智能互动 Agent 在快手商业场景的落地实践｜AICon深圳

AI摘要 核心内容：文章预告AICon 2026深圳大会，聚焦智能体工程落地，重点呈现快手在高并发商业场景中构建可规模化Agent系统的实战路径，强调算法与系统协同设计对效率与稳定性的关键作用。

关键观点：动态知识更新与自裁机制解决商业场景知识冲突；用户模拟与停滞检测支撑Agent自进化；自适应混合步长归因算法优化多轮对话长期收益评估。

适合大模型应用工程师、智能体系统架构师、AI基础设施负责人阅读。

Agent 时代，哪些方向正在成为行业关键变量？50 + 实战案例揭晓答案！

模型参数规模不断突破，推理成本持续下降，开源生态日益繁荣。当模型能力逐渐成为行业共识，一个新的问题开始浮现： 当人人都能获得强大的模型能力之后，真正的竞争力还剩下什么？ 答案正在从模型能力本身，转向围绕模型构建可规模化的智能系统；从单点能力提升，转向系统工程与组织级落地能力。

在这一背景下， 2026 年 AICon 人工智能开发与应用大会 · 深圳站 正式启动。本次大会将于 8 月 21 日—22 日 举办，聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等关键方向，邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家，系统性分享前沿洞察与实战干货，共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。

快手大模型应用算法专家邱慧已确认出席 “ 大模型效率工程与 Agent 系统实践 ” 专题，并发表题为 《 智能互动 Agent 在快手商业场景的落地实践 》 的主题分享。本次分享以"高并发、高变化场景下的大模型高效推理"为主线，结合快手商业互动 Agent 的落地实践，探讨如何在真实业务约束下构建稳定、低成本、可规模化的商业 Agent 系统：通过动态知识更新策略与知识自裁机制解决商业场景下的知识冲突问题，将知识变更和知识溯源前移至推理阶段实现实时更新；通过用户模拟与停滞检测实现 Agent 自进化，避免 Agent 在动态环境中越用越退化；在模型优化阶段引入自适应混合步度归因算法，解决多轮对话的长期收益归因难题。本次分享更关注算法与系统的协同设计，探讨如何把模型能力转化为稳定、低成本、可规模化的商业基础设施，并沉淀出可迁移的 Agent 效率工程方法论。

邱慧，现任快手（杭州）AI 互动方向负责人，全面负责 AI Agent 在快手电商场景的业务落地。期间，成功主导了快手电商智能客服从传统 FAQ 模式向生成式大模型的代际升级。此前曾先后就职于网易和蚂蚁集团，深耕智能客服算法与视频多模态内容理解领域。在学术研究与工程实践方面，长期致力于多模态大模型及强化学习在大模型中的前沿应用，兼具深厚的学术积累与丰富的工业界落地经验，在 ICLR、ACL、EMNLP 等国际顶级学术会议上发表过多篇论文。毕业于哈尔滨工业大学。他在本次会议的详细演讲内容如下：

业务痛点：高并发、低时延、强动态知识更新、算力成本多重约束并发

传统方案的瓶颈：直接上线大模型在时延、幻觉、成本上均遇天花板

核心矛盾：效果、时延与成本的不可能三角，引出效率工程主线

痛点：商品、优惠、库存秒级变化，离线索引更新滞后，幻觉风险高

动态知识更新策略：将知识变更前移至推理阶段，实现实时注入

知识自裁机制：多来源知识冲突时，基于来源优先级、更新时间和置信度进行可信度裁决

3. Agent 自进化：如何避免 Agent 越用越退化

痛点：开放动态商业环境下，固定策略长期运行容易失效退化

用户模拟机制：基于历史交互轨迹构建离线模拟环境，支持策略预评估与失败案例挖掘

停滞检测机制：实时识别策略失效与环境漂移，触发自更新链路

数据飞轮：模拟评估 → 数据回流 → 策略更新 → 上线验证

痛点：最终成交难以归因到历史关键对话动作，稀疏奖励导致优化方向偏移

自适应混合步度归因算法（Step-Aware Credit Assignment）

结合中间过程信号（追问、点击、加购）与最终转化结果

效果：将稀疏业务结果转化为细粒度可学习反馈信号，模型优化方向更准确

落地场景：生活服务、电商、商业化、直播多场景覆盖

核心收益：知识实时一致性提升、模型退化缓解、多轮转化归因改善

多 Agent 协作框架，应对跨品类比价、组合优惠等复杂商业决策链路

个性化策略自适应，基于用户消费偏好与决策风格实现 Agent 策略个人级定制

商业 Agent 落地的核心矛盾是效果、时延与成本无法同时拉满。高效果依赖大模型和长上下文，高并发又要求低时延和低成本，两者天然对立。

我们的实践结论是：放弃"一套链路解决所有问题"的思路。为了响应速度经常需要使用小模型并关闭思考模式，但小模型在复杂场景下的效果损失不可忽视，如何提升小尺寸模型的能力仍是持续投入的方向。与此同时，知识更新频率与推理成本之间的权衡、模型自更新的稳定性与收敛速度的博弈，都是在真实业务中反复遇到的取舍问题，没有一劳永逸的答案，只能在具体场景下持续调优。

效率工程的本质，是在系统整体层面找到最优平衡，而非追求每个环节的极致。

了解大模型 Agent 从 Demo 走向商业生产环境时的真实工程挑战，理解效果、时延与成本三角博弈的应对思路。

学习动态知识实时更新与知识冲突消解的工程实践方案，掌握知识变更前移至推理阶段的核心设计思路。

获得用户模拟与动态自进化的模型自更新闭环设计经验，理解如何在不伤害真实用户体验的前提下持续演进 Agent 策略。

掌握多轮对话长期收益归因方法，学习如何把稀疏业务结果转化为细粒度可学习反馈信号，解决 Agent 优化中奖励稀疏和方向偏移问题。

带走一套可迁移的 Agent 效率工程方法论，适用于电商、本地生活、直播、智能客服等需要低时延、高并发与强业务闭环的商业 Agent 场景。

除此之外，本次大会还策划了 AI Infra、推理工程与异构计算 、 超级个体与蜂群智能的共生进化 、 迈向机器人 AGI 的关键技术与产业实践 、 Agent 安全：从风险到可控 、 大模型效率工程与 Agent 系统实践 、 AI Agent 高价值商业场景实战 等 10 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 50+资深专家在现场带来前沿技术洞察和一线实践经验。

2026 年 AICon 人工智能开发与应用大会 · 深圳站 将于 8 月 21 日—22 日 举办，邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家，系统性分享前沿洞察与实战干货，共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。更多详情可扫码或联系票务经理 13269078023 进行咨询。