AegisFlow：在数字孪生中验证修复的多 Agent 数据系统

传统的数据管道非常脆弱，经常由于上游架构漂移、API 合约更改或网站 DOM 修改而失败。目前的可观测性工具只能针对人类工程师发出警报，从而导致平均修复时间 (MTTR) 和操作疲劳。在本文中，我们提出了 AegisFlow（用于工作负载修复的智能自我修复和图形驱动操作的 Agentic 引擎），这是一种新颖的 Agentic 框架，可以闭合检测和解决之间的循环。 AegisFlow 使用 Watchdog 智能体来收集运行时遥测数据，并具有 Repair 智能体来自动创建、测试和部署基于大语言模型 (LLM) 的代码补丁。该框架提出了称为并行影子修补的非侵入式执行模型，这是一种基于监控、分析、计划、执行、知识 (MAPE-K) 循环的非侵入式执行模型，用于在数字孪生环境中生成和验证补丁。通过实验测试，我们对 AegisFlow 的五种常见故障场景进行了评估，发现 MTTR 提高了 98.1%（从平均每个补丁 170 分钟缩短到 3.2 分钟），补丁成功率达到 92%。特别是，该系统在处理 JSON 模式的变化（96％）和标点符号漂移（98％）方面成功，但在 Shadow DOM 情况下最不成功（85％）。 AegisFlow 将大约 98% 的数据工程待命时间从救火中解放出来，并将其重新分配给创新。该框架与部署无关，由一个可以以插件方式部署到现有管道编排系统中的系统组成，对现有系统的提升最小。