代理式AI开启网络管理新时代
AI正在改变网络技术的面貌。该技术已能监控大量网络信息，包括配置数据、设备日志消息和监控数据。当网络出现异常行为时，AI会触发警报并说明异常原因，还能在问题发生时制定分步修复方案。
什么是代理式AI及其工作原理？
代理式AI是一种通过称为“智能体”的软件系统实现自主决策、独立行动的人工智能。AI智能体被设计为具有目标导向行为。在网络环境中，AI智能体致力于维持网络预期运行水平，并根据企业安全策略维护网络配置。
此外，代理式AI能展现一定环境感知能力，例如知道不应在业务时段重启交换机进行例行维护。与非代理式AI类似，代理式AI系统能制定多步骤计划并随环境变化调整计划。但AI智能体不仅能执行这些计划，还能在最小人力干预下更广泛地追求策略和行为目标。
代理式AI在网络管理中的应用
代理式AI持续循环执行OODA环的四个阶段——观察、定向、决策和行动，并在此过程中不断学习。其运作方式如下：
- 观察：识别网络中发生的状况
- 定向：基于历史学习成果分析理解数据
- 决策：根据数据确定应对措施
- 行动：执行决策
代理式AI需要借助其他工具在网络中行动。虽然具有自主性，但代理式AI仍需与系统其他组件（如设备、软件或API）交互以扩展能力。其网络交互方式包括：
- 编写通过API直接在物理或虚拟网络设备上运行的程序或脚本
- 通过API向其他管理工具发送请求完成任务，例如要求厂商网络设备的管理控制台立即推送软件补丁
- 使用智能体间协议（如模型上下文协议）促使其他AI智能体采取行动
某些情况下，AI智能体需与网络团队协作执行操作。有时因无法访问必要工具而无法执行操作，有时则需要人工干预，例如更换路由器故障网络接口或替换损坏交换机。
网络团队应在自身可接受的范围内尽可能赋予代理式AI自主运行能力
代理式AI应用场景与注意事项
AI智能体可能承担中等复杂度的网络运营职责，典型应用场景包括：
- 识别网络问题、诊断原因并实施修复
- 处理常规维护活动（如推送软件补丁）
- 在策略变更时对网络配置进行基于策略的调整
管理员可决定AI智能体在网络中的自主程度。希望保持控制权的组织可将AI智能体编程为仅限在特定明确定义场景中运行。追求效率的组织则可允许AI智能体在更广泛（但仍受限）范围内运行，或对其获准访问的内容进行独立操作。
需要注意的是，代理式AI仍是新兴概念。网络团队部署时应根据自身接受程度赋予自主权。多数组织正谨慎评估如何使用这些工具，因为网络团队对自动化工具未能达到预期、甚至因权限过大造成严重损害的经历记忆犹新。
因此，大多数公司最初会采用“人在回路”模式设计代理式AI策略，要求智能体实施计划变更前必须获得许可。当代理式AI证明自身能力与可靠性后，企业员工才会放心赋予更多责任与自由度。