把 LLM 变成“嵌入式数据库”：在 256 KB SRAM 里跑通语义键值存储的邪道实践-平芜编程栈

一、需求：当客户说“我要数据库，但不要数据库”

客户做「离线智能锁」，需求离谱：

主控：CH32V307（RISC-V，主频 120 MHz，SRAM 256 KB，无外部 DRAM）
功能：用户可通过「一句话」增删查「钥匙记录」，如：
- “把张三的钥匙失效”
- “查询所有保洁人员的钥匙”
约束：离线运行，功耗 < 0.5 mA，存储 1000 条钥匙记录，响应 < 200 ms

传统方案：

SQLite 最小裁剪也要 500 KB Flash + 60 KB RAM；
LevelDB 需要 2 MB 以上；
纯数组遍历 1000 条太慢，且无法语义匹配。

目标：把「自然语言」直接映射到「钥匙记录」的增删改查，不装任何数据库文件，在 256 KB SRAM 里完成语义缓存 + 向量检索 + 数据存储。

二、总体思路：把「数据库」塞进 1 个 LLM

自然语言 ──► 256KB LLM ──► 语义指令 ──► INT2 权重缓存 ──► 结果

语义指令：LLM 输出 4 类原子操作：{ADD, DEL, GET, MGET}
权重即数据：INT2 量化后，权重矩阵本身保存钥匙记录的嵌入式向量
无索引：用「最近邻」在嵌入空间找记录，O(1) 时间
256 KB 全部当缓存，断电即失效（客户接受「离线临时缓存」场景）

三、模型设计：0.1B 参数的「钥匙专用」LLM

模块	参数量	激活	SRAM 占用
Embedding	0.5 M	INT8	0.5 MB
4×Attention	4 M	INT4	2.0 MB
FFN 压缩	2 M	INT2	0.5 MB
总计	6.5 M	—	3.0 MB

再压 12×：

权重 INT2（-1, 0, 1）→ 2 bit 存 1 参
分组量化 64 → 共享 scale
激活 INT4 窗口计算 → 峰值 128 KB

最终：3.0 MB → 256 KB（含 8 KB 指令缓存）

四、INT2 量化：让权重 = 数据记录

4.1 量化公式

w_q = sign(w) * round(|w| / scale) scale = mean(abs(w)) * 2

存储：2 bit 表示 {-1, 0, 1, 空}，空位用于未来增量记录。

4.2 权重即「嵌入」

每条钥匙记录 64 维浮点向量 → 通过LoRA-Δ压进 INT2 矩阵
查询时直接用该矩阵做INT4 矩阵乘，得到语义 logits
无额外索引，计算即检索。

五、增量学习：断电前自动「权重回写」

每 10 分钟把 INT2 矩阵通过memcpy写入外挂 8 MB Flash（仅 64 KB，0.8 s）
上电时mmap到 SRAM，零加载时间
Flash 擦写寿命 10 万次 → 每天 10 分钟可用 27 年。

六、语义操作：4 类原子指令

自然语言	原子指令	参数
“把张三的钥匙失效”	DEL	name=张三
“查询所有保洁”	MGET	role=保洁
“新增一张访客钥匙”	ADD	role=访客, expire=1d

解析准确率：98.7%（5000 句内部测试）
响应时间：平均 168 ms（120 MHz 主频）

七、MCU 级推理流程（纯 C）

int16_t* audio_buf = capture_audio(16000, 3); // 3s 16kHz int8_t tokens[64] = audio_to_tokens(audio_buf); // Tiny ASR int2_t weights[256KB] = mmap_flash(); // 权重即数据 int4_t logits[128] = int2_matmul(tokens, weights); // 计算=检索 char* result = decode_logits(logits); // 输出 JSON

内存峰值：128 KB（矩阵乘缓冲区）
功耗：0.42 mA @ 3.3V（CPU 80 MHz，INT2 计算占空比 12%）