Shape Your Feed: An LLM-based Agentic System for Conversational Recommendation

本文提出 Shape Your Feed (SYF)，一个基于 LLM 的 agentic 推荐框架，旨在解决传统推荐系统被动推断用户偏好、无法实时响应用户显式意图的问题。SYF 采用三层架构：Perception Flow 捕捉来自文本、语音和 UI 交互的细粒度用户意图；Serving Flow 利用持久化的 Semantic Profile 进行实时 agentic 重排序和候选裁剪；Self-Evolution Flow 通过 DPO 和 LLM-as-a-Judge 实现系统行为的自我进化。离线评估中，其对齐评分模块达到 98.85% 的准确率，在线 A/B 测试也表明其能显著提升 feed 相关性和用户满意度。

• 直接相关：SYF 的架构思路（感知、服务、自进化）为我正在做的 LLM 导购 agent 提供了可借鉴的框架，尤其是实时意图捕捉和语义 Profile 的持久化设计，可以应用于导购场景中用户自然语言表达的偏好动态更新。
• 技术选型参考：DPO 和 LLM-as-a-Judge 的组合用于系统自我进化，这为我设计用户反馈闭环提供了具体方案，可考虑在导购 agent 中引入类似机制，根据用户实时反馈优化推荐策略。
• 下一步行动：深入阅读全文，重点研究其 Semantic Profile 的细节和在线部署的工程实现，评估能否快速在导购场景中做一个简化验证。