资源管理是分布式边缘网络的核心挑战，传统的强化学习（RL）在单一服务调度上表现良好，但在复杂工作流中奖励的泛化仍未得到有效解决。为此，本文提出 RAGAM‑AI，一个将 RL 算法与生成式 AI（Gen‑AI）相结合的混合框架，用于在多接入边缘计算（MEC）单元上实现资源分配的自适应优化。框架核心是利用大语言模型（LLM）提供反馈，从而缓解奖励泛化问题。具体实现上，采用 Multi‑Agent Soft‑Actor Critic（MASAC）并以 $$\Sigma$$tral 作为奖励 Oracle，对 CPU、内存和带宽等资源进行细粒度调度。系统首先解析全局状态信息，随后在多个边缘服务器代理之间评估多目标权衡，驱动资源编排循环。为降低计算开销，框架引入了代理奖励模型（surrogate reward model），在训练阶段近似真实奖励函数。实验将 RAGAM‑AI 与单代理 SAC、REINFORCE 以及随机策略进行对比，结果显示在保持低延迟和数据速率成本的前提下，CPU、内存和带宽的分配偏差显著下降。整体来看，RAGAM‑AI 提供了一种可扩展的 AI‑as‑Feedback（AIAF）方案，实现了网络资源的高效优化。\n\n点评：该工作通过 LLM 反馈闭环和 MASAC 多代理协同，创新性地解决了 RL 在边缘资源管理中的奖励泛化难题，为实际部署提供了可行的路径。