Personalized Communication Skills for Agentic Recommender Systems
面向智能推荐系统的个性化沟通技能框架
🧭 Agent 通信 · 个性化技能路由 ★ 深度解读
重庆大学 · 昆士兰大学
提出 why-what-how-who 技能库与个性化路由，让智能推荐代理通过外部用户互补证据纠正视角狭窄
📌 工作参考价值（4 点）
- 构建可复用的沟通技能库：借鉴 why-what-how-who 层次结构，在电商/广告推荐的 Agent 评估环节，预先定义决策缺陷（冷启动/选择冲突等）→ 信息需求 → 交互协议（单人/多人协作/竞争）→ 顾问选择（相似用户/信任用户），形成可查询的模板库，避免每次对话都从零设计 prompt。
- 动态路由替代固定通信流程：利用 LLM 根据当前用户状态、候选集与已有证据，依次从四个层次选择最合适的技能节点，而非采用单一对话策略；可用于推荐解释、争议推荐二次确认等场景。
- 失败驱动的自动进化：当 Agent 的最终选择出错时，诊断通信失败的原因并自动生成新的子技能或同级技能，实现技能库的自我扩展；可迁移到在线推荐策略迭代中，从 bad case 自动归纳新规则。
- 可控的通信成本与性能平衡：实验表明，多轮用户-顾问交互能持续提升 Hit@1（3 轮达最优），但顾问内部过多讨论反而有害；部署时可设置最大交互轮次，并在顾问间采用简洁的单轮协议，以较低 API 成本（<0.01$/用户）换取显著推荐增益。