📖 AI 总结

本文提出AegisFlow，一个面向脆弱数据生态系统的多智能体自主修复与自愈框架。针对传统数据管道因上游模式漂移、API契约变更或网页DOM修改而频繁失效、现有可观测性工具仅能告警却依赖人工修复、导致平均修复时间（MTTR）高企的问题，AegisFlow通过Watchdog智能体采集运行时遥测数据，并借助基于大语言模型的Repair智能体自动生成、测试和部署代码补丁，形成从检测到解决的闭环。其核心创新是名为“并行影子补丁”的非侵入式执行模型，基于MAPE-K循环在数字孪生环境中生成并验证补丁。在五类常见故障场景的实验中，该框架将MTTR从平均每补丁170分钟降至3.2分钟，改善幅度达98.1%，补丁成功率为92%，其中对JSON模式变更和标点漂移的处理成功率分别为96%和98%，对Shadow DOM场景成功率最低，为85%。该框架可将约98%的数据工程值班时间从救火转向创新，且部署无关，能以插件方式集成到现有管道编排系统中，改造成本较低。

🔑 关键词速览