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 AdPilot（KDD 2026）和快手 AgentX（2026.06 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-Pro 4.3%
• 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。SGPO（Semantic-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 worker：

• 374 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 8x（12 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→60，idea 通过率 15%→45%，周可发布结果 2→5

AgentX 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-Loop

AdPilot 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