PowerLens：驯服LLM智能体实现安全且个性化的移动电源管理

电池续航仍是移动设备的关键挑战，而现有电源管理机制依赖静态规则或粗粒度启发式方法，忽视了用户活动与个人偏好。我们提出PowerLens，一个在Android设备上驾驭大语言模型（LLM）推理能力以实现安全且个性化移动电源管理的系统。核心思想是，LLM的常识推理能够弥合用户活动与系统参数之间的语义鸿沟，实现零样本、情境感知的策略生成，并通过隐式反馈适配个人偏好。PowerLens采用多智能体架构，从UI语义中识别用户情境，并跨18项设备参数生成整体性电源策略。基于PDL的约束框架在执行前验证每个动作，双层记忆系统则通过基于置信度的蒸馏从用户的隐式覆盖中学习个性化偏好，无需显式配置即可在3至5天内收敛。在已root的Android设备上的大量实验表明，PowerLens实现81.7%的动作准确率，相较原生Android节能38.8%，优于基于规则与基于LLM的基线，同时具有高用户满意度、快速的偏好收敛和强安全保证，系统本身每日仅消耗0.5%的电池容量。