1. 为什么做一套“字义指令集”
折腾了三个周末,终于把伏羲-128 从想法变成了能跑程序的工具链。简单说,伏羲-128 是一套全中文的“字义指令集”,128 条指令,每条指令的名字不再是 MOV、ADD、SUB 这种英文缩写,而是“取、存、加、减、与、或、跳、停”这类直接带有语义的汉字。更关键的是,这些汉字不是简单翻译过来的助记符,而是真正参与机器码编码的“字义码”。配套的汇编器 fuxi-as、模拟器 fuxi-vm 也都写完了,斐波那契、冒泡排序、素数筛已经能在上面跑通。
这个项目想解决的,是我在教朋友计算机组成原理时看到的真实痛点:很多人第一次接触汇编,第一反应不是“CPU 怎么工作”,而是“MOV 到底是什么单词”。英文缩写对中文母语者多了一道记忆映射。既然指令集只是约定好的二进制助记层,为什么不能直接用汉字?我花了三个周末把这个问题变成一套可运行的设计,也算给自己一个交代。这篇总结我不打算写成论文,而是把设计思路、编码格式、工具链实现和踩过的坑一起整理出来。如果你也对指令集设计、自制 CPU 或者中文编程感兴趣,伏羲-128 应该能给你提供一个足够完整的参考样本。
1.1 从英文助记符到中文字义的观察
所有现代指令集里,助记符承担的任务都一样:把赤裸裸的二进制操作码翻译成人能看懂的符号。x86 用 MOV,RISC-V 用 LD/ST,ARM 用 LDR/STR。问题在于“MOV”“LD”这类缩写必须经过一次记忆转换,中文使用者才能真正理解它是“把数据从一个地方搬到另一个地方”。我在早期尝试里也走过弯路:直接建一张翻译表,把所有英文助记符改成中文,比如 ADD 对应“加”,SUB 对应“减”。验证后发现这仍然是“翻译”,不是“字义设计”,因为机器码层面根本不知道“加”是什么,汇编器只是把“加”当成 ADD 的另一个代号。而且遇到 MOV 这种一词多义的助记符就会卡住:MOV 可以搬立即数、搬寄存器、搬内存,一个“搬”字根本说不清楚。
所以伏羲-128 放弃了“翻译”路线,改走“字义编码”路线。核心思路是:指令本身就应该是一个语义完整、一义一字的汉字节点。比如“取”表示“从指定地址加载到寄存器”,“存”表示“从寄存器写入指定地址”,“加”表示“寄存器之间或寄存器与立即数做加法”,“跳”表示“无条件改变 PC”。每一个字就是一个最小的语义单位,在汇编器里查表生成字义码,在模拟器里用字义码决定执行动作,在反汇编器里再查表还原回汉字。这样整条工具链都把“字义”当作一等公民,而不是给英文字母做美化。
1.2 目标用户和设计原则
伏羲-128 的目标用户非常明确:正在学计算机组成原理的本科生、想搞明白指令集是怎么工作的极客、以及想用中文做底层教学实验的老师。它不是用来挑战 x86 或 RISC-V 的,更多是做一个“看得懂的指令集”,把传统指令集内部那些藏起来的约定翻出来给人看。因此设计时刻意守了几条原则:
- 一义一字,一字一码。每个基础字只有一个含义,宁可用双字词组,也不用多义字。比如“与”在中文里有很多用法,但在伏羲-128 里只代表按位与。
- 字义码必须留在机器码里。这不是普通的汇编助记符翻译,机器码里有一个专门字段存汉字对应的编号,方便反汇编和调试器还原。
- 指令数量控制在 128,不求多,但求覆盖数据搬运、整数运算、位操作、跳转控制和系统控制这几类常见场景。
- 先用模拟器跑通,再用传统数字电路思路反推译码难度。一个设计如果模拟器里都绕来绕去,上硬件只会更痛苦。
1.3 “128”这个数字不是随便拍的
一开始我拍脑袋定了 256 条,但列到一半发现大量指令其实只是“同一操作的不同寻址模式”,比如“加”可以分为寄存器加立即数、加偏移、条件加等等。与其把每条都当独立指令,不如把“基础字”和“变体”分开。伏羲-128 的最后方案是:32 个基础字 × 4 种变体 = 128 条指令。32 正好是 5 位字义码的全部空间,4 种变体占 2 位,5 加 2 等于 7,也就是 2 的 7 次方,128。这样指令编码非常干净,也给后续扩展留下了清晰路径。当然 28 个基础字已经能覆盖常用操作,剩下的 4 个字义码位作为保留,将来加浮点、向量指令时可以无缝扩展,不用推翻整个格式。
这个设计对初学者也
