面向无线通信领域的专业 AI 智能体平台
习题解答 · 标准检索 · 论文速递 · 网络规划 · 报告生成
WirelessAgent（小龙虾） 是一个面向无线通信领域的专业 AI 智能体平台，依托大语言模型（LLM）智能体能力，结合无线通信领域的课程知识、3GPP/ITU 标准文档、前沿论文和工程案例，为无线通信方向的学生、网络工程师、科研人员和从业者提供高效、准确、可追溯的 AI 辅助服务。
本项目基于以下前期研究：
- WirelessAgent (China Communications, 2025) — 基于 LLM 的无线网络智能体框架，采用 LangGraph 工作流与 Human-in-the-loop 机制
- WirelessAgent++ (arXiv, 2026) — 引入领域自适应 MCTS 算法，实现工作流与工具的联合自动优化
- WirelessBench — 面向无线网络的容忍度感知、工具集成的评测基准（WCHW / WCNS / WCMSA）
- AgentX Competition (UC Berkeley, 2026) — 国际智能体竞赛验证框架竞争力
| 模块 | 说明 | 状态 |
|---|---|---|
| 🧮 习题解答 (Homework Solver) | 覆盖信号与系统、通信原理、MIMO、OFDM、信道编码等课程，支持 LaTeX 输入、分步推导、知识点关联 | MVP |
| 📡 标准检索 (Standard Search) | 3GPP/ITU/IEEE 标准文档语义检索，自然语言查询，参数速查 | Phase 2 |
| 📄 论文速递 (Paper Digest) | arXiv/JSAC/TWC 等每日论文抓取，中文摘要生成，研究方向定制推送 | Phase 2 |
| 📶 网络规划 (Network Planning) | 基站部署方案生成、网络切片配置、链路预算与覆盖评估 | Phase 3 |
| 📊 报告生成 (Report Generator) | 实验报告/技术调研/方案设计自动生成，多格式模板导出 | Phase 2 |
| 🏆 WirelessBench 评测 | WCHW 习题评测基准，四维评分体系（公式/数值/单位/步骤），持续评估 Agent 性能 | Phase 1 |
┌─────────────────────────────────────────────────────┐
│ 前端 (React / Next.js) │
│ 对话界面 · 报告预览 · 用户中心 │
├─────────────────────────────────────────────────────┤
│ API 网关 (FastAPI) │
│ 用户认证 · 请求路由 · 限流 · 日志 │
├─────────────────────────────────────────────────────┤
│ 智能体核心 (Agent Core) │
│ ┌─────────────────┬─────────────────────────┐ │
│ │ 工序设计 (MCTS) │ 工序执行 (LangGraph) │ │
│ │ · 任务分解 │ · ReAct 工具调用 │ │
│ │ · 工具选择 │ · 状态管理 │ │
│ │ · 工作流自动优化 │ · Human-in-the-loop │ │
│ └─────────────────┴─────────────────────────┘ │
├─────────────────────────────────────────────────────┤
│ 工具层 (数学求解器 · 仿真接口 · 检索 · 计算) │
├─────────────────────────────────────────────────────┤
│ 数据与知识层 (向量数据库 · 知识图谱 · 文档存储) │
├─────────────────────────────────────────────────────┤
│ 基础设施 (Claude/GPT/Gemini · GPU · O-RAN) │
└─────────────────────────────────────────────────────┘
| 层次 | 技术 |
|---|---|
| LLM 后端 | Claude Opus / GPT / Gemini（多模型路由） |
| Agent 框架 | LangGraph + 自研 MCTS 引擎 |
| RAG 检索 | 向量数据库 (Milvus/Pinecone) + 混合检索 |
| 前端 | React + Next.js + Tailwind CSS |
| 后端 | Python (FastAPI) + Node.js |
| 数据库 | PostgreSQL + Redis |
| 评测体系 | WirelessBench (WCHW + WCNS + WCMSA) |
WirelessBench-WCHW 覆盖无线通信 6 大核心主题、449 道习题，采用四维评分体系：
| 评分维度 | 权重 | 说明 |
|---|---|---|
| 公式准确性 | 35% | 推导过程和最终公式的正确性 |
| 数值精度 | 25% | 计算结果数值的精确度 |
| 单位正确性 | 20% | 物理单位的正确使用与转换 |
| 步骤逻辑 | 20% | 解题步骤的逻辑完整性与清晰度 |
| 方法 | 准确率 | 提升 |
|---|---|---|
| Original (Qwen-Turbo) | 58.34% | — |
| CoT | 60.32% | +1.98% |
| MedPrompt | 61.22% | +2.88% |
| AFlow | 69.92% | +11.58% |
| WirelessAgent (Ours) | 77.94% | +19.60% |
- Phase 1 — 前后端框架、习题解答模块、WirelessBench-WCHW 上线
- Phase 2 — MCTS 自动化工序设计、标准检索、论文速递、报告生成
- Phase 3 — 网络规划辅助、O-RAN 数据生成、多模型路由
- Phase 4 — 规模化运营 (5,000 MAU)、商业化探索、英文版上线
- Tong J, Guo W, Shao J, et al. WirelessAgent: Large Language Model Agents for Intelligent Wireless Networks. China Communications, Nov., 2025.
- Tong J, Li Z, Liu F, et al. WirelessAgent++: Automated Agentic Workflow Design and Benchmarking for Wireless Networks. arXiv:2603.00501, 2026.
Made with ❤️ by WirelessAgent Working Group