华为 GTS 让 Agent 学会"看着网络排障"：双防火墙难题几乎全拿下
华为 GTS AI 算法团队提出 NetCanvas：用"可交互视觉拓扑"破解 Agent 的"拓扑失忆"。让 Agent 拥有"边查边长"的活地图 + 按需取景 + 推理交互 + 人类认知对齐画图。CTBench 基准：综合通过率 30.3% → 54.5%（带物理先验 63.6%）；双防火墙 / ECMP 等空间敏感任务 ~10% → ~90%；步数 159 → 113（试错成本 ↓26-45%）；16 胜 0 负 50 平（无一题退化）。
一句话总结
华为 GTS AI 算法团队提出 NetCanvas：用 “可交互视觉拓扑” 破解 Agent 的 ⭐ “拓扑失忆”。三大招：边查边长的活地图 + 按需取景与推理交互 + 人类认知对齐画图。CTBench 基准：⭐ 综合通过率 30.3% → 54.5%（带物理先验 63.6%）；⭐ 双防火墙 / ECMP 等空间敏感任务 ~10% → ~90%；步数 159 → 113（试错成本 ↓26-45%）；16 胜 0 负 50 平（无一题退化）。
痛点：AI 读得懂日志却修不好网？
核心反直觉发现
“模型明明能解析单条命令、单段回显，一旦进入多设备 / 多路径 / 带防火墙与 ECMP的真实复杂拓扑，就开始绕弯、重复探查，甚至在同一节点打转。”
典型惨案
“在一次真实的排障测试中，Agent 已经锁定了出问题的防火墙，却在这台设备上换了 70 种查法，原地打转了 300 多步，仍没找到根因。它知道该查防火墙，却不知道这台防火墙卡在整个图里面的哪个路径的第几跳。”
「拓扑失忆」（Topology Amnesia）
命名
“华为 GTS AI 算法团队将其命名为 ‘拓扑失忆’（Topology Amnesia）：排障越深入，局部观测可能越来越多，整体的空间关系却在逐渐丢失。”
资深网工 vs 纯文本 Agent
| 角色 | “活图” |
|---|---|
| 资深网工 | 脑子里始终悬着一张「活图」 —— 流量从哪进、在哪分流、防火墙卡在第几跳 |
| 纯文本 Agent | 面对一维滚动的 CLI —— 每推进一步都要从碎片日志重新脑补网络长什么样 |
| 后果 | 上下文越长 → 空间关系在长文本里「坍塌」 |
解局思路：可交互视觉拓扑 ⭐
“不是把专家经验硬写进 Prompt，而是把专家的工作方式写进 Agent 系统。让模型负责思考决策，让 NetCanvas 负责记路与画图。”
(a) 人类工程师脑中的空间记忆
(b) 纯文本 Agent 陷入拓扑坍塌
(c) NetCanvas 为 Agent 配备可交互的"活地图"三大招 ⭐
招 1：边查边长（动态生长）
- ❌ 摒弃”开局给全景”的僵化思路（真实排障现场没有人能在第一时间拿到完美的全局拓扑）
- ✅ Agent 每完成一次 CLI 探查 → 新发现的设备 / 链路 / 路径证据 → 实时合并到当前图状态
- ✅ 拓扑图跟着排障进度一起”动态生长”（如战争迷雾被逐步驱散）
招 2：按需取景与推理交互（核心动作）
- ✅ Agent 随时切换全局与局部视图
- ✅ Agent 可高亮当前的焦点节点
- ✅ 更绝：通过主动改变连线颜色（如用绿/红虚线标记通断）→ 在图上直接记录自己的推理假设
- ✅ 模型无需再在脑子里死记硬背 → 真正实现了 ⭐ “边看、边标、边排查”
招 3：按网工习惯画图（认知对齐）⭐
“只要把机器生成的拓扑，换成符合人类网络工程师认知习惯的’领域布局’，Agent 的排障成功率就能实现碾压式的跃升。”
“画对了图，AI 才能走对路。”
CTBench 数据验证 ⭐
测试设置
- 公开通信运维基准 CTBench
- 任务全部来自真实运维案例
- Agent 进入未知网络 + 动态执行命令 + 从不完整证据中逐步定位故障
三个核心业务价值
1️⃣ 排障更准：
| 指标 | 数据 |
|---|---|
| 综合通过率 | 30.3% → 54.5% |
| 带物理连线先验 | 可达 63.6% |
| 双防火墙 / ECMP 等空间敏感任务 | ⭐ ~10% → ~90% |
“当隐含在长日志中的空间关系变成’看得见’的结构，Agent 沿着多路径顺藤摸瓜终于有了清晰的抓手。”
2️⃣ 表现更稳：16 胜 0 负 50 平
“逐题比对纯文本方案，NetCanvas 没有在任何一道题上出现能力退化。多出来的 16 道是净增，没有拿别的题来换。”
3️⃣ 步数更少：综合试错成本最高下降 45%
| 指标 | 数据 |
|---|---|
| 平均探查步数 | 159 → 113 |
| Token 试错成本 | ⭐ ↓26% – 45% |
“画图不是增加大模型的负担，而是实实在在地省下了试错成本。”
终极启示：认知卸载 ⭐
“NetCanvas 的实践，揭示了专业 Agent 走向现网落地的核心命题：模型本身的理解能力固然重要，但外围系统（Harness）如何为它呈现这个真实世界，才真正决定了它最终的战斗力。”
“对于 IP 网络这种由拓扑 / 路径 / 协议动态交织的真实复杂系统，把海量日志生硬地压进大模型的 Token 里，注定会导致认知超载。”
“真正的专业能力，不仅仅依赖于模型内部庞大的’知识储备’与强大的’推理决策’，更在于懂得借助外围系统来进行’认知卸载’，建立起真正的网络空间全局观。”
安迪·克拉克（Andy Clark）哲学
“真正的智能，懂得使用外部图纸进行’认知卸载’（Cognitive Offloading）。”
“外围系统，就是 Agent 延展的心智。”
项目地址
- NetCanvas：https://github.com/caimanjing/netcanvas
- CTBench：https://huggingface.co/datasets/netop/CTBench
配图
图 1：华为 GTS NetCanvas —— Agent 看着网络排障（量子位 · 2026-09-16）
来源
- 网易新闻（量子位）· 原文
- NetCanvas GitHub：caimanjing/netcanvas
- CTBench：huggingface.co/datasets/netop/CTBench
- 认知哲学家 Andy Clark 的认知卸载理论
- 华为 GTS AI 算法团队