面向企业遥测的确定性智能体AI grounding 的注册驱动架构
人工智能
2026-03-04 v1 软件工程
摘要
企业工程组织产生高频率、异构的遥测数据，包括版本控制系统、CI/CD管道、问题跟踪器和可观测性平台。大型语言模型（LLM）使得新的智能体自动化形式成为可能，但将此类智能体锚定在私人遥测数据上会引发三个实际挑战：模型上下文有限、语义概念本地化，以及指标接口的演化。我们提出REGAL，一种用于企业遥测智能体AI确定性锚定的注册驱动架构。REGAL采用显式的架构方法：将确定性遥测计算视为一等原始类型，LLM在受限且受版本控制的行动空间上运行，而非直接处理原始事件流。该架构结合了（1）产生可回放、语义压缩Gold数据的Medallion ELT管道，以及（2）从声明性指标定义合成Model Context Protocol（MCP）工具的注册驱动编译层。该注册功能作为一种“代码即接口”层，确保工具规范与执行之间的对齐，缓解工具漂移，并在语义边界直接嵌入治理政策。原型实现和案例研究验证了确定性锚定的可行性，并说明了其对延迟、token效率和操作治理的影响。本工作系统化了一种用于企业LLM锚定的架构模式；它不提出新的学习算法，而是提升了确定性计算和语义编译在智能体系统中的一级设计原始类型。
引用
@article{arxiv.2603.03018,
title = {REGAL: A Registry-Driven Architecture for Deterministic Grounding of Agentic AI in Enterprise Telemetry},
author = {Yuvraj Agrawal},
journal= {arXiv preprint arXiv:2603.03018},
year = {2026}
}