compose 启动 PostgreSQL 与 Redis，需配置 ANTHROPIC_API_KEY 或设置 AI_PROVIDER=openai_compat 接入 vLLM；Windows 下可用 start.bat 启动后端与前端。
主要依赖: Python 环境，FastAPI、Pydantic v2、Anthropic SDK 或 vLLM（OpenAI 兼容）、ngspice、Celery + Redis、PostgreSQL、Next.js、Jinja2；使用 Claude 需 API Key；在 AMD GPU 上运行需 vLLM 与 ROCm，并参考 docs/AMD.md。
使用限制: 作者标注 v0.1.0 仅提供五类模板，自由形式电路仍在路线图中；LICENSE 为 AGPL-3.0，修改或以网络服务方式运行修改版需以同许可证发布源码，商业授权需联系作者；未说明具体硬件门槛、API 成本或性能上限。
许可证: AGPL-3.0
最近推送: 2026-10-02 09:00

官方入门核对 README 依据 ↗

资料检查：2026-10-03 07:00 · 卡片整理：2026-10-03 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

程序员可用自然语言描述电路需求，由系统生成经过验证的电路原理图、Arduino 固件、SPICE 仿真、物料清单（BOM）及设计决策解释；LLM 只输出符合严格 IR schema 的结构化 JSON，再由确定性编译器（ngspice、KiCad、Jinja2 模板等）生成产物，并通过 Pydantic 与硬件规则引擎做字段级校验和最多 3 次重试，可用于嵌入式/硬件相关代码与设计的生成和验证。

查看内容依据

Describe a circuit in plain English → get a validated schematic, Arduino firmware, a SPICE simulation, a bill of materials, and an explanation of every design choice.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

local-rag-agent：面向闭域环境的带权限过滤与依据引用本地文档检索 RAG 原型

该项目是一个面向闭域环境的本地文档检索 RAG 原型，可将机密文档保留在内部网络中进行处理。项目涵盖本地文档导入、Excel 规范化、基于 access_level 的权限预过滤、Qdrant 混合检索以及附检索依据的回答生成，后端采用 FastAPI，推理采用 vLLM 与量化开源模型。作者在小型数据集上的检索与权限过滤验证效果良好，但明确指出最终回答存在数值判断错误，定位为课程演示可用、生产不可用，不保证回答正确性，也未覆盖大规范语料。

llm-inference-fault-tolerance：测量 LLM 流式推理服务崩溃时客户端所见的令牌异常

该项目是针对 vLLM 与 SGLang 的故障注入研究，考察 LLM 推理服务在生成中途崩溃时，流式客户端实际收到什么。基于 Llama 3.1 8B 与 AWS A10G 完成 86 次运行、430 次试验，比较朴素重试、重算、固定间隔 KV 检查点等恢复策略，并记录朴素重试与已交付文本矛盾、确定性模式加重算可精确恢复等发现；仓库包含论文、原始日志、分析制表脚本、故障注入工具与精确一次令牌网关。后续的 KV 检查点微基准与自适应策略尚未开始。

AI Runway：在 Kubernetes 上部署与管理大模型推理的多提供商平台

AI Runway 是一个 Kubernetes 原生平台，提供 Web UI 和统一的 ModelDeployment CRD，用于跨多个推理提供商部署和管理大语言模型。它支持浏览 HuggingFace 模型、一键部署、实时状态与日志监控、Prometheus 指标、GPU 成本估算，并集成 Gateway API 推理扩展和 Headlamp 插件。它兼容 vLLM、SGLang、TensorRT-LLM、llama.cpp 等推理引擎，通过提供商适配集成 NVIDIA Dynamo、KubeRay、KAITO、LLM-D 和直连 vLLM。

Chimeraforge：LLM 部署容量规划命令行工具

Chimeraforge 是一个本地优先、模型无关的 LLM 部署规划器，以 Python CLI 形式提供。用户可输入模型规模、HF 仓库或 Ollama 标签，以及 GPU 硬件与请求速率，工具会在（模型 × 量化 × 后端 × GPU 数量 × 并行策略）空间中搜索，并在 VRAM、质量、延迟、成本、能耗等门控约束下返回满足 SLO 的最便宜配置。每个数值都标注为 measured、extrapolated、derived、estimated 或 unknown 的来源，无需联网即可对本地注册表和目录进行规划。项目还提供 workload 流量画像、markdown 决策简报、MCP 服务器供 Claude/GPT/Cursor 调用，以及 suggest、measure、bench、safety 等共 25 个子命令。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。