快手把商业 Agent 练成「会成交的客服」：知识日更，奖励分层归因

直播间里，商家刚刚把”买二送一”改成”买三送一”。几分钟后，用户来问活动怎么算，客服 Agent 必须给出新答案——如果它还照着昨天的知识库回答，这一单基本就黄了。这类场景，是快手做商业 Agent 时最日常的考题。

一分钟速览

• 快手在 AICon 2026 深圳站分享智能互动 Agent 的落地实践。
• 商业场景的”不可能三角”是效果、时延、成本，目标是 1 到 2 秒内返回。
• 知识库覆盖对话与视频两类来源，做成 QA 对并挂载 entity 与 intent 标签。
• 图片知识不做索引，用户提问时在线取商品全部图片（20 到 30 张）实时检索。
• 用用户模拟器与自进化策略防止模型越用越退化，用分层奖励做成交归因。

为什么不用现成方案

快手走过完整的弯路。大模型之前，客服和 AI 经营小二主要靠 FAQ 加小模型：客服场景用 BERT，图像任务用 EfficientNet，多模态用 ALBEF 一类模型。做了很多年，效果一直不理想，根本原因是小模型对复杂多轮对话理解不足，也缺乏稳定的推理规划能力，而真实场景里大量工具调用——查价格、查物流、问退货——小模型编排不了。

那直接用开源大模型？也不成立。开源模型通用能力强，但没有业务数据，涉及领域知识时表现下滑，而且回答得”像专家”不等于能促进成交。更现实的是时延：业务要求一到两秒返回，开源模型一轮思考就可能超时，思考模式往往还关不掉，输出稳定性也不够。

结论是自研：用自己的业务数据训练一个懂业务、会决策、能调工具的模型，同时把成本压在安全边界内。这个判断不性感，但很诚实——商业 Agent 的第一性原理不是”模型多聪明”，而是”在约束条件下能不能稳定成交”。

知识库的脏活累活

知识库要解决两个问题：时效与覆盖，可信与理解。索引天然滞后，而知识散落在商家维护的信息、商品详情页、直播口播、直播切片里，彼此还可能冲突。

快手的做法是建全域知识库，把知识统一成一种存储格式。来源分两个维度：对话维度，从用户与人工客服的真实聊天里挖掘；视频维度，从商家短视频和直播内容里提取。提取后形成 QA 对，并挂载 entity——商品维度的知识挂商品，店铺维度的知识挂店铺。随后给每条知识打 intent 标签，供检索使用。

这一步被团队自己称为”脏活累活”，但它决定了回答质量的上限。更新机制做到天级别：新问题进来后与现有知识库检索对比，由大模型判断冲突与重叠，能自动消解就自动处理，处理不了转人工 check。数据飞轮由此转起来：知识越用越准，覆盖越来越广。

把计算搬到在线

天级更新仍然救不了直播场景。商家的活动这一秒一个样，离线知识永远慢半拍。快手在图片知识上做了个轻量优化：用户问某个商品的问题时，把这个商品下的全部图片一次拿回来，平均 20 到 30 张，不做索引，在线做相关性检索，只挑一到两张最相关的。

为什么不建索引？算笔账就明白：一亿商品，每个商品二三十张图，全量刷库的体量惊人；向量模型想换一代，要先做 AB 实验、全量刷一遍，推全再刷一遍，计算成本难以承受。把计算放到在线，代价是每次请求多做一点检索，收益是知识永不过期。

防退化：用户模拟器与分层奖励

对话场景的奖励极其稀疏：有没有成交、有没有解决问题，只有最后一轮才有信号，中间过程怎么分配功劳？快手用分层奖励与信用分配来解决，把最终结果拆解回多轮交互，让模型知道哪一句话真正推动了成交。

另一个隐患是退化。模型长期不更新，今天跑得好好的，明天出现新场景就开始下滑。团队用用户模拟器构造训练与评测环境，配合自进化策略持续迭代，形成”知识库保证答得对、进化机制保证不退化、成交归因让它学明白策略”的闭环。

趋势洞察：商业 Agent 拼的是闭环

这份分享里最有价值的部分，不是某个模型结构，而是一串工程选择：自研而非套壳、知识在线化而非全量索引、奖励分层而非结果导向、模拟器评测而非纯人工抽检。它们共同指向一个判断——商业 Agent 的护城河在数据闭环和工程细节，不在参数规模。

对行业来说，这也是一份现实提醒：能 demo 的 Agent 很多，能扛住高 QPS、两秒时延、天天变价的 Agent 很少。真正的门槛，藏在那些不愿意写进 PPT 的脏活里。