GLOBE框架：让AI智能体在生成式搜索中自主进化

电商产品优化在生成式搜索下面临新挑战：语言智能体不仅要会改写商品列表，还要能从不同品类中积累成功策略，实现持续自我改进。然而，现有方法往往把结构化列表当作自由文本处理，导致有效策略隐藏在提示词、搜索轨迹或改写输出中，无法沉淀为可复用的智能体记忆。针对这一痛点，研究者提出GLOBE框架，通过显式的、按字段划分的行为手册来存储优化知识，驱动智能体持续自我进化。

从隐式策略到显式记忆：GLOBE的核心设计

GLOBE的核心思路是将优化知识从隐式状态中提取出来，转化为可编辑、可追溯的行为条目。每个优化回合中，一个“编辑者”角色负责应用相关行为，并根据排名反馈获得效果信号；随后“反思者”将这些反馈转化为行为更新建议。这种设计让智能体不再依赖黑盒式的提示词调优，而是围绕具体字段构建起结构化的优化记忆库。

与传统的单体提示词优化相比，这种字段级的行为表示具有更强的可解释性。每个行为都明确对应某个产品字段的改写策略，例如标题中如何嵌入关键词、描述中如何组织卖点。当反馈来临时，智能体可以精准定位到是哪条行为需要调整，而不是在模糊的提示词空间中盲目搜索。

字段级行为表示是指将商品列表的优化知识拆解为与具体字段（如标题、描述、卖点等）一一对应的可执行策略条目，而非整体性的提示词调整。在电商场景中，商品信息天然具有结构化特征，标题、属性、描述等字段各自承担不同的搜索匹配与转化职能。字段级表示的优势在于：当排名反馈出现时，智能体可以精确定位到是哪个字段的哪种改写策略导致了效果变化，从而进行针对性修正。相比之下，自由文本式的提示词优化将所有字段混在一起，反馈信号难以归因，策略也难以复用。这种表示方式还便于人类运营人员审阅和编辑，使智能体的学习过程从黑盒走向可解释、可干预。

三重复核机制：确保进化过程可靠可控

在真实电商场景中，智能体的自我进化必须兼顾效果与风险。GLOBE为此设计了三个关键角色来把关行为更新流程。“仲裁者”负责去除冗余提案，避免行为库膨胀和冲突；“策展人”将审核通过的变更正式提交到手册中；而那些被持续证明有害的行为则会被停用。

这套机制把每一轮的 episodic 反馈转化为持久的、按字段划分的优化记忆。你可能没注意到，持续有害行为的自动停用尤为重要——它让智能体在探索新策略的同时，能够及时止损，降低在实际业务中部署的风险。实验也表明，反馈驱动的进化与适度审核相结合，在提升效果的同时显著减少了负面风险。

Episodic 反馈（回合反馈）是强化学习与智能体研究中常用的概念，指智能体在单个任务回合或短期交互中获得的即时效果信号，例如某次商品改写后排名上升或下降。与持久记忆不同，episodic 反馈是瞬时的、局部的，若不加以提炼便会随回合结束而消失。GLOBE 的关键设计在于将这种短期的、逐回合的反馈通过反思者转化为持久的行为更新建议，再由仲裁者和策展人审核入库，从而实现从“一次性经验”到“长期记忆”的转化。这一过程类似于人类在反复实践中总结出可复用的操作手册，而非每次任务都从零开始试错。

实验验证：结构化行为优于整体提示词优化

研究团队的实验对比了结构化行为表示与整体提示词优化两种范式。结果显示，将优化知识拆解为字段级行为后，智能体的表现优于传统的单体提示词优化方式。进一步的反馈驱动进化和审核机制，则在此基础上进一步提升效果并降低下行风险。

更值得关注的是，学习到的行为在未见过的产品品类上依然有效。这说明智能体记忆的进化不仅提升了当前任务的表现，还产生了可迁移的优化能力。对于电商平台而言，这意味着一个新品类上线时，智能体可以带着已有的行为手册快速适应，而不必从零开始摸索。

跨品类迁移在电商场景中具有重要实践意义。不同产品品类（如服装、家电、美妆）在搜索查询模式、消费者关注点和关键词分布上差异显著，传统上每个品类需要单独积累优化经验。GLOBE 的实验表明，字段级行为手册中学习到的策略能够迁移到未见过的品类，说明部分优化知识具有超越具体品类的通用性——例如标题中关键词前置、描述中突出核心卖点等原则在不同品类中均适用。当然，迁移的有效性可能受品类间相似度、行为抽象层级等因素影响，这也是原文提到“跨品类迁移的边界条件”有待探索的原因。

对电商AI应用的启示

GLOBE的价值在于它提供了一条让语言智能体在垂直领域持续自我改进的可行路径。将优化策略显式化为字段级行为，既方便人类运营人员理解和干预，也为智能体的自主进化提供了可审计的载体。在生成式搜索日益成为商品发现入口的背景下，这种可解释、可迁移的智能体记忆机制，或许会成为电商产品优化工具的新标配。

当然，该框架目前仍处于研究阶段，行为手册的规模增长、跨品类迁移的边界条件等问题还有待进一步探索。但它所代表的“结构化记忆+反馈进化”思路，为智能体在真实业务中的长期运行提供了有价值的参考。