ASTRA - 票务解析和分析代理系统

技术运营团队通过综合来自票证文本、历史案例、系统日志和技术文档的碎片证据来解决大量事件。现有的自动化通常依赖于整体生成，没有明确的证据建模或出处，使得当关键信号在源之间稀疏时很难验证输出。我们提出 ASTRA，这是一种用于票务解决的代理系统，其中中央协调器协调三个专业信息收集代理，并驱动法官-协调器细化循环以生成有证据支持的故障排除报告。 TicketSimilarityAgent通过密集检索和LLM重排序来检索相关历史先例； LogAgent 使用确定性过滤和约束 LLM 分析，将数十万条日志行提炼成结构化的、基于引用的结果； DomainKnowledgeAgent通过模型上下文协议（MCP）检索相关技术知识。他们的输出被转换为主张证据表示，将每个主张与逐字来源段落联系起来，分配支持级别并防止交叉归因。 JudgeAgent 根据五个标准对报告进行评分，而 OrchestratorAgent 将低分转换为有针对性的后续查询，以进行有限的迭代细化。通过对 7 个产品线的 987 个真实电信故障单进行评估，ASTRA 的平均质量得分为 4.13/5.0，其中 59.9% 的报告在组件系列级别或更高级别上识别了故障区域。相关性和清晰度得分分别为 4.88 和 4.94，而捏造的技术细节仍然低于错误案例的 3%。按故障类型分层表明，硬件故障仍然比软件或配置故障困难得多（Cohen's d=0.80），这表明基于文本的证据通道在硬件故障诊断方面存在根本局限性。