arXiv cs.AI· Jitendra Solanki, Anand Todkar, Ziran Min·· 11 小时前AI 评分31
Semantic Observability：面向自主系统诊断的多智能体框架
Semantic Observability for Autonomous Systems Diagnostics
AI 导读
研究者提出 Semantic Observability，一个将多格式可观测性日志统一为可查询属性图数据库的自主多智能体框架，把物理拓扑、软件依赖与事件时序建模为带属性的节点和有向关系。
正文 · AI 翻译
摘要：现代分布式微服务部署会在物理和逻辑分区的基础设施上产生海量异构、多格式的可观测性日志。在级联故障期间定位根因对站点可靠性工程师（SRE）而言仍是一项艰巨任务，受限于手动关键词过滤以及跨监控仪表盘的割裂时间关联。我们提出语义可观测性（Semantic Observability），一个自主多智能体框架，将分散的日志流统一为动态、可查询的属性图数据库。通过将物理基础设施拓扑、逻辑软件依赖和时间顺序事件建模为带属性的节点和有向关系，它弥合了扁平、非结构化日志存储库中固有的语义鸿沟。在此统一基底之上，我们部署了一个通过有向循环图（DCG）编排的有状态多智能体系统。该系统自主导航拓扑，应用因果图算法和时间回溯来隔离异常的精确影响范围。随后，剪枝后的子图由大语言模型（LLM）推理引擎解释，以生成上下文相关的、代码级根因分析（RCA）和可操作的修复方案。本文确立了语义可观测性的基础系统架构、形式化关系本体和多智能体控制回路。我们从概念上展示了该框架如何消除环境遥测噪声、降低平均解决时间（MTTR）、压缩 LLM token 消耗并防止结构性幻觉。我们还指定了一个基于标准基准（LogHub 和 Train-Ticket）的开源验证框架，为即将发表的详尽定量评估和生产基准测试的配套论文奠定基础。
| 评论： | 8 页，3 幅图。基础架构论文；配套评估论文即将发表 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.28611 [cs.AI] |
| （或 arXiv:2610.28611v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.28611 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jitendra Solanki [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 17:53:32 UTC（257 KB）
来源：arXiv cs.AI · arxiv.org