LUMEN：利用多智能体大型语言模型和知识图谱提升物联网系统的可观测性

《ACM Transactions on Internet of Things》：LUMEN: Enhancing IoT System Observability with Multi-Agent Large Language Models and Knowledge Graphs

LUMEN系统通过整合多智能体大语言模型、知识图谱与异构数据库，实现物联网可观测性中的认知数字孪生，支持动态协作分析、自然语言解释及自适应代码执行，案例验证其自动化分析能力。

　　

摘要

物联网（IoT）系统的迅速发展通过实时监控和自动化改变了各个行业，产生了大量且多样化的数据流。随着物联网网络的不断扩大，数据量和多样性的增加（包括实时遥测数据、设备日志和历史记录），物联网系统的管理变得更加复杂，涉及系统监控、分析和推理等方面。为应对这一挑战，我们提出了LUMEN（Large Language Models as Unified Multi-Agent Systems for IoT Enhancement）这一创新方法，该方法结合了多智能体大型语言模型（LLMs）、知识图谱和异构数据库，以实现物联网的可观测性。LUMEN将物联网系统视为知识图谱，捕捉设备之间的关系和元数据，同时将监控数据存储在时间序列数据库或对象数据库中。专门的基于LLM的智能体会动态协作分析物联网系统，并以自然语言形式解释分析结果；必要时还会生成和执行分析代码。LUMEN与现成的网络监控工具集成，支持语义推理和人工参与的合作，从而在不同数据环境中提供适应性强的洞察。两个工业案例研究展示了LUMEN在自动化分析工作流程、提升系统适应性以及提供可解释分析结果方面的能力。该研究通过将LLMs、语义智能和可解释分析技术融入到基于多智能体架构的可扩展且适应性强的解决方案中，推动了物联网可观测性的发展。