夜雨聆风
导语
大模型正在加速进入工程研发场景。但在 EDA 里，真正难的往往不是生成一段 Tcl，而是让模型能够稳定接入真实工具，持续调用原子能力，理解分析结果，并根据结果继续推进下一步优化。
这也是我们最近一直在做的一件事：不是把大模型做成一个会聊天的脚本助手，而是让它真正参与端到端 EDA 流程，成为一个能够执行任务、衔接步骤、持续迭代的 Agent。
围绕这一目标，浙江大学 IDEA 实验室构建了 OpenClaw 驱动的 EDA Agent 系统，并设计了配套的执行基础设施 FluxEDA。系统通过 Skills 组织 EDA 流程，以 MCP 提供标准化工具调用入口，并以 FluxEDA 作为面向真实 EDA shell 的统一执行底座。借助这套机制，稳定接入时序分析、逻辑综合、仿真验证和物理实现等 EDA 工具，并将它们逐步纳入大模型Agent 的可执行工作流。
一、为什么 EDA 需要 Agent 底座
图1：FluxEDA 范式转变
近年来，LLM+EDA 的工作不断涌现，但很多还停留在脚本生成、单点 demo 或 benchmark 优化层面。但真实数字设计流程真正需要的，是跨工具、跨步骤、可持续推进的执行闭环。工具入口分散、接口不统一、能力边界不清晰、运行状态难维护，这些问题不解决，再强的模型也很难承担端到端任务。
FluxEDA 要解决的核心问题是：如何把真实 EDA 工具链转化为大模型 Agent 可以稳定调用、可发现能力、可持续运行的执行环境。
二、FluxEDA 做了什么
FluxEDA 打通了 TCL gateway、Socket RPC 协议、Python/C++ SDK、CLI 和 MCP Server 等完整链路，并覆盖逻辑综合、时序分析、仿真验证和物理实现等典型 EDA 场景。与简单的脚本封装不同，FluxEDA 将原本分散在不同 shell 中的工具能力整理为结构化、可注册、可调用的原子 API，使 OpenClaw 能够进行能力发现，并通过统一 api_* 接口持续调用真实工具流程。
图2：FluxEDA 系统框架图
在实际 EDA 工具环境中，还有一个必须解决的问题：如何让大模型安全地操作真实工具。FluxEDA 并不直接向大模型暴露 EDA shell，而是通过MCP+Skill 机制对工具能力进行显式约束。FluxEDA 限制大模型只能调用预先声明的原子接口，从而在真实 EDA 工具与 Agent 之间建立了一层能力沙箱，既保证流程稳定运行，也避免 OpenClaw 直接操作 EDA 工具可能带来的非法操作风险。
总体而言，FluxEDA 解决的不是“如何调一个命令、跑一个工具”，而是“如何让 Agent 在真实工具环境中安全、持续工作”。
图3：FluxEDA+OpenClaw--大模型“自主接管”真实芯片设计和优化迭代流程
三、典型案例介绍
案例1：Post P&R 自动化 ECO
图4：FluxEDA 驱动的自动 P&R 后 ECO 修复
在真实 Post P&R 时序分析流程中，Agent 可以完成设计读取、设置 propagated clock 和 case analysis、生成 baseline timing 报告、抽取 setup 和 hold 关键路径，并进一步调用估计能力，判断 setup 问题是否主要可通过 size_cell 修复，hold 问题是否可通过 size_cell+insert_buffer 修复。
在这个案例中，Agent已经能够围绕真实的 post P&R timing 问题形成连续分析闭环。从建立分析环境，到提取关键路径，再到判断可能的修复方向，整个过程是连贯的，而不是一次性的命令拼接。
案例2：子库优化
图5：FluxEDA 驱动的自动标准单元库子库优化
在工艺和设计早期，为了快速启动数字电路流程，往往需要先定义标准单元库的 spec。一个很实际的问题是：如何针对特定电路裁剪出一个子库，使其中的 cell family 类型尽可能少，同时让面积和性能尽量接近全库综合结果。
在这个数字模块设计案例中，FluxEDA 配合综合与时序分析工具，从最小化子库出发，以面积为目标进行探索；再从面积较优的方案出发，做时序恢复和候选比较。这里的关键不只是跑通综合，而是 Agent 能根据综合结果和关键路径结构分析，持续推进基于分析结果的优化搜索。
四、这件事为什么重要
我们真正关心的，并不是大模型会不会写命令，而是它能不能成为 EDA 工程流程中的一个执行体。FluxEDA 的意义就在这里。它将真实工具适配、协议封装、能力发现和运行时管理组织为统一的系统层，让上层 Agent 不必直接面对分散的 shell 和杂乱的工具入口，而可以在 Skills 和 MCP 的支撑下，围绕完整任务持续执行。
端到端 EDA 不再只是一个停留在概念层面的想法，至少在若干具有代表性的分析与优化任务上，大模型 Agent 已经能够进入真实工具链，完成主要执行闭环。
结语
浙江大学 IDEA 实验室构建的 FluxEDA，并不是提出一个新的 AI+EDA 概念，而是形成一套已经打通主要系统链路、并在真实案例中验证过代表性流程的 Agent 执行底座。
结合 OpenClaw，以 Skills 组织流程，以 MCP 打通调用，以 FluxEDA 承接执行，我们希望把大模型进入端到端 EDA 这件事，继续往前推进一步：从“能写脚本”，走向“能真正执行流程”；从单点能力，走向系统能力，真正推动设计制造一体化技术发展。
