華為GTS推出NetCanvas解決Agent網路排障難題，透過可互動視覺拓撯大幅提升效率
為何重要
這項技術突破證明瞭「大模型+工具整合」是專業Agent落地的關鍵路徑。隨著通用語言模型的推理天花板顯露，運維、醫療、製造等產業依賴「外部工具」進行認知解除安裝的重要性將日益提升。這從側面印證了單純堆砌算力與引數已不足以解決複雜系統的自主化問題，系統架構師將扮演更核心的角色。
下一代大模型Agent在面對IP網路這種高動態、複雜系統時，常遭遇「拓撲失憶」導致認知超載，無法像人類工程師一樣利用空間記憶進行排查。華為GTS AI演算法團隊提出瞭解決方案NetCanvas，透過引入可互動的視覺拓撯機制，為Agent提供了一張可以動態更新與標註的「外部工作記憶」。
- 在CTBench通訊運維基準測試中，NetCanvas將Agent的綜合通過率從30.3%提升至54.5%。
- 面對雙防火牆或ECMP等高度依賴空間關係的場景，排障成功率由約10%躍升至約90%。
- Agent的平均探查步數從159步大幅縮減至113步，Token成本最高下降45%。
- 通過「領域佈局」最佳化視覺呈現，Agent不再需要在長文本中重構網路狀態。