搜广推进入 Agent 时代

腾讯 AdPilot 全自动广告投放智能体和快手 AgentX 自进化推荐研发闭环在同一时间窗口释放同一个信号搜广推的范式正在从人写规则、模型拟合转向Agent 自主决策、自我迭代。为什么是现在搜广推过去十年的主线是把模型做大、把特征做细。但两个瓶颈始终没被解决执行瓶颈广告投手手动调参、算法工程师手工推进实验——人的吞吐量线性限制了系统迭代速度。一个工程师只能串行推进 1-2 个实验一个投手能同时管理的广告计划数有硬上限。经验瓶颈失败实验的价值只停留在文档和个人记忆里无法转化为系统能力。下一个投手/工程师仍然可能重复踩坑。两个瓶颈指向同一个答案让 Agent 成为执行主体人退到监督位。腾讯 AdPilotKDD 2026和快手 AgentX2026.06 技术报告分别从广告投放和推荐研发两条线给出了工程验证过的解法。(PS 下面这两个图不出意外也是大模型画的)AdPilot广告投放从人工操盘到Agent 自主决策AdPilot 是腾讯广告技术团队提出的首个端到端全自动广告投放智能体已部署在腾讯营销智能投放平台 AIM。核心思路把广告投放建模为 MDP用 LLM 做推理引擎用 RL 做端到端优化。三模块架构模块做什么关键设计记忆与反思让 Agent 记住投放历史短期记忆用结构化表格比非结构化省 40% token长期记忆按天做 LLM 摘要压缩Reflector 每小时主动诊断异常推理增强把广告领域知识喂给模型用 Qwen3-235B-Thinking 大规模 few-shot 生成推理数据Rubrics as Rewards打分 拒绝采样保证质量强化学习直接优化业务目标GRPO 训练参照 DeepSeek-R1 思路自研广告环境模拟器95% 反馈准确率奖励 格式 推理 业务结果关键结果32B 参数模型AdBench 综合得分超过 235B 模型6.5%超过 Gemini-3-Pro4.3%通用大模型推理得分高77.3%但业务得分低50.2%——“会推理不等于会决策”消融实验去掉记忆模块业务得分 -8.89%去掉推理增强推理得分 -16.32%去掉 RL 训练综合得分 -11.76%AdPilot 证明的核心命题领域对齐的小模型可以超越通用大模型。推理能力是必要条件但不是充分条件——领域知识、记忆机制和 RL 对齐才是业务决策能力的关键。AgentX推荐研发从人力线性推进到Agent 批量自进化AgentX 是快手技术团队提出的Agent 驱动的推荐系统自我迭代闭环。它不满足于让 Agent 做代码补全而是让 Agent 成为推荐研发的执行主体生成方案、写代码、上线实验、读反馈、沉淀经验。四阶段闭环Brainstorm Agent模糊目标 → 可落地方案。综合历史实验、系统架构、数据分析、外部论文把想法收敛为有优先级、有证据、有边界的候选方案。Developing Agent方案 → 生产代码。通过仓库知识库、特征 schema 查询、DSL/语法检查、dryrun 验证让代码生成约束在真实工程规则内。Evaluation Agent线上 A/B → 可复用的经验资产。安全部署、流量分桶、指标读取、guardrail veto。成功实验变成 playbook失败实验沉淀为反例和约束。Harness Evolution轨迹数据 → Agent 工作方式改进。SGPOSemantic-Gradient-based Prompt Optimization从历史执行中找出 Agent 自身缺陷自动更新子 Agent 的 prompt。关键结果在快手 App 真实部署3 个 AgentX worker374 个想法 → 106 个通过方案审核 → 100 个完成上线 →10 个可发布结果单 worker 并发实验数8x12 vs 1.5单 worker 周产出可发布结果13.8x单位人力业务价值3.7x主站 App 消费时长累计0.561%生活服务年化收入超 1 亿元自我加速周并发实验 15→60idea 通过率 15%→45%周可发布结果 2→5AgentX 证明的核心命题Agent 的经验可以复利。传统研发中每次实验的投入在新实验开始时清零AgentX 把每次执行轨迹转化为后续方案生成、代码实现和 harness 优化的燃料——系统越跑越快。两条线的交汇Agent 时代的三个范式迁移AdPilot广告投放和 AgentX推荐研发虽然落地场景不同但底层逻辑高度一致1. 从 Human-in-the-Loop 到 Human-on-the-LoopAdPilot 把投手从每步都要操作解放为设定目标、监督异常AgentX 把工程师从每个实验手工推进解放为设定方向、审核关键节点。人的角色从执行者变成监督者。2. LLM 不是万能的但 LLM 领域对齐 真实反馈是两个系统都证明裸 LLM 的通用推理能力不足以解决搜广推的决策问题。但 LLM 作为推理引擎叠加上领域知识推理增强/系统知识库、记忆机制短期长期/Harness Evolution和真实环境反馈RL/A-B 实验就能产生超出纯人工和纯模型的决策质量。3. 经验不再是人的经验而是系统的记忆传统搜广推的知识积累靠文档、靠人脑、靠口口相传。AdPilot 的两层记忆和 AgentX 的实验知识库都在做同一件事把过程数据资产化。每一次决策、每一次实验结果、每一次诊断反思都变成系统能力而非个人经验。一个值得关注的信号AdPilot 32B 模型在广告决策上超过 235B 通用模型这个结果与 AgentX 用 Agent 调度现有工具链做推荐研发的思路在底层呼应Agent 时代的竞争力不在于模型参数规模而在于领域知识密度、闭环反馈效率和经验复利速度。这可能是搜广推接下来最重要的技术趋势不是继续卷模型大小而是卷Agent 系统设计——记忆怎么组织、推理怎么增强、反馈怎么回环、知识怎么积累。来源备注腾讯广告 AdPilot迈向全自动广告投放的智能体新范式快手AgentX推荐系统开始自我迭代