ContractHIL-HLS：面向契约对齐的多智能体工作流与硬件在环反馈用于HLS设计

论文提出ContractHIL-HLS，一种基于契约的多智能体工作流，用于高层次综合（HLS）工程。其贡献包括：引入结构化契约将自然语言需求转为显式接口、约束和回滚规则；将HLS、Vivado、PYNQ运行时等硬件信息反馈到生成中，扩展LLM辅助HLS至系统级和板级闭环；按语义降级和执行任务分解智能体。在94个HLS-Eval任务上，结构化契约使测试台通过率从64.0%提升至70.2%，完整流程达70.4% pass@1和76.6% pass@5。在板级测试的后量子密码安全消息加速器上，文本运行时间从207.3ms降至52.4ms。

以往LLM辅助HLS多限于内核代码，缺乏系统级和板级闭环；本工作通过硬件在环反馈和结构化契约，将HLS设计从单点代码生成推进到需求驱动、可验证的板级验证流程，显著提升了通过率和性能。

结构化契约将自然语言需求转化为机器可执行的接口、约束和回滚规则，确保语义对齐；硬件在环反馈将实际HLS、Vivado、PYNQ等运行时信息回注给生成模型，驱动代码修正；多智能体按语义降级（需求→契约→HTML→实现）分工，降低设计复杂性并实现闭环迭代。

该工作流可直接集成到FPGA/ASIC设计工具链中，使开发者以自然语言描述需求，自动生成并优化HLS代码和板级验证，减少手动调试时间。在PQC加速器等特定场景下，运行时间降低约75%，有望提升硬件设计效率和产出质量。

• 基于该工作流开发AI辅助HLS设计插件，集成到Vivado或开源HLS工具链中。
• 为后量子密码、AI加速等特定领域提供contract-aligned自动化设计服务。
• 面向硬件团队推出以契约为中心的代码生成+验证平台，降低HLS入门门槛。

• 该工作流在更广泛HLS设计任务上的泛化能力如何？
• 硬件在环反馈的实际部署成本与集成到已有流程的难度？
• 与现有商业HLS工具（如Vitis HLS）相比，在准确度和效率上有多大差距？