AgRefactor：面向HLS兼容性与性能的自进化智能体工作流

摘要

高级综合（HLS）提供从概念到芯片的快速路径，但把真实世界软件转化为可综合的HLS代码仍具挑战——受限的语言支持与软硬件编程实践差距。既有自动化与基于LLM的重构方法部分解决该问题，但常缺乏灵活性、难以扩展且计算成本高。我们引入AgRefactor：基于LLM的多智能体工作流——把软件重构为HLS兼容程序。AgRefactor纳入自进化记忆系统——跨任务积累与检索事实和策略知识，改善对未见程序的鲁棒性与效率。为降本增扩，它集成自动化重构工具——使智能体平衡LLM驱动的重写与高效的工具基础变换。在11个挑战性真实基准中的9个上取得领先——这些基准比最复杂的可比任务长5-10倍。

AgRefactor：面向HLS兼容性与性能的自进化智能体工作流：论文配图 — 图 2：不同工作流程的一次性重构成功率总结。我们将 HLSRewriter 方法作为受控消融应用到我们的框架中（参见第 IV-A 节详细信息）。每个基线均使用 45 个内核进行测试。 “真实世界程序”类别包括来自真实世界软件存储库的合并文件以及“strassen”内核，而“简单内核”涵盖表二中列出的其余基准。所有基于 LLM 的工作流程均使用“GPT-5-mini”。现有方法在重构现实世界基准方面存在不足。