NetFlow-DSR：用LLM解释器件并以确定性图验证诊断信号可达性

诊断信号可达性（DSR）描述板级健康信号能否被基板管理控制器BMC、复杂可编程逻辑器件CPLD等管理控制器观测。在同一设计大规模部署的数据中心设备群中，验证DSR对现场诊断很重要，却仍大体依赖人工逐一追踪跨原理图页、改名网络、串联元件及监控器件的信号。LLM很有吸引力，但对结构连通性的推理并不可靠，特别是面对改名或间接观测的信号时，过度断言可能悄然掩盖罕见的覆盖缺口。我们提出NetFlow-DSR，一个由LLM端到端编排DSR流程的神经符号框架。模型主要根据器件名家族与库引脚名解析器件角色，仅对少数仍有歧义的器件查阅规格书。引脚方向直接读取设计库，确定性图引擎在权威网表上验证连通性。流程识别诊断网络，归一化改名的网络片段，以控制器为起点，在考虑供电及器件间接监控的准入图上做广度优先搜索。每个结论带有逐信号可审计轨迹卡，以证明路径为见证。在一个AI平台的五块生产板、421条专家评级的范围内信号上，三阶段消融使汇总F1从0.578提高至0.944。由于只有存在证明路径才发出“已监控”结论，验证器按构造保证可靠性，所测数据中的精确率和特异性均为100%。在系统控制器模块的跨模型复现中，三个LLM的精确率仍为100%，召回率则随各模型的器件语义提取能力变化。因此精确率依赖基于网表的验证器和正确器件语义，而非某个特定LLM。