一、论文核心背景
AgentX是快手团队提出的工业级推荐系统自迭代框架，核心解决传统推荐系统研发依赖工程师手工串
行推进、创新吞吐随人力线性增长的痛点，将“想法到上线”链路改造为多智能体并行执行的闭环系统。
二、四大核心智能体分工
Brainstorm Agent：将模糊业务目标转化为有数据支撑、可落地的候选实验提案，自动参考历史实验数
据与知识库，输出带优先级的落地方案。
Developing Agent：在受约束的真实代码仓库中开发生产可用代码，通过特征Schema校验、DSL验证、
预演测试保障代码可直接上线。
Evaluation Agent：自动完成流量分桶、参数冲突检查、线上A/B实验评估，最终输出KEEP/EXTEND/DISCARD的结构化实验结论。
Harness Evolution模块：通过SGPO机制将每次执行失败的原因转化为语义梯度，反向优化子Agent的Prompt与工作规则，实现系统自我进化。
三、工业落地实测效果
快手在主站推荐和生活服务两个场景部署三周，3个AgentX Worker并行处理374个实验想法，最终10个实验获得正向评估可发布：
主站推荐用户App消费时长累计提升0.561%
生活服务场景贡献年化超1亿元收入
单Worker并发实验能力从人工的1.5个提升至12个，性能提升8倍，单位人力业务价值提升3.7倍
系统出现自我加速效应：周并发实验数从15增至60，实验idea通过率从15%提升到45%
四、核心创新点
区别于传统LLM驱动的AutoML仅在离线指标或沙盒任务验证，AgentX首次围绕真实线上反馈+轨迹资产化+自进化闭环构建工业级推荐迭代体系，让推荐系统的创新吞吐随算力、历史实验知识复利增长，工程师仅需聚焦目标设定、关键审核等高阶判断工作。
需要我为你整理这篇论文的核心架构图和关键实验数据对比表吗？方便你快速输出完整的技术分享笔记。