STEPS系统如何重塑十亿级推送架构：自触发智能体的三大突破

6 阅读

在移动互联网高度渗透的今天，推送通知已成为连接用户与应用的关键桥梁。然而，这一看似简单的功能背后，隐藏着复杂的权衡：既要有效唤醒沉睡用户，又要避免过度打扰导致权限关闭。传统推送系统长期受限于“被动响应”模式，难以在用户体验、业务目标与计算成本之间取得最优平衡。近期，抖音与北京大学团队提出的 STEPS（Self-Triggered End-to-end Agentic Push System） 系统，为这一难题提供了全新的解决方案。

图片

STEPS的核心创新在于将推送系统从“被驱动的流水线”转变为“自驱动的智能体闭环”。它不再依赖固定时钟或预设排期，而是让系统具备自主决策能力——不仅能判断“是否发送”，还能决定“何时再次醒来做决策”。这种范式转变不仅提升了推送效果，更显著降低了资源消耗，已在超10亿用户的抖音平台实现全量部署。

图片

传统推送系统的结构性瓶颈

图片

当前主流推送系统主要采用两种被动模式：固定间隔轮询与提前排期。前者以固定频率（如每5分钟）触发全量计算，虽实现简单，但存在严重算力浪费——多数时刻并无有效推送机会；后者则基于历史数据预测未来最佳发送时间，形成排期表，但无法感知用户实时状态（如刚打开App或正在会议中），需依赖大量启发式规则进行动态调整。

图片

这两种方案的共同缺陷在于其“机械性”：系统始终是外部信号的执行者，缺乏对自身行为节奏的掌控。具体表现为三点：

图片

  • 时机被动：由时钟或排期表驱动，无法根据环境变化动态调整唤醒频率；
  • 链路静态：每次触发必走完整召回-粗排-精排流程，即使当前无高价值内容也消耗同等算力；
  • 演进困难：难以基于长期用户反馈进行策略迭代，过度依赖人工规则修正。

图片

这些限制在十亿级用户规模下被急剧放大。一次低效推送不仅浪费计算资源，更可能引发用户反感，导致不可逆的权限关闭。因此，亟需一种能主动感知、自主规划并持续进化的新型架构。

图片

STEPS的三大智能体协同机制

图片

STEPS通过构建三个相互协作的智能体，形成端到端的自触发闭环：

图片

规划智能体：生成式决策实现自主唤醒

图片

规划智能体负责回答“下一次何时醒来”这一根本问题。它以Decision Transformer为骨干网络，将推送时机预测转化为序列决策任务。关键挑战在于如何让模型真正“听懂”业务目标。传统方法将目标回报（Return-to-Go, RTG）作为普通特征输入，易被高维状态特征淹没，导致“条件忽略”——无论设定何种目标，输出几乎不变。

图片

STEPS引入门控机制（Gated-RTG），将RTG以乘性方式调制状态表征，强制模型关注目标信号。实验显示，标准DT的条件相关比值在1.0附近波动，而Gated-RTG能稳定偏离1.0，与真实数据分布高度一致。此外，系统将0-24小时划分为100个有序桶，通过有序回归平滑解码时间间隔，避免离散分类带来的精度损失。

图片

上线后，极短间隔（0-20分钟）推送占比下降35.93%，高频用户（日推>30次）比例减少9.30%，表明系统有效抑制了过度打扰。

执行智能体：基于轨迹建模的长期价值判断

执行智能体在规划智能体指定的时间点被唤醒，评估当前是否应发送推送。其核心突破在于将单次决策置于用户完整交互轨迹中考量。传统模型仅基于瞬时状态判断，忽视了推送的累积效应——用户今日已收3条通知后，第4条的边际价值必然衰减。

STEPS将用户历史行为编码为状态-动作-回报序列，使模型能理解“当前是否处于疲劳期”或“是否处于高唤醒窗口”。更重要的是，它采用价值引导学习（Value-Guided Learning）：通过贝尔曼方程分别估计“发”与“不发”的长期Q值，并据此加权训练样本。这使得模型学习的不是历史行为（可能包含次优决策），而是理论上更优的策略。

日内分析揭示了模型的精细化判断能力：对历史高活但当日未活跃用户，晚间推送通过率显著上升——因其更可能被一条恰当时机的通知拉回；而对低活用户，晚间价值趋近于零，系统自动降低发送概率。

过滤智能体：轻量守门员实现动态算力分配

过滤智能体是STEPS高效性的关键保障。传统系统一旦触发即运行完整推荐链路，计算开销巨大。STEPS则在唤醒后首先由过滤智能体进行快速评估，决定是否进入昂贵的下发流程。

该智能体基于轻量强化学习模型，对不同用户群体实施差异化拦截：全勤用户（拉活价值低）拦截率达85.65%，高活用户为66.63%，低活用户为78.86%。这种价值感知的动态分支机制，使系统总体计算资源消耗降低79.42%，其中过滤智能体单独贡献74.88%的降幅。

此外，它还充当安全护栏，防止规划智能体因异常预测导致过度频繁唤醒，确保用户体验底线。

线上验证：体验、活跃与效率的三重提升

STEPS在抖音平台进行了为期14天的严格A/B测试，覆盖超10亿用户。相比生产基线，系统实现了三项关键指标的同时优化：

  • 用户活跃天数（UAD）提升0.2843%：表明推送更有效地促进了用户回访；
  • 推送权限关闭率下降1.9089%：反映打扰减少，用户体验改善；
  • 计算资源消耗降低79.42%：大幅节约服务器成本，提升系统可扩展性。

消融实验进一步验证各组件贡献：规划智能体是活跃与体验改善的主因，执行智能体放大收益，过滤智能体主导资源节约。这种模块化设计使得系统可根据业务需求灵活调整各部分权重。

值得注意的是，STEPS并未增加推送总量，而是通过更精准的时机选择与内容匹配实现效果提升。日均接收1-20条推送的用户占比增加20.31%，极端情况（0条或>30条）显著减少，体现了系统在公平性与效率间的良好平衡。

范式演进：从函数到智能体的跨越

STEPS的意义远超单一系统优化，它代表了推荐系统架构的根本性转变。传统系统本质是“输入-输出”的静态函数，而STEPS构建了一个能与环境持续交互、自主规划行动节奏的智能体闭环。这种Agentic特性体现在三个方面：

  • 自主性：系统决定自身唤醒周期，摆脱外部时钟束缚；
  • 适应性：根据实时状态动态选择计算路径，避免无效开销；
  • 进化性：通过强化学习持续对齐长期业务目标，减少人工干预。

这一思路与当前AI Agent的发展趋势高度契合。随着大模型与强化学习的融合加深，未来更多工业系统或将采用类似架构，从被动执行转向主动规划。STEPS的成功验证了该范式在超大规模场景下的可行性，为内容分发、广告投放、用户运营等领域提供了重要参考。

在算力成本日益高昂、用户体验愈发敏感的今天，STEPS所展示的“少而精”的推送哲学，或许正是下一代智能分发系统的核心方向。