AgRefactor：用于HLS兼容性和性能的自我进化智能代理工作流

AgRefactor是一种创新的基于大型语言模型（LLM）的多代理工作流，专为将软件代码重构为可综合的高层次综合（HLS）代码而设计。HLS技术能够加速从概念到芯片的实现，但将真实世界的软件转换为符合HLS规范的代码仍面临诸多挑战，包括语言支持的限制以及软硬件编程实践之间的鸿沟。现有的自动化和LLM驱动的重构方法虽然在部分场景下有效，但往往缺乏灵活性、难以扩展，且计算成本高昂。

AgRefactor通过引入自我进化的记忆系统解决了这些问题。该系统能够跨任务积累和检索事实性与策略性知识，从而提升对新程序的鲁棒性和效率。具体而言，记忆系统存储了之前的重构经验，包括成功的转换模式以及常见的陷阱，使得代理在面对新代码时能够快速借鉴已有知识，减少试错成本。此外，该系统还支持知识的持续更新，随着任务的增多，记忆库不断丰富，性能也逐步提升。

为了进一步降低成本和增强可扩展性，AgRefactor集成了自动化重构工具。这些工具能够高效地执行诸如循环展开、数组分区等常见转换，而无需每次都调用LLM。代理被设计为能够在LLM驱动的重写和工具驱动的转换之间做出明智的决策，从而在保持灵活性的同时大幅降低计算开销。这种混合策略使得AgRefactor能够处理中等规模到大型的代码库，而之前的方法往往受限于小型程序。

在11个具有挑战性的实际基准测试中，AgRefactor在9个基准上的表现优于或匹敌最先进的自动化重构工具以及基于相同框架构建的强LLM基线。这些基准涵盖了从图像处理到通信协议等多个领域，代码长度比以往研究中最复杂的案例长5-10倍。例如，在JPEG编码器和FFT实现等测试中，AgRefactor不仅成功生成了HLS兼容代码，还保持了原始功能的正确性。

进一步的智能性能优化使得AgRefactor相比最先进的pragma调优工具实现了6.51倍的几何平均加速，相比优化的开源设计实现了1.20倍的加速，且额外资源消耗不到20%。这一加速主要归功于代理在内存访问模式和并行性方面的智能优化。AgRefactor完全自动化并已开源，为硬件设计自动化领域带来了实用且可扩展的解决方案。