English

方案介绍

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。

客户价值

核心网运维智能体有效缩短质差定界定位与处置时长,加速质差处置全流程闭环,提高运维智能化水平与业务可靠性。

核心功能

查看更多

优势特点

经典案例

质差定界定位

面向一线人员提供智能化质差定界定位支撑能力,通过多源数据Agent和功能性Agent等多个智能体模块的协调工作,实现知识问答、数据自查询、根因分析、报告生成等功能,有效缩短质差定位与处置时长,加速质差处置全流程闭环,提高运维智能化水平与业务可靠性。

多指标关联质差分析

综合采用黄金指标、拨测指标、告警、syslog、CHR、DPI等多模态数据进行质差智能识别。

更高效的编排技术框架

采用大模型的Multi-Agent协作编排技术框架,关联多源异构数据,利用大模型的意图理解、推理关联、调度编排、内容生成能力,实现核心网质差识别、定界定位及报告生成。

智能生成质差报告

利用大模型生成能力,自动生成质差报告,报告中给出质差根因及定位路径。

经典案例

某运营商核心网质差运维智能体

合作背景

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。

客户价值

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。

  

技术方案

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。

应用场景

质差定界及定位。