华为GTS推出NetCanvas：让Agent学会看着网络排障

在高度复杂的通信网络运维中，大模型Agent面临一个反直觉的致命痛点：推理能力再强，读得懂海量文本日志，却记不住这张网长什么样。华为GTS算法团队将其称为「拓扑失忆」。让纯文本Agent在脑海中硬扛成百上千个节点的动态变化，注定会陷入记忆坍塌。在一次真实排障测试中，Agent已锁定出问题的防火墙，却在这台设备上换了几十种查法，原地打转三百多步仍未找到根因。

资深网工排障时，脑中始终悬着一张活图：流量从哪里进入、在哪分流、防火墙卡在第几跳，一切清清楚楚。而纯文本Agent面对的是一维滚动的命令行界面，每推进一步都要从碎片日志中重新脑补网络形态。上下文越长，空间关系越容易在长文本中坍塌。华为GTS团队认为，缺乏外部工作记忆的辅助，纯文本模型在复杂现网中注定会陷入认知超载。

为此，团队推出NetCanvas，通过引入一套可交互视觉拓扑机制，为大模型提供一张可以画线推演的外部工作记忆画布。它并非简单塞给模型一张静态网络拓扑截图，而是摒弃开局给全景的僵化思路。Agent每完成一次CLI探查，新发现的设备、链路与路径证据就会被实时合并到当前图状态中，让AI像专业工程师一样看着网络排障。

实测数据显示，引入NetCanvas后，任务通过率提升24.2%，token成本最高下降45%。这一方案的核心思路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。