IP承载网是千行万业的数字化底座，一次刷卡支付、一次线上挂号都离不开它。但网络一旦出故障，线索往往深埋在告警与配置里，排障的第一步是理清此刻这张网到底长什么样。
真实网络是动态的，每次故障的拓扑都不同。资深专家能在脑中重构动态网并定位根因，而这样的人才可遇不可求，把排障交给大模型Agent便成了行业破局的共识。
但华为GTS算法团队发现一个反直觉的痛点：Agent的推理能力在线，读得懂日志，却偏偏记不住网络长什么样。团队将其称为拓扑失忆，本质是缺少空间记忆。
纯文本Agent面对的是一维滚动的命令行，每推进一步都要从碎片的日志里重新脑补网络结构。上下文越长，这种空间关系就越容易在长文本里坍塌。
解法是给Agent一张活地图。NetCanvas用可交互视觉拓扑实现三件事：边查边长，把新发现的设备与链路实时合并；按需切换全局与局部视图并高亮焦点节点；符合网工习惯布局，让模型能在图上记录自己的推理假设。
在公开基准CTBench上，NetCanvas把综合通过率从30.3%提升到54.5%，双防火墙、等价多路径等复杂子任务从约10%跃升至约90%，平均探查步数从159步降到113步。
这揭示了一个更普遍的命题：决定专业Agent战斗力的，不只是模型内部的知识与推理，还有外围系统如何把真实世界呈现给它。星战科技在OPC智能体协作平台上关注的方向，同样是把复杂任务拆给合适的模型与工具，并让它们的判断可以被审阅和接续。
把海量日志硬塞进Token里注定导致认知超载，学会认知卸载、借助外部工作记忆，才是专业智能体走向现场的关键。