代理AI开启网络管理新纪元
人工智能正在重塑网络管理格局。该技术已能监控包括配置数据、设备日志消息和监控数据在内的广泛网络信息。当网络出现异常行为时，AI会触发警报并分析异常原因，还能在问题发生后制定分步修复方案。
什么是代理AI及其工作原理？
代理AI是一种通过软件代理系统实现自主决策并独立于人工干预的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，并确保网络配置符合企业安全策略。
此外，代理AI可展现环境感知能力，例如知道不应在业务时段作为例行维护重启交换机。与非代理AI类似，代理AI系统能制定多步骤计划并根据环境变化调整方案，但AI代理还能执行这些计划，并在最小人工干预下更广泛地追求策略和行为目标。
代理AI在网络中的实践
代理AI持续循环运行OODA四阶段模型（观察、定向、决策、行动）并在此过程中不断学习：
- 观察：识别网络中发生的状况
- 定向：基于历史学习数据进行分析理解
- 决策：根据数据确定应对措施
- 行动：执行决策
代理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AI需与系统其他组件（如设备、软件或API）交互以扩展能力。代理AI在网络中的交互方式包括：
- 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。当AI代理无法访问必要工具时，或需要人工干预时（如更换路由器故障网络接口或替换报废交换机），都需要人员参与。
网络团队应在自身可接受的范围内部署具备最大自主权的代理AI能力
代理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、诊断原因并纠正故障
- 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
管理员可设定AI代理在网络中的自主权限级别。希望保持控制权的组织可将AI代理编程为仅限在特定明确场景中运行；追求效率的组织则可允许AI代理在更广泛（但仍受限）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AI仍是新兴概念。网络团队应谨慎评估部署方案，许多组织对曾未达预期的自动化工具记忆犹新，某些情况下过度授权甚至造成严重损害。
因此，大多数公司初始设计代理AI策略时采用“人在回路”模式，要求代理实施计划变更前必须获得许可。当代理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。