快手AgentX：推荐系统开始自我迭代

发布时间：2026-07-18 01:25:16 来源：安智兰德资讯网 作者：百科

机器之心发布

过去十年，快手开始推荐系统的推荐发展主线始终聚焦于强化「建模」与「工程」能力：特征维度更细、模型规模更大、系统序列处理更长，自迭生成式推荐与推荐大模型不断拓展着系统的快手开始技术边界。然而，推荐在工业界推荐系统的系统日常迭代中，真正的自迭瓶颈往往不在于模型本身，而在于研发生产方式的快手开始局限性。

一个推荐策略从初始构思到最终上线，推荐需历经数据分析、系统方案设计、自迭代码修改、快手开始实验配置、推荐A/B 观测、系统指标归因及复盘沉淀等复杂环节。在此过程中，稀缺资源并非「编写代码」或「运行实验」的执行能力，而是持续提出高质量假设、精准判断实验成败原因，并将经验转化为下一轮优化方向的高阶认知能力。

传统模式下，这一链路主要依赖算法工程师手工推进，创新效率受限于人力投入与个人经验的线性增长。

快手 AgentX 团队旨在打破这一僵局。其发布的技术报告《AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems》提出并验证了一套面向工业推荐系统的 Agent 驱动研发闭环。该体系让 Agent 超越辅助写代码的角色，成为推荐迭代的核心执行主体，持续生成方案、实现代码、部署实验、读取反馈，并将每一次执行轨迹沉淀为系统进化的燃料。

在快手 App 的真实业务部署中，AgentX 已成功跑通「想法 — 代码 — 实验 — 归因 — 进化」的完整闭环。3 个 AgentX worker 在主站推荐与生活服务商业化场景中，将 374 个实验想法推进为 10 个可发布结果。相较于传统人工迭代，单 worker 并发实验数提升 8 倍，单位人力业务价值提升 3.7 倍，并带来主站用户 App 消费时长累计 +0.561%、生活服务年化收入超 1 亿元的显著业务收益。

AgentX 技术报告：https://arxiv.org/abs/2606.26859v2

背景：推荐迭代的瓶颈，正从模型转向研发闭环

如果说 Scaling（缩放）解决的是「模型上限」，Reasoning（推理）解决的是「逻辑清晰度」，那么 Agentic（智能体）真正要回答的是 「系统能否持续将事情做成」。对于推荐系统而言，这一命题尤为关键：推荐迭代并非单点推理任务，而是一条横跨数据、代码、平台、实验、指标及业务判断的长链路。

传统人工迭代面临三大显著天花板：

1. 吞吐受限于人：工程师通常只能串行推进少量实验，每个想法均需手工完成分析、开发、上线和复盘。在执行链路不变的前提下，增加人力仅能带来线性提升。
2. 经验难以沉淀为系统能力：失败实验往往蕴含巨大价值，它们暴露了业务边界、平台约束、特征缺口及策略风险。若这些信息仅停留在文档或个人记忆中，系统在下一次迭代中仍可能重复踩坑。
3. 离线判断无法替代真实用户反馈：推荐系统的终极目标是优化线上用户行为与业务指标。离线评估合理的方案，在线上未必有效；唯有通过安全、可控、可归因的 A/B 实验，才能获得可靠的奖励信号。

因此，AgentX 的目标并非打造更聪明的代码助手，而是重构推荐研发的生产函数：将工程师从重复性执行中解放，聚焦于目标设定、关键审核与高阶判断；将执行、验证与经验沉淀交由 Agent 系统持续推动。

AgentX 怎么做？构建可执行、可验证、可进化的闭环

AgentX 将完整的推荐实验拆解为四个核心阶段：Brainstorm Agent（头脑风暴）、Developing Agent（开发实现）、Evaluation Agent（评估验证）以及 Harness Evolution（执行器进化）。前三者负责将想法转化为线上结果，后者则确保 Agent 系统从历史轨迹中持续增强。

1. Brainstorm Agent：将模糊目标转化为可落地方案

真实业务需求往往模糊不清，如「提升观看时长」「改善冷启动」或「优化特定用户转化」。若任由模型自由发散，极易产生依赖不存在特征、触碰错误链路或重复历史失败方向的「漂亮想法」。

Brainstorm Agent 综合历史实验数据、系统架构、数据分析结果及外部前沿论文，将目标收敛为少量有优先级、有证据支撑、有明确边界的候选方案。每个方案均需明确目标指标、实现位置、所需信号、预期机制、潜在风险及验证方式。

2. Developing Agent：让代码生成真正进入生产语境

在工业级代码库中，语法正确仅是基础。字段看似合理但实际不存在、策略未注册至正确队列、实验开关缺乏默认保护等，均会导致线上实验失真。

Developing Agent 通过整合仓库知识库、特征 Schema 查询、DSL 检查、C++ 语法校验及 Dryrun 验证等工具，将代码生成严格约束在真实仓库与平台规则之内。在模型研究侧，它支持论文复现、模块消融及跨论文结构组合，并通过确定性日志解析、专家投票及因果链归因，确保结论的可信度。

3. Evaluation Agent：将线上 A/B 转化为系统的真实奖励

AgentX 拒绝将离线指标或模型自评作为最终答案。Evaluation Agent 负责安全部署、流量分桶、参数冲突检查、指标读取及 Guardrail Veto（护栏否决），防止局部收益牺牲用户体验或业务安全。

更关键的是，它实现了成功与失败的双向资产化：成功实验转化为后续方案的 Playbook（操作手册），失败实验则沉淀为反例、约束条件及剪枝规则。

4. Harness Evolution：让 Agent 自我修正工作方式

AgentX 的自进化机制基于 SGPO（Semantic-Gradient-based Prompt Optimization，语义梯度提示优化）。它不直接优化推荐策略，而是从历史执行轨迹中诊断 Agent 工作方式的缺陷：是否遗漏业务约束、证据是否不足、交付字段是否完整、是否重复同类代码错误。

随后，SGPO 将这些诊断转化为子 Agent 的局部 Harness 更新，并通过旧版与新版在同一批 Replay 任务上的配对评估，决定是否接纳更新。

这是 AgentX 的核心差异：它并非简单自动化人工流程，而是将每次执行转化为系统能力的增长。

实验结果：374 个想法，10 个可发布结果

AgentX 的核心验证基于快手 App 的真实部署。3 个 AgentX worker 并行运行于主站推荐和生活服务两个生产场景，完整记录了 Idea Pass、Code-and-Launch、Positive Evaluation 等关键节点。

整体漏斗数据如下：
* 输入：374 个实验想法进入系统。
* 方案审核：106 个通过审核，Idea Pass Rate 为 28.34%。
* 代码实现与上线：100 个完成开发上线，Code-and-Launch Rate 为 94.3%。
* 正向评估：10 个获得正向评估并达到发布标准，Positive Evaluation Rate 为 9.9%。

业务线分布：
* 主站推荐：361 个想法产生 8 个可发布结果。
* 生活服务：13 个想法产生 2 个可发布结果。

业务收益：
* 主站推荐用户 App 消费时长累计提升 +0.561%。
* 生活服务为快手平台贡献年化超 1 亿元收入。

生产效率的重定义：
传统流程中，工程师串行推进实验；AgentX 将方案生成、编码、上线和监控拆分为并行流水线，使不同想法可同时处于不同阶段。
* 并发能力：单个 AgentX worker 平均维持约 12 个并发实验，而传统工程师约为 1.5 个，并发能力提升 8 倍。
* 产出效率：单 worker 每周产出 1.1 个可发布结果，是人工方式的 13.8 倍。
* 价值贡献：单位人力贡献的累计 App 时长收益达到人工的 3.7 倍。

自我加速效应：
在实验窗口期内，AgentX 展现出明显的自我加速趋势：周并发实验数从 15 增至 60，Idea 通过率从 15% 提升至 45%，每周可发布结果从 2 个提升至 5 个。随着技能沉淀、失败模式积累及 Dryrun 模板成熟，系统不仅跑得更快，更在更高效地排除无效方向，将资源集中于高成功率实验。

从策略迭代到模型研究：同一闭环的迁移价值

AgentX 的价值不仅限于线上策略实验，在模型侧研究中也展现出强大的迁移能力。系统可自动阅读近期推荐论文，在统一代码库上复现方法，基于 KuaiRand、Taobao、Amazon、ML-1M 等公开数据集进行评估，并从表现优异的模型中抽取互补模块，进行跨论文结构组合与新架构探索。

在独立的模型研究实验中，AgentX 跑通了从论文复现、模块组合、离线评估、在线测试到发布评审的完整链路。其中，达到发布级别的模型在快手 App 直播时长指标上带来 +0.865%的收益。

这表明 AgentX 并非特定业务场景的脚本集合，而是一套可迁移的自动研发范式：只要问题能组织成「提出假设 — 实现方案 — 获得反馈 — 沉淀经验」的闭环，AgentX 即可将其改造为批量化、自进化的研发流程。

案例分析：PCV 增强精排分的两轮闭环优化

以下展示一个 PCV（Post-Consumption Value，消费后价值）增强精排分的真实案例。目标是在保持真实曝光和用户体验护栏稳定的前提下，提升用户观看时长。PCV 信号源自分享、收藏、重播等消费后行为，反映内容长期价值，但也存在低质或噱头内容激发此类行为的风险。

第一轮迭代：
* Brainstorm Agent：选择直接引入 PCV boosting。
* Developing Agent：实现为带实验开关保护的乘法打分公式。
* Evaluation Agent：线上 A/B 测试显示，该方案方向略有收益，但统计显著性不足，且伴随部分人群和多样性指标风险。

关键转折：
AgentX 未将此次结果简单判定为「失败」，而是将其转化为下一轮输入：直接提升高 PCV 内容可能放大噪声。因此，第二轮引入了质量门控、用户活跃度自适应权重和时长导向底分。

最终结果：
新方案取得用户观看时长 +0.071%、真实曝光 +0.118%的提升，同时用户体验护栏保持稳定。

此案例证明，AgentX 的核心能力不在于一次性给出完美答案，而在于将真实反馈转化为下一轮更强的假设。推荐系统中最宝贵的经验，往往就藏在这些「第一轮不够好」的实验之中。

总结与展望

AgentX 通过真实业务闭环，回答了推荐系统自动研发中的三个关键问题：

1. 推荐算法迭代能否由 Agent 执行？
   可以。前提是 Agent 不能止步于文本生成或代码补全，必须深入真实生产链路，理解系统知识、遵守工程约束，并接受线上 A/B 的严格检验。
2. Agent 产生的经验能否复利？
   可以。通过实验知识库、失败资产化及 SGPO 自进化机制，AgentX 将每次执行轨迹转化为后续方案生成、代码实现和 Harness 优化的数据来源。
3. Agentic 推荐研发能否产生真实业务收益？
   已经实现。真实部署中，AgentX 带来了 8 倍并发能力、3.7 倍单位人力业务价值、主站 App 时长 +0.561% 及生活服务年化超 1 亿元收益。

未来展望：
推荐研发的分工会发生深刻变革：
* 应用层：工程师与 Agent 系统协同，面向业务目标推进策略和模型迭代。
* 基础层：工程师持续进化 Agent 框架、工具链及基础模型能力。

每一次实验产生的轨迹数据，都将同时服务于短期业务优化与长期智能成长。当想法生成、代码实现、线上评估和经验沉淀均可被规模化、闭环化、可验证地自动执行，推荐系统迭代将不再仅是「增加人力」的线性增长，而是进入「经验、算力与智能共同复利」的新阶段。

AgentX 的生产实践表明，自进化、批量化、Agent 驱动的工业推荐研发已不再是设想，而是正在真实业务中释放价值的新生产方式。

相关文章