论文
ZhuLong：具备离线API自探索能力的执行驱动EDA脚本大语言模型智能体
ZhuLong: Execution-Grounded LLM Agent for EDA Scripting with Offline API Self-Exploration
摘要
使用工具专用且常常缺乏文档的API进行EDA脚本编写，仍是现有大语言模型（LLM）未能解决的长尾瓶颈。本文提出ZhuLong，一个面向PyAether与SKILL的执行驱动LLM编码智能体，它通过统一的MCP工具组合API检索、文档检查与沙盒执行，并由离线API自探索机制增强，该机制通过反事实实验推断未文档化API的行为。我们在EDA-Eval-PyAether上评估ZhuLong，这是一个包含158个真实任务、基于断言执行的基准，完整系统在商业Empyrean Aether环境中达到78.5%的Pass@1，显著优于纯LLM基线（23.6%）。消融研究确定沙盒执行是主导性能因素（移除时下降41.2个百分点），自探索机制额外贡献3.2个百分点的准确率提升，并将每任务工具调用减少22.1%。在涉及未保存版图与原理图的20个交互式任务上，ZhuLong在PyAether上达到60.0%的Pass@1，在SKILL上达到50.0%。
