Towards an Agentic Workflow for Internet Measurement Research
Alagappan Ramanathan, Eunju Kang, Dongsu Han, Sangeetha Abdu Jyothi
互联网测量研究面临无障碍危机:复杂的分析需要定制集成多个需要专业领域专业知识的专门工具。 当网络中断发生时,运营商需要跨越基础设施映射、路由分析和依赖建模的快速诊断工作流程。 然而,开发这些工作流程需要专业知识和大量的手工努力。 我们介绍了ArachNet,这是第一个证明LLM代理可以独立生成模仿专家推理的测量工作流程的系统。 我们的核心见解是,测量专业知识遵循可预测的组合模式,可以系统地自动化。 ArachNet通过四个专业代理来操作,这些代理反映了专家工作流程,从问题分解到解决方案实现。 我们通过逐步具有挑战性的互联网弹性场景验证ArachNet。 该系统独立生成与专家级推理相匹配的工作流程,并产生类似于专业解决方案的分析输出。 生成的工作流程处理复杂的多框架集成,传统上需要几天的手动协调。 ArachNet通过自动化专家使用的系统推理过程来降低测量工作流程构成的障碍,使更广泛的访问复杂的测量能力,同时保持研究质量分析所需的技术严谨性。
Internet measurement research faces an accessibility crisis: complex analyses require custom integration of multiple specialized tools that demands specialized domain expertise. When network disruptions occur, operators need rapid diagnostic workflows spanning infrastructure mapping, routing analysis, and dependency modeling. However, developing these workflows requires specialized knowledge and significant manual effort. We present ArachNet, the first system demonstrating that LLM agents can in...
