提示驱动的低空边缘智能：模块化智能体与生成式推理

大型人工智能模型（LAM）在感知、推理和多模态理解方面展现出强大能力，可为低空边缘智能赋予先进能力。然而，LAM 在边缘侧的部署仍受若干根本性限制的约束。首先，任务与特定模型刚性绑定，限制了灵活性。此外，全规模 LAM 的计算与内存需求超出大多数边缘设备的承载能力。而且，当前推理流水线通常是静态的，难以响应任务的实时变化。为应对这些挑战，我们提出提示到智能体边缘认知框架（P2AECF），实现灵活、高效且自适应的边缘智能。具体而言，P2AECF 通过三个关键机制将高层语义提示转换为可执行的推理工作流。第一，提示定义的认知将任务意图解析为抽象且与模型无关的表示。第二，基于智能体的模块化执行使用轻量且可复用的认知智能体来实例化这些任务，智能体依据当前资源状况动态选择。第三，扩散控制的推理规划通过纳入运行时反馈和系统上下文，自适应地构建并精炼执行策略。此外，我们通过一个代表性的低空智能网络用例说明该框架，展示其为实时低空空中协作提供自适应、模块化且可扩展边缘智能的能力。