快手 AgentX——推荐系统自我迭代的 Agent 驱动研发闭环¶

Ch05.122 快手 AgentX——推荐系统自我迭代的 Agent 驱动研发闭环¶

📊 Level ⭐⭐ | 3.7KB | entities/kuaishou-agentx-self-iteration-recsys-2026.md

快手 AgentX 团队技术报告《AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems》——让 Agent 不只是辅助写代码，而是成为推荐迭代的执行主体。

综合历史实验、系统架构、数据分析和外部论文，把目标收敛成有优先级、有证据、有边界的候选方案。每个方案说明目标指标、实现位置、所需信号、预期机制、风险和验证方式。

通过仓库知识库、特征 schema 查询、DSL 检查、C++ 语法检查、dryrun 验证，把代码生成约束在真实仓库和平台规则内。支持论文复现、模块消融和跨论文结构组合。

安全部署、流量分桶、参数冲突检查、指标读取和 guardrail veto。成功和失败都资产化——成功成为后续 playbook，失败沉淀为反例、约束和剪枝规则。

Semantic-Gradient-based Prompt Optimization——从历史轨迹中找出 Agent 工作方式的缺陷（遗漏约束、证据不足、反复犯同类错误），转化为子 Agent 的局部 harness 更新，通过旧版与新版在同批 replay 任务上的配对评估决定是否接纳。

3 个 AgentX worker 在主站推荐 + 生活服务场景：

指标	人工	AgentX	提升
并发实验数/worker	1.5	12	8x
可发布结果/worker/周	0.08	1.1	13.8x
单位人力业务价值	1x	3.7x	3.7x
周并发实验数（窗口内）	15→60	—	自加速
Idea 通过率	15%→45%	—	自加速

业务结果：主站 App 消费时长 +0.561%，生活服务年化超 1 亿元。

实验漏斗：374 想法 → 106 通过审核 (28.34%) → 100 上线 (94.3%) → 10 可发布 (9.9%)

AgentX 是目前公开可见的最完整的工业级 Agent 驱动研发闭环实证。与生产级 Harness 架构设计互补——Harness 讨论通用架构，AgentX 提供推荐系统垂直领域的完整实现 + 真实 ROI 数据。

SGPO 自进化机制（将失败轨迹转化为 harness 更新）是独特的闭环设计，在现有 Harness 实体中未覆盖。