华为GTS推出NetCanvas：以“可交互视觉拓扑”破解AI网络排障“拓扑失忆”难题

事件概述

华为GTS AI算法团队发现，尽管大模型具备强大的文本解析与逻辑推理能力，但在面对包含多设备、多路径及防火墙的复杂IP承载网时，纯文本Agent容易因无法维持全局空间关系而陷入“拓扑失忆”，导致排障效率低下甚至原地打转。为解决这一认知超载问题，团队引入了NetCanvas系统，通过构建“可交互视觉拓扑”作为Agent的外部工作记忆，实现了从“读日志”到“看地图”的范式转变。

核心信息

1. 痛点剖析：纯文本Agent的“拓扑失忆”

• 现象：Agent能理解单条命令和日志，但在处理真实现网的动态拓扑时，随着上下文延长，空间关系在长文本中发生“坍塌”。
• 案例：在一次测试中，Agent已锁定故障防火墙，但因不清楚其在整体路径中的位置（如第几跳），尝试数十种查法后仍在同一节点徘徊三百多步。
• 根源：缺乏类似人类工程师脑中“活图”的空间记忆辅助，导致认知超载。

2. 解决方案：NetCanvas的三大机制

NetCanvas并非静态截图，而是与Agent实时交互的动态画布，主要包含三项创新：

• 边查边长（动态生长）：摒弃开局给全景图的僵化模式。Agent每执行一次CLI探查，新发现的设备、链路和路径证据会实时合并到图中，如同驱散战争迷雾，拓扑随排障进度动态扩展。
• 按需取景与推理交互：Agent可切换全局/局部视图，高亮焦点节点，并通过改变连线颜色（如绿/红虚线标记通断）直接在图上记录推理假设，实现“边看、边标、边排查”。
• 按网工习惯画图（认知对齐）：将机器生成的拓扑转换为符合人类网络工程师认知习惯的领域布局。研究表明，这种视觉呈现方式的优化对提升Agent成功率具有决定性作用。

3. 数据验证：基于CTBench基准测试

在公开通信运维基准CTBench（源自真实运维案例，要求Agent从碎片化证据中定位故障）上，NetCanvas展现出显著优势：

• 准确率大幅提升：综合通过率从30.3%提升至54.5%（若带有物理连线先验可达63.6%）。在依赖空间关系的双防火墙、ECMP（等价多路径）等高难度子任务中，成功率从约10%跃升至约90%。
• 稳定性增强：逐题比对显示，NetCanvas方案无一题出现能力退化（16胜0负50平），均为净增收益。
• 成本降低：平均探查步数从159步降至113步。由于不再盲目绕路，按“解对一题”摊算，大模型的Token试错成本最高下降45%（具体区间为26%-45%）。

值得关注

• 技术启示：NetCanvas的实践印证了认知哲学家安迪·克拉克提出的“认知卸载”理论——真正的智能懂得使用外部工具（如图纸）来延伸心智。对于专业Agent而言，外围系统如何呈现世界，决定了其最终战斗力。
• 落地意义：华为GTS通过将资深工程师的“空间认知与工作方式”工程化，构建了Agent可感知、可交互的系统能力，为未来网络智能运维提供了摆脱“盲人摸象”困境的新范式。
• 开源资源：项目代码已开源至 caimanjing/netcanvas，数据集CTBench托管于Hugging Face。

• NetCanvas项目: https://github.com/caimanjing/netcanvas
• CTBench数据集: https://huggingface.co/datasets/netop/CTBench