对抗式Agent技术在专家系统优化上的应用
摘要：本文提出对抗式Agent方法论，通过两个角色对立的Agent进行对抗迭代，将大语言模型的泛化能力逐步沉淀到专家系统的确定性规则中，实现两种范式的优势融合。以Jarvis平台上的安全扫描模块jsec为案例，展示了2天内59条C/C++检测规则从正则驱动到数据库驱动架构的对抗式进化过程，最终实现87个漏洞样本全检测、66个安全样本0误报。该方法的核心特点是逐步将模型的不确定能力沉淀为专家系统的确定规则，可推广至故障定位、专家运维等专家系统与Agent混合场景。 
1. 引言
在软件工程和系统安全领域，一个长期存在的矛盾是：确定性系统缺乏泛化能力，而具备泛化能力的系统又缺乏确定性。 
传统的专家系统基于预定义的规则运行，输出结果确定、执行效率高，但只能处理规则覆盖范围内的已知场景。一旦遇到规则未覆盖的新模式，系统便无能为力。而近年来兴起的大语言模...