基于大模型的Multi-Agent协作编排技术框架,构建质差定界定位智能体。大模型相当于大脑,智能理解质差定界定位诉求,同时编排调用其他DPI、CHR等小模型能力,实现质差定界定位。利用大模型的泛化能力及内容生成能力,识别多指标关联性,自动给出质差传播链路,生成质差定界定位报告。
目前在核心网工作台的质差管控已经形成,但是还存在多维数据质差定位能力欠缺,尚未充分挖掘多维数据价值,不具备质差的根因的分析路径的问题。
1.质差识别及根因定位的准确率,质差事件从识别至定位实时性由小时级压降至分钟级。
2.替代人工,大模型自动学习并生成质差定位规则,提高质差识别定位效率。
基于LLM多场景运维框架进行多agent协同编排,提升运维质差定界定位的智能化水平。
质差定界及定位。