STR-Agent：一种由LLM驱动的用于LEO卫星网络QoS感知路由的智能体

LEO卫星网络具有拓扑动态变化、链路随时间变化以及服务需求多样化等特点，这使得传统路由方案难以支持细粒度的服务质量（QoS）保障。现有研究主要针对具有预定义目标的网络状态进行路由优化，但很少关注如何将非结构化的自然语言服务请求转化为自适应路由决策这一实际挑战。为弥补这一空白，我们提出了STR-Agent，一种用于LEO卫星网络QoS感知路由的LLM驱动框架。STR-Agent的核心创新在于，在单一智能体架构中统一了意图感知、基于工具的执行、经验积累以及基于反思的策略自适应。具体而言，感知模块将自然语言请求转换为结构化路由语义；反思模块则根据实时拥塞状况和历史路由结果动态调整服务到路由策略的映射，而非依赖固定的路由目标。此外，我们开发了专用的感知模型，并构建了面向LEO服务理解的领域专用监督微调数据集。在Walker-Delta星座中的仿真结果表明，STR-Agent显著优于传统基线方法：与DQ-Dijkstra相比，其端到端时延最多降低60%；经过监督微调后，平均意图理解准确率由45.4%提升至92.45%；在600 Mbps速率下，反思模块还可进一步降低120 ms的时延。这些结果表明，LLM驱动的智能体架构有望在未来LEO卫星网络中实现面向服务的自适应QoS路由。