Spirent Luma引入智能體AI技術(shù)，大幅縮短網(wǎng)絡(luò)測試故障分析時(shí)間

隨著網(wǎng)絡(luò)環(huán)境日益整合蜂窩網(wǎng)絡(luò)、網(wǎng)絡(luò)切片和云原生架構(gòu)，網(wǎng)絡(luò)測試變得愈發(fā)復(fù)雜。實(shí)驗(yàn)室和驗(yàn)證團(tuán)隊(duì)現(xiàn)在需要在多供應(yīng)商、多域堆棧中工作，當(dāng)故障發(fā)生時(shí)，解決問題可能需要多個(gè)領(lǐng)域?qū)＜也⑿袇f(xié)作。Spirent Communications公司（已于2025年10月被Keysight Technologies收購）正尋求通過其智能體AI解決方案Luma來解決這一挑戰(zhàn)，該方案專門用于網(wǎng)絡(luò)測試和保障。

Spirent產(chǎn)品管理副總裁Anil Kollipara表示："當(dāng)出現(xiàn)故障時(shí)，無論是手動(dòng)測試還是自動(dòng)化測試，預(yù)測故障、找到根本原因并提供修復(fù)方案——這仍然是整個(gè)流程中非常耗時(shí)費(fèi)力的環(huán)節(jié)。這是一個(gè)老問題，但我們之前沒有合適的解決方案來全面解決它。正因如此，我們推出了Luma。"

Luma構(gòu)建在領(lǐng)域?qū)Ｓ弥R(shí)圖譜、確定性規(guī)則引擎和多智能體架構(gòu)之上。初始版本針對Landslide平臺(tái)，這是Spirent的核心網(wǎng)絡(luò)測試平臺(tái)，主要被運(yùn)營商、服務(wù)提供商和超大規(guī)模廠商用于預(yù)生產(chǎn)性能測試。計(jì)劃是逐步將Luma擴(kuò)展到整個(gè)Spirent產(chǎn)品組合。

Luma圍繞三大功能支柱構(gòu)建：知識(shí)、測試用例生成和根因分析。

知識(shí)支柱處理針對技術(shù)規(guī)范、呼叫流程、產(chǎn)品文檔和合規(guī)要求的查詢。測試用例生成支柱讓工程師能夠通過對話描述測試場景，并讓Luma在Spirent的Landslide平臺(tái)內(nèi)進(jìn)行配置。根因分析支柱處理測試運(yùn)行中的日志、關(guān)鍵性能指標(biāo)和數(shù)據(jù)包捕獲文件，以識(shí)別故障點(diǎn)。

Luma通過混合專家AI架構(gòu)執(zhí)行這些工作流程。Kollipara說："我們在架構(gòu)中構(gòu)建了多個(gè)專家智能體。"

例如，有一個(gè)智能體專門處理PCAP文件并理解其內(nèi)容。另一個(gè)智能體專門理解輸入產(chǎn)品的配置。還有一個(gè)智能體專門收集所有信息并確定根本原因的優(yōu)先級(jí)。

Kollipara解釋說："我們有大約10到12個(gè)智能體，并且會(huì)繼續(xù)增加更多，它們協(xié)同工作為客戶提供或執(zhí)行完整的工作流程，從收集PCAP、日志和KPI等信息開始，處理所有這些信息，解釋結(jié)果，并找出根本原因。"

AI的一個(gè)關(guān)鍵擔(dān)憂是大語言模型不具確定性，可能產(chǎn)生錯(cuò)誤信息幻覺。事實(shí)證明，減少幻覺的方法是減少大語言模型的使用，至少對Spirent的用例來說是這樣。

Kollipara說："我們引入了第三方AI平臺(tái)，嘗試了不同的大語言模型，很快就意識(shí)到大語言模型只是解決方案的一部分，而不是全部。在Luma中，大語言模型的作用幾乎只占整體的10%，主要用于處理自然語言。大部分領(lǐng)域知識(shí)都構(gòu)建在這個(gè)RAG數(shù)據(jù)庫中，也就是我們構(gòu)建的知識(shí)圖譜。"

在數(shù)據(jù)庫層之上，Spirent添加了與協(xié)議棧行為相關(guān)的確定性規(guī)則集。

Kollipara說："我們見過在用戶級(jí)別發(fā)生問題的情況，某個(gè)KPI出錯(cuò)，任何機(jī)器學(xué)習(xí)都能發(fā)現(xiàn)存在某種偏差。但僅使用機(jī)器學(xué)習(xí)算法很難明確根本原因，因?yàn)檫@需要對領(lǐng)域的深入了解，了解這些從協(xié)議棧角度是如何堆疊的。構(gòu)建這種規(guī)則集非常重要，這樣你就能獲得輸出的確定性。"

該產(chǎn)品的核心驅(qū)動(dòng)因素是現(xiàn)代網(wǎng)絡(luò)領(lǐng)域的專業(yè)知識(shí)差距。Kollipara指出，電信專家可能不了解云原生，而云原生專家可能不了解電信。當(dāng)故障跨越兩個(gè)領(lǐng)域時(shí)，解決問題需要協(xié)調(diào)具有不同專業(yè)領(lǐng)域的團(tuán)隊(duì)。

Kollipara引用了一個(gè)來自測試試用的具體例子。一位客戶提交了一個(gè)支持工單，該工單經(jīng)過三層支持才到達(dá)研發(fā)部門。在日志收集、客戶可用性和團(tuán)隊(duì)間交接之間，工單花了七周時(shí)間才解決。當(dāng)Spirent將同一組文件輸入Luma時(shí)，問題在短短兩分鐘內(nèi)就得到了解決。

針對Landslide的Luma是更廣泛推廣的第一階段。Spirent計(jì)劃將該平臺(tái)擴(kuò)展到其測試和實(shí)驗(yàn)室自動(dòng)化產(chǎn)品Velocity，以及實(shí)時(shí)網(wǎng)絡(luò)服務(wù)保障平臺(tái)VisionWorks。

Kollipara說："該平臺(tái)將在多個(gè)產(chǎn)品線和多個(gè)用例中得到利用，但關(guān)鍵是要在該領(lǐng)域進(jìn)行訓(xùn)練。這不會(huì)是即插即用的。我們可以直接將Luma用于不同的數(shù)據(jù)集或用例，但該平臺(tái)將被利用、訓(xùn)練并為特定工作流程進(jìn)行完善。"

Q&A

Q1：Spirent Luma是什么？它能做什么？

A：Spirent Luma是一個(gè)智能體AI解決方案，專門用于網(wǎng)絡(luò)測試和保障。它能夠處理技術(shù)規(guī)范查詢、自動(dòng)生成測試用例配置，以及分析測試運(yùn)行中的日志、性能指標(biāo)和數(shù)據(jù)包捕獲文件來快速識(shí)別故障根本原因，將原本需要數(shù)周的故障排查時(shí)間縮短到幾分鐘。

Q2：Luma如何減少AI幻覺問題？

A：Luma通過最小化大語言模型使用來減少幻覺。在其架構(gòu)中，大語言模型只占約10%的作用，主要處理自然語言。大部分領(lǐng)域知識(shí)構(gòu)建在知識(shí)圖譜數(shù)據(jù)庫中，并添加了與協(xié)議棧行為相關(guān)的確定性規(guī)則集，確保輸出的準(zhǔn)確性和可靠性。

Q3：Luma的多智能體架構(gòu)是如何工作的？

A：Luma采用混合專家AI架構(gòu)，擁有大約10到12個(gè)專業(yè)智能體。每個(gè)智能體都有特定專長：有的專門處理PCAP文件，有的專門理解產(chǎn)品配置，還有的專門收集信息并確定根本原因優(yōu)先級(jí)。這些智能體協(xié)同工作，執(zhí)行完整的故障診斷工作流程。