低空无线网络（LAWNs）正成为支撑异构无人机系统在共享三维空域中并发服务的关键基础设施。不同服务的共存导致移动性、连通性和共享网络资源之间形成强耦合，且各服务的需求随时间变化显著。这种耦合自然构成一个动态的非合作博弈，博弈的运行条件和协同目标都会随时间演化。传统的基于预定义目标的优化或学习控制器难以在服务需求和资源优先级变化时实现自主适配。为此我们提出一种层次化的混合大语言模型（LLM）‑多智能体强化学习（MARL）架构，采用双环结构组织。外层适配环利用LLM辅助的博弈编排，解析服务需求和操作员意图，动态重构目标函数和资源优先级；内层执行在配置好的博弈下的去中心化、参数条件化的MARL策略。物流监控案例展示了该框架如何在无需重新训练底层MARL策略的前提下，实现异构服务的协同共存并随运行条件变化自适应。最后，我们讨论了实现可扩展、可信赖和自适应的agentic LAWNs 所面临的关键挑战与研究方向。
点评