AgRefactor：自进化多智能体工作流，高效转换软件为硬件代码

高层次综合（HLS）技术能加速从概念到芯片的实现过程，但将实际软件转换为可综合的HLS代码仍面临语言支持限制及软硬件编程差异等挑战。现有自动化及基于大语言模型的代码重构方法虽部分解决问题，但常缺乏灵活性、难以扩展且计算成本较高。

近日，研究团队在arXiv发布论文《AgRefactor: Self-Evolving Agentic Workflow for HLS Compatibility and Performance》，提出一种基于大语言模型的多智能体工作流AgRefactor。该系统创新性地引入自进化记忆机制，能够跨任务积累并调用事实性与策略性知识，从而提升对未见程序的鲁棒性与处理效率。为降低计算成本并增强可扩展性，AgRefactor整合了自动化重构工具，使智能体能在LLM驱动的代码重写与高效工具转换之间取得平衡。

在11项真实世界基准测试中（代码长度达以往研究最复杂案例的5-10倍），AgRefactor在9项测试中表现优于或持平当前最优的自动化重构工具及基于相同框架构建的强LLM基线。进一步的智能体性能优化实验显示，该系统相比现有最优的编译指示调优工具实现6.51倍几何平均加速，相比优化后的开源设计在增加不足20%资源的情况下获得1.20倍加速。该研究已实现全自动化并开源。