AgRefactor：自进化多智能体，将软件重构为 HLS 兼容代码

来自 arXiv 的最新预印本介绍了一个名为 AgRefactor 的系统，旨在利用大模型驱动的多智能体协作，将普通软件代码自动重构为可综合的高层次综合（HLS）代码，以缩短从概念到硅片实现的距离。

背景：软件到 HLS 的鸿沟

HLS 能够把高层语言描述转化为硬件实现，是 FPGA 与 ASIC 设计中提升生产力的关键路径。然而，真实世界软件往往依赖 HLS 工具链不支持的语言特性，且软件编程范式与硬件编程思维之间存在显著差距。已有的自动化重构方法与基于大模型的方案在灵活性、可扩展性和计算成本上各有不足。

AgRefactor 的核心设计

AgRefactor 是一套基于大模型的多智能体工作流，具备两个关键机制：

• 自进化记忆系统：在跨任务执行中持续积累与检索事实性与策略性知识，提升在未见过的程序上的鲁棒性与效率。
• 工具集成：智能体可在「大模型重写」与「工具自动变换」之间灵活切换，以控制成本并增强可扩展性。

实验结果

研究者在 11 个真实世界 HLS 基准上进行了评估，这些用例的代码长度达到此前同类工作最复杂案例的 5–10 倍。

• 在 11 个基准中的 9 个上，AgRefactor 优于或追平了当前最优的自动化重构工具，以及基于同一框架骨干构建的强基线大模型方案。
• 进一步的智能体驱动性能优化，在指令级调优方面相较 SoTA pragma 调优工具取得 6.51 倍几何平均加速。
• 相较已优化的开源设计，仍可获得 1.20 倍加速，且额外资源开销低于 20%。
• 系统完全自动化，并以开源形式发布。

意义与局限

AgRefactor 将多智能体协作、自进化记忆与传统程序变换工具有机结合，为「软件到硬件」的自动化迁移提供了一条新路径。不过该工作目前仅聚焦 HLS C/C++ 子集与特定 pragma 调优流程，且尚处于预印本阶段，未经同行评审。研究者已将代码开源，便于社区复现与进一步验证。