Shape Your Feed：基于大语言模型的agentic对话式推荐系统

工业推荐系统主要采用被动排序范式，从隐式行为信号（如点击、停留时长）而非显式自然语言输入中推断用户偏好。因此，用户的显式兴趣与被动行为算法所交付的内容之间存在持续落差，限制了他们表达细微偏好或实时调整信息流的能力。为弥合推荐优化方式与用户表达兴趣方式之间不断扩大的鸿沟，我们提出Shape Your Feed（SYF），一个基于大语言模型的agentic推荐框架，实现实时的多模态内容共同策划。SYF采用三层架构：(i) 感知流（Perception Flow），从文本提示词、语音命令与UI交互中捕捉细粒度用户意图；(ii) 服务流（Serving Flow），基于编码演化用户偏好的持久语义画像（Semantic Profile），执行候选物品的实时agentic重排与剪枝；(iii) 自我进化流（Self-Evolution Flow），通过直接偏好优化（DPO）与LLM-as-a-Judge集成使系统行为与人类判断对齐。离线评估显示，SYF的对齐打分模块达到98.85%的准确率，大幅超越强少样本基线。在生产流量上的大规模在线A/B实验进一步表明，SYF提升了信息流相关性与用户情感，展示了在工业环境中实现交互式、用户可控推荐的实用且可扩展的路径。