摘要
现代软件系统中的故障诊断需要通过经验指导进行迭代证据获取和假设推理。现有的基于大型语言模型（LLM）的方法通过代理推理或知识增强来改善诊断，但通常缺乏在迭代诊断过程中协调不断演变的诊断状态与操作经验的机制。
我们提出了 OpsMem，一个双记忆框架，维护当前诊断状态的短期记忆和可重用操作经验的长期记忆。OpsMem 利用跨记忆共振激活与状态相关的长期记忆，基于短期和激活的长期记忆条件多代理诊断，并将解决事件的可重用经验整合回长期记忆。
在真实的华为微服务故障诊断数据集上的实验表明，OpsMem 在匹配度和相关性方面分别比最强基线提高了 46.88% 和 18.39%，超越了代表性的代理推理和知识增强基线。
博主点评： OpsMem 通过双记忆机制有效地整合短期和长期经验，为故障诊断提供了更为灵活和高效的方法。这种创新的跨记忆共振机制，显著提升了诊断的准确性，是现代软件故障处理的重要进展。其在实际应用中的表现也为后续研究提供了良好的参考。