INSIGHT向量维度不应再被视为 backbone 的固定附属参数，而应和模型规模、索引存储及 ANN 打分成本一起做容量规划。对社区短文本召回，可先用联合 scaling law 在 nDCG/召回率与单向量成本间选 Pareto 点，再用域外帖子与长尾 query 验证；论文也提醒域外任务的维度收益明显不如训练同分布平滑。

INSIGHT检索双塔训练的关键未必是更昂贵的全库 hard-negative mining，先优化 batch 组合就能持续提供有效梯度。社区搜索可在现有 query-post 正样本流水线中加入“query 与负文档相似、正负文档不近似”的双条件采样，并用缓存 embedding 控制成本；这条路径对弱监督、海量帖子语料尤其可落地。

INSIGHTRAG 检索实验必须把 prompt、最大输出长度、解析失败率与生成模型版本视为一等控制变量，否则所谓召回噪声收益可能只是解码伪影。实践中应同时报告检索质量、有效样本率和答案截断率，并在生产提示词下重跑消融；不要据此故意向社区搜索问答链路注入低相关帖子。

INSIGHT现有 faithfulness 与 citation 指标只验证“证据存在”，没有验证“证据属于哪个实体”。商品、地点和作者同名频繁的 UGC 搜索应增加实体一致性检查：在召回片段、答案 claim 与 canonical entity ID 之间做三方约束，并单独统计错归因率；领域微调也不能替代这层校验。

INSIGHT长文检索不必在“整篇单向量”和“无结构切块”之间二选一，可把段落角色作为层级聚合键。迁移到 UGC 搜索时，可将标题、正文、问答、评论与作者信息视为不同角色，分别建模实体和语义后再融合；代价是需要稳定的角色切分器和更复杂的离线索引。

INSIGHT社区搜索不能把 nDCG 单点提升直接等同于满意度提升，应明确标注集、离线指标、线上行为和长期内容生态分别代表什么构念。引入 LLM judge 时还要审计位置偏差、提示词敏感性与被评内容泄漏；建议把评测协议效度作为发布门槛，与模型效果和延迟一起评审。

INSIGHT这是一份可直接转成检索调参检查表的产业实践：先按 query 类型区分精确词匹配与语义召回，再让重排模型主导最终相关性，最后联合调 K、阈值和上下文窗口。对 UGC 搜索应补上线上 nDCG、CTR、TTFT 与空结果率实验，因为文档参数是起点而非通用最优值。

INSIGHT生成式摘要会重分配注意力，却不会让传统结果失去价值；15/33 受访者认为传统结果更可信，而 15/33 认为 AI Overview 更有用。社区搜索若在首屏加入答案摘要，应同时保留清晰来源和可扫描结果列表，并分别监控摘要停留、下钻点击、任务成功率与错误答案曝光。

INSIGHT搜索相关性目标需要从“query 是否匹配内容”扩展到“结果是否符合平台和社会约束”，但两者不能混成一个不可解释分数。社区搜索可把主题匹配、用户价值和安全/公共利益拆成独立信号，在重排或策略层显式权衡，并通过申诉、审计和分群指标观察价值约束是否伤害正常长尾需求。