用于逆向工程遗留有限差分代码并翻译为Devito的AI智能体

为促进将遗留有限差分实现转换为Devito环境，本研究开发了一个集成AI智能体框架。该系统的混合LangGraph架构通过多阶段迭代工作流结合了检索增强生成（RAG）与开源大语言模型。智能体通过文档解析、结构感知分割、实体关系抽取和基于Leiden的社区检测，构建了一个广泛的Devito知识图谱。GraphRAG优化提升了跨语义社区的查询性能，这些社区涵盖地震波模拟、计算流体动力学和性能调优库。逆向工程组件通过对Fortran源代码的静态分析，为RAG检索导出三级查询策略。为给语言模型引导提供精确的上下文信息，多阶段检索流水线执行并行搜索、概念扩展、社区级检索和语义相似度分析。代码合成由基于Pydantic的约束治理，以保证结构化输出和可靠性。一个全面的验证框架将传统静态分析与G-Eval方法相结合，覆盖执行正确性、结构健全性、数学一致性和API合规性。整体智能体工作流实现于LangGraph框架，并采用并发处理以支持基于质量的迭代精化和状态感知的动态路由。主要贡献在于引入受强化学习启发的反馈机制，实现从静态代码翻译向动态自适应分析行为的转变。