
Silogy
SiLogy Technologies, Inc. · Coding
Silogy entwickelt Viv, einen KI-Agenten, der auf Ihren eigenen Servern läuft und fehlschlagende Verifikationstests für Chips debuggt, indem er Code, Logs und Waveforms liest und daraus einen Fehlerbericht schreibt.

Über Silogy
About
Was ist Silogy
Silogy ist das Unternehmen hinter Viv, einem KI-Agenten für die digitale Design-Verifikation. Das Team durchlief den W24-Jahrgang von Y Combinator und stellte Viv im März 2024 auf Hacker News vor. Sie übergeben ihm einen fehlgeschlagenen Testfall samt Code, Log-Verzeichnis und Waveform-Dateien, und er findet heraus, warum der Test bricht.
Das Produkt zielt auf den langsamsten Abschnitt im Hardware-Zyklus: die Zeit zwischen einer roten Regression und dem Moment, in dem jemand versteht, was kaputt ist. Viv liest dieselben Unterlagen wie ein Ingenieur, nennt die Codezeilen und Signale, auf die es sich stützt, und macht daraus einen geschriebenen Bericht. Silogy spricht von bis zu 90 Prozent weniger Debug-Zeit, eine Angabe des Anbieters und keine unabhängige Messung.
Nichts läuft in einer Silogy-Cloud. Viv installiert sich in Ihrer eigenen Infrastruktur, die Designdaten bleiben also auf Ihren Rechnern. Der einzige ausgehende Verkehr geht an den LLM-Anbieter, den Sie eintragen.
Erste Schritte
- Installieren Sie Viv auf einem Rechner in Ihrem Netz über das einzelne Node.js-Paket und prüfen Sie, ob es sich im Terminal aufrufen lässt.
- Verweisen Sie Viv auf die Codeversion des fehlgeschlagenen Tests, entweder als Verzeichnisse oder als Filelists im Synopsys-VCS-Stil.
- Legen Sie Logs, Artefakte und Waveform-Dateien genau dieses einen Tests in einem gemeinsamen Verzeichnis ab.
- Hinterlegen Sie Ihren LLM-API-Schlüssel, starten Sie den Lauf und lesen Sie den Markdown-Bericht, den Viv zurückgibt.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Silogy.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Verifikationsingenieure
- RTL- und Designingenieure
- Kleine Chip-Teams ohne eigenen Debug-Spezialisten
Aufgaben
- Fehler der Nachtregeression sortieren
- Die Ursache eines hartnäckigen Tests finden
- Einen Fehler zur Übergabe aufschreiben
- Eine Korrektur prüfen
Szenarien
- Firmen, die ihren Entwurf nicht aus dem Haus geben dürfen
- CI/CD-Pipelines
- Einstieg in einen unbekannten Block
Wichtigste Funktionen
Eigenständige Ursachenanalyse
Viv startet bei einem fehlgeschlagenen Test und arbeitet Code, Logs, Spezifikationen und Waveforms selbstständig durch. Es markiert nicht nur die Fehlerzeile, sondern begründet, wo der Fehler wahrscheinlich sitzt, und nennt die Unterlagen dazu. Silogy beschreibt das Ergebnis als Vorschlag, den ein Ingenieur prüft, nicht als Urteil.
Waveform-Debugging im Gigabyte-Bereich
Viv liest FST-, VCD- und FSDB-Dateien und fragt das Signalverhalten direkt ab, statt alles in einen Viewer zu laden. Diese Form der Waveform-Analyse zählt bei langen Regressionen mit tiefen Spuren, wo der Unterschied zwischen einer beantwortbaren Frage und einer ausgelassenen liegt. Sie können auch ein bestimmtes Zeitfenster um den Fehler abfragen.
Betrieb ausschließlich in Ihrer Infrastruktur
Agent, Auswertung und gelesene Unterlagen laufen bei Ihnen. Der einzige externe Aufruf geht an die API des LLM, das Sie eingetragen haben. Für Teams mit Vertraulichkeitsvereinbarung gegenüber einer Foundry oder einem IP-Anbieter entscheidet diese Vorgabe oft darüber, ob ein Werkzeug überhaupt zugelassen wird.
Ihr eigenes Sprachmodell
Sie liefern den Schlüssel für OpenAI, Claude, Llama oder einen beliebigen vLLM-kompatiblen Endpunkt, und Viv arbeitet über dieses Modell. Modellwahl und Ausgaben bleiben damit in Ihrer Hand, und ein Anbieterwechsel erzwingt keinen Werkzeugwechsel. Wer Claude Code schon nutzt, kann Viv über diese CLI steuern.
Kommandozeile und CI/CD-Automatisierung
Viv bedient sich über eine schlanke CLI: Paket installieren, dann einen Lauf mit Code und Logs übergeben. Ist die Standardeingabe kein Terminal, wechselt es in den Headless-Modus und gibt einen Markdown-Bericht aus. Eine VS-Code-Erweiterung gibt es für alle, die Ergebnisse lieber im Editor lesen.
Wissensbasis, die mit dem Projekt wächst
Viv pflegt eine Wissensbasis, die sich mit Ihren Läufen aktualisiert. Mit der Zeit sammelt sie Kontext zu Ihrem Design, den Konventionen Ihrer Testbench und früheren Fehlern, sodass spätere Sitzungen mit mehr Vorgeschichte starten als die erste.
Vor- und Nachteile
Vorteile
- Die Einrichtung ist kurz: ein Node.js-Paket und ein Befehl zum Einreichen, kein Cluster vorab.
- Designdaten verlassen Ihre Rechner nicht, was die übliche Sicherheitsprüfung im Chip-Umfeld abräumt.
- Sie wählen das LLM und zahlen direkt an diesen Anbieter, die Modellkosten bleiben also sichtbar und rückholbar.
- Der Headless-Modus macht aus einem fehlgeschlagenen Nachttest eine Markdown-Datei, die Ihre CI ablegen kann.
- Berichte zeigen auf konkrete Codezeilen und Signale, sodass Prüfende die Begründung nachvollziehen, statt blind zu vertrauen.
Nachteile
- Es gibt keine öffentliche Preisliste. Sie müssen eine Demo buchen und mit dem Vertrieb sprechen, bevor Sie die Kosten kennen.
- Viv braucht einen fehlgeschlagenen Test sowie lesbaren Code, Logs und Waveforms. Eine Testbench erfindet es nicht und ein Setup, das nie lief, repariert es auch nicht.
- Die Qualität der Antworten hängt am angeschlossenen Modell, und lange Waveform-Sitzungen können eine spürbare Token-Rechnung erzeugen.
- Die eigene Dokumentation von Silogy räumt ein, dass Viv danebenliegen kann, jeder Bericht also weiterhin eine Ingenieursprüfung braucht.
Häufige Fragen
Viv ist der KI-Agent von Silogy für die digitale Design-Verifikation. Es nimmt einen fehlgeschlagenen Testfall, leitet die wahrscheinliche Ursache aus Code, Logs, Waveforms und Spezifikationen ab und schreibt auf, was es gefunden hat.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Silogy.
Alternativen zu Silogy
Base Code
Base44 (Wix) · Coding · ProduktivitätBase Code ist eine geteilte Cloud-Entwicklungsumgebung von Base44. Das Team beschreibt Änderungen an einem bestehenden GitHub-Repository im Chat, prüft sie in der Vorschau und reicht sie als Pull Request ein.
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
GitGlow
GitGlow · Coding · ProduktivitätGitGlow ist ein Git-Client für den Desktop, der Ihren Code und die Änderungen Ihrer KI-Agenten in einer Review bündelt, damit Sie vor dem Ausliefern sehen, was die Maschine verlässt.
