好的，这是您要求的英文文章的中文翻译，已按照要求保留原文结构、Markdown 格式、代码块、技术术语和专有名词，并忽略了导航、页脚等无关文本。
超越 LLM：为何可扩展的企业级 AI 应用依赖于智能体逻辑
回到文章
超越 LLM：为何可扩展的企业级 AI 应用依赖于智能体逻辑
企业文章 发布于 2026 年 6 月 1 日 点赞 50 +44 Fuller nfuller 关注 ibm-research
纵观历史，向导一直为人类提供帮助。史前文明就懂得利用太阳和月亮在陆地和远洋上导航远距离。随着时间的推移，各种旅程促进了地图的制作，以便更好地规划路线并缩短重复目的地的旅行时间。几个世纪后，指南针的出现使航海者能够更精确地探索未知目的地。而今天，GPS 导航应用指引着我们的每一次旅程。
在当今的智能体 AI 世界中，AI 智能体无疑有潜力实现可扩展的 AI 应用，从而彻底改变我们所知的行业。然而，我们需要一个智能的向导——即智能体逻辑——通过提升智能体的高质量、成本效益以及最终的用户信任，来释放这一潜力。
企业工作流与用例
众多研究都指出了 AI 试点项目的高失败率，而其他研究则强调了 AI 需要在企业工作流的核心运行，才能实现可扩展的应用。[1] [2] 为了更好地理解这一现象及其相关论断，我们需要对企业工作流进行一些分析。这些工作流具有以下特点：
A. 动态且长期运行 B. 拥有大量的 API、数据库和服务 C. 常常受到业务策略和/或法规的约束
鉴于上述特点，要使智能体有效运作，自然需要扩展的模型上下文，而最先进的前沿 LLM 无疑具备这一点，但代价是什么？是增加的幻觉、Token 消耗吗？此外，能否为 LLM 配备一个智能向导（GPS），使其能够在工作流的核心执行智能体 AI，从而驱动更理想的结果？
我们通过为 IBM 产品设计和构建配备了相关智能体逻辑的智能体来测试这些假设，并充分考虑了上述特点。这些产品涉及领域专家面临的一些最具挑战性的任务，这些专家负责关键任务工作负载的企业软件交付生命周期的各个阶段，包括：
- 理解用遗留代码（Cobol / PL/1）编写的应用程序
- 加速为开发人员生成测试
- 主动响应事件并实现左移应用弹性
- 自动化关键环境的合规性现代化
在详细审视每个领域之前，让我们先定义智能体逻辑的特征。智能体逻辑是软件原语，例如知识图谱、算法、程序分析库，它们在智能体层（在智能体框架内）运行，能够有意地引导 LLM 朝着企业工作流的方向前进，从而缩小上下文空间。这样做，极有可能以更具成本效益的方式驱动更优的性能结果。
现在，让我们审视智能体逻辑如何在上述四个领域中实现这样的结果。
理解用遗留代码（Cobol / PL/1）编写的应用程序 - 程序分析。[3]
IBM watsonx Code Assistant for Z (WCA4Z) 用于通过 AI 和自动化加速大型机应用程序开发和现代化，它配备了一个用于应用程序理解的 App Insights 智能体——这是在 IBM 大型机上运行关键任务工作负载的企业客户的主要关注领域之一。该智能体利用跨应用程序的深度静态分析，并将预索引的表示存储在跨越数百个具有复杂语义的相互关联表的数据库模式中，使智能体能够检索精确、结构化的现有信息；从而提高了答案的准确性，减少了 Token 使用量，并最大限度地减少了与语言模型（本例中为 Mistral Medium 250B）的来回交互。当这种方法应用于多个关键任务遗留系统（多达 100 万行代码和 1000 个程序）时，与仅使用基线前沿 LLM 的方法相比，它在保持略优的应用程序理解性能的同时，Token 消耗降低了约 30 倍。
使用 Aster 加速为开发人员生成测试 - 程序分析。[4], [5]
Aster 是一个 IBM 专有的程序分析及数据预处理和后处理库，用于基于智能体生成单元测试、集成测试、API 测试和基于变更的测试；根据对多个开发者社区的分析，与各种开源工具或开发人员编写的测试相比，它获得了更高的开发者评分。基于后者以及与类似开源工具（集成测试）和零样本 LLM 及编码智能体（单元测试）相比更优的行、分支和方法覆盖率基准（均在开源应用程序上测试），我们已经在 75 多个 Java IBM CIO 应用程序（多达 560 多个类和 67K+ 行代码）上使用 Devstral 24B 模型以预生产模式运行 Aster。迄今为止的稳态结果显示，行、分支和方法覆盖率提高了 +20% - 45%，并且在这些应用程序的子集上，与最先进的编码智能体相比，性能更优，同时 Token 消耗降低了数个数量级（高达 15 倍）。这些结果的原因在于，程序分析输出（用于提示和“聚焦”LLM）与用于增强覆盖率和修复运行时及编译错误的子智能体相结合，能够以显著的成本降低实现更优的性能结果。
主动响应事件并实现左移应用弹性 - 知识图谱、程序分析库和调查（可观测性）驱动的编排。[6],[7]
虽然如 1 和 2 所述的应用相关用例的 LLM 上下文“限制”在应用程序源代码内，但对于已部署基础设施上应用的运行时管理，底层的 IT 全栈就发挥作用了。这里我们定义了一个知识图谱 (KG)，包含实体（微服务、数据库/中间件服务...