Desde la llegada de GPT, los modelos de lenguaje grandes (LLMs) han traído avances revolucionarios en todos los ámbitos de la vida. Como una tecnología superior de procesamiento del lenguaje natural (NLP), los LLMs han logrado consistentemente un rendimiento de vanguardia en numerosas áreas. Sin embargo, los LLMs son considerados modelos de propósito general para tareas de NLP, lo que puede presentar desafíos al aplicarlos a tareas complejas en campos especializados como las redes ópticas. En este estudio, proponemos un marco de redes ópticas potenciadas por LLM, facilitando el control inteligente de la capa física y la interacción eficiente con la capa de aplicación a través de un agente impulsado por LLM (AI-Agent) desplegado en la capa de control. El AI-Agent puede aprovechar herramientas externas y extraer conocimiento del dominio de una biblioteca de recursos integral específicamente establecida para redes ópticas. Esto se logra a través de la entrada del usuario y de indicaciones bien elaboradas, lo que permite la generación de instrucciones de control y representaciones de resultados para la operación y mantenimiento autónomos en redes ópticas. Para mejorar la capacidad de los LLM en campos profesionales y estimular su potencial en tareas complejas, los detalles de la ingeniería de indicaciones, el establecimiento de la biblioteca de conocimiento del dominio y la implementación de tareas complejas se ilustran en este estudio. Además, el marco propuesto se verifica en dos tareas típicas: análisis de alarmas de red y optimización del rendimiento de la red. Las buenas precisiones de respuesta y similitudes semánticas de 2400 situaciones de prueba muestran el gran potencial de los LLM en redes ópticas.