用于 WebGIS 开发的可靠代理 AI 的双螺旋治理方法

摘要

WebGIS 开发需要严格性，但代理 AI 经常因五个大语言模型 (LLM) 限制而失败：上下文约束、跨会话遗忘、随机性、指令失败和适应刚性。我们提出了一个双螺旋治理框架，将这些挑战重新定义为仅靠能力模型无法解决的结构性治理问题。我们将该框架实现为三轨架构（知识、行为、技能），该架构使用知识图谱基底通过外部化领域事实和执行可执行协议来稳定执行，并辅以自主知识增长的自学习周期。将此应用到 FutureShorelines WebGIS 工具中，受治理代理将 2,265 行整体代码库重构为模块化 ES6 组件。结果表明，圈复杂度降低了 51%，可维护性指数提高了 7 点。与零样本大语言模型的比较实验证实，外部化治理（而不仅仅是模型能力）可以推动地理空间工程的操作可靠性。这种方法在开源 AgentLoom 治理工具包中实现。

迈向 WebGIS 开发可靠 Agentic 人工智能的双螺旋治理方法 — 图2：将双螺旋方法操作化的三轨（3-track）架构。轨道1（Knowledge，知识）与轨道2（Behaviors，行为）代表治理轴，而轨道3（Skills，技能）提供稳定化的执行模式。