代理式AI引领网络管理新时代

人工智能正在改变网络管理的面貌。该技术已能监控各类网络信息，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，还能在问题发生后制定分步修复方案。

什么是代理式AI及其工作原理？

代理式AI是一种通过软件代理系统实现自主决策、独立于人工干预的AI类型。AI代理被设计为展现目标导向行为。在网络环境中，AI代理致力于维持网络预期运行水平，并依据企业安全策略保持网络配置。

此外，代理式AI能展现一定环境感知能力，例如知晓不应在营业时间作为常规维护重启交换机。与非代理式AI类似，代理式AI系统能制定多步骤计划并根据环境变化调整计划，但AI代理还能执行这些计划，并在最少人工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持续循环运行OODA闭环（观察、定向、决策、行动），并在此过程中不断学习。其运作流程如下：

• 观察：识别网络中发生的状况
• 定向：基于历史学习分析理解数据
• 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
• 使用代理间协议（如模型上下文协议）促使其他AI代理采取行动

某些情况下，AI代理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所需操作，其他时候则需要人工干预，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部署具有最大自主权的代理式AI功能

代理式AI应用场景与注意事项

AI代理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、诊断原因并解决问题
• 处理常规维护活动（如推送软件补丁）
• 在策略变更时基于策略调整网络配置

管理员可决定AI代理在网络中的自主权限级别。希望保持控制的组织可将AI代理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代理在更广泛但仍受限的范围内运行，或在其获准访问的任意内容上独立操作。

代理式AI仍是新兴概念。网络团队应谨慎评估这些工具的使用方式，多数企业最初会采用“人在回路”的代理式AI策略，要求代理必须获得授权才能实施计划变更。当代理式AI证明自身能力可靠后，企业才会放心赋予更多责任和自由度。