这几年我尝试过很多方式来组织 AI 教育能力。最早可能就是简单 Prompt。你是一个小学数学老师，请帮我……这种方式上手很快，也适合验证想法。Prompt 越写越长；很多内容重复；不同能力之间边界不清楚；很难做版本管理；很难复用；很难接入工具链；也很难让 Agent 自动选择。后来我越来越觉得，教育 AI 需要的不是一堆散乱 Prompt，而是一套可以被发现、安装、调用、组合和维护的能力系统。这

在工业推荐系统中，特征通常被表示为高维稀疏的 One-Hot 向量，随后通过嵌入层映射为稠密向量。随着物品和用户规模激增，完整的嵌入表（Embedding Table）会占用数百 GB 甚至 TB 级显存，远超单机容量，迫使系统采用复杂的参数服务器，带来高昂的通信开销庞大的嵌入表参数中，大量长尾物品的嵌入向量训练不充分，而表示能力却受限于表的大小，难以在有限的计算资源下进一步提升模型的表达力传统解