用更少资源做更多事：基于 Agent-Skill 工作流的高效并行科学代码翻译

该工作把 HPC 代码跨框架翻译拆成翻译、编译诊断、执行验证三个自主 Agent，由裁决驱动的调度器按失败类型路由到对应修复技能，而非固定流水线盲目重试。在 30 个 HeCBench kernel 上于 CUDA、OpenMP、SYCL 间双向翻译，18 个模型与方向组合的验证正确率均高于基线，token 消耗最多减少 52.4%。适合关注 LLM 代码迁移与 Agent 编排的开发者参考，但结论限于三种开源模型和基准 kernel，未涉及大规模真实科学软件。