Resumen: La gestión eficaz de incidentes en sistemas de TI a gran escala se basa en guías de resolución de problemas (TSG), pero su ejecución manual es lenta y propensa a errores. Si bien los avances recientes en los LLM son prometedores para automatizar las tareas de gestión de incidentes, las soluciones existentes basadas en LLM carecen de soporte especializado para varios desafíos clave, incluida la gestión de problemas de calidad de TSG, la interpretación de flujos de control complejos, el manejo de consultas con uso intensivo de datos y la explotación del paralelismo de ejecución. Primero realizamos un estudio empírico sobre 92 TSG del mundo real y, guiados por nuestros hallazgos, presentamos StepFly, un novedoso marco de trabajo agente de extremo a extremo para la resolución de problemas de automatización de guías. Nuestro enfoque presenta un flujo de trabajo de tres etapas: la primera etapa proporciona una guía completa junto con una herramienta, TSG Mentor, para ayudar a las SRE a mejorar la calidad de TSG; la segunda etapa realiza un preprocesamiento fuera de línea utilizando LLM para extraer DAG de ejecución estructurados de TSG no estructurados y crear complementos de preparación de consultas (QPP) dedicados; y la tercera etapa se ejecuta en línea utilizando un marco programador-ejecutor guiado por DAG con un sistema de memoria para garantizar el flujo de trabajo correcto y admitir la ejecución paralela de pasos independientes. Nuestra evaluación empírica de una colección de TSG e incidentes del mundo real demuestra que StepFly logra una tasa de éxito de ~94 % en GPT-4.1, superando las líneas de base con menos tiempo y consumo de tokens. Además, logra una notable reducción del tiempo de ejecución del 32,9% al 70,4% para TSG paralelizables.
Publicado originalmente en export.arxiv.org el 13 de octubre de 2025.
Ver fuente original
