对话式推荐代理让用户可以用自然语言表达复杂需求，例如“推荐我未听过的意大利独立音乐人”。在缺乏真实交互的冷启动阶段，关键难点是如何规划代理的行为——选择、排序并调用工具。我们提出了两条技术路径来缓解这一问题。
第一条是多轮合成数据生成流水线。该流水线把单轮提示转化为逼真的多轮对话，提供了在产品上线前系统化评估的可能。通过对话模板和随机化策略，生成的对话覆盖了意图表达、工具调用、错误恢复等多种情形。
第二条是自我改进循环。循环核心是基于方差的对比优化（variance‑based contrastive optimization），配合一个专门的编码代理对规划错误进行迭代修正。编码代理会自动定位规划或工具使用的缺陷，并生成修复代码，随后重新评估生成的对话质量。
实验表明，在已有的高度优化手工提示基础上，整体质量提升约8%。系统已在Spotify内部上线，显著加速了对话式推荐代理的迭代周期。在线A/B测试显示，与仅支持会话细化的旧版相比，用户收听时长提升14%，周活跃用户增长5%，跳过率下降5%。
该工作提供了一个可在工业环境中快速推进对话式推荐系统研发的实用框架。
点评