Agentic AI赋能的6G意图驱动网络

向第六代（6G）无线网络的过渡需要自主编排机制，能够将高层运营意图转化为可执行的网络配置。现有的意图驱动网络（IBN）方法要么依赖难以应对语言多样性的规则系统，要么依赖缺乏可解释性且无法强制执行运营约束的端到端神经模型。本文提出一个分层多Agent框架，其中基于大语言模型（LLM）的Agent自主分解自然语言意图，咨询领域特定专家，并通过迭代推理—行动（ReAct）循环综合出技术上可行的网络切片配置。所提出架构采用一个编排器Agent，通过ReAct风格的推理协调两个专家Agent，即无线接入网（RAN）Agent和核心网Agent，并以结构化网络状态表示为基础。在多样化基准场景上的实验评估表明，该系统优于基于规则的系统和直接LLM提示，其架构原则适用于Open RAN（O-RAN）部署。结果还表明，尽管当代LLM具备一般电信知识，网络自动化仍需细致的提示工程来编码依赖上下文的决策阈值，从而推进下一代无线系统的自主编排能力。