INSIGHTLLM生成画像并不应默认替代行为聚合。社区UGC搜索可按历史复访、语义变化和兴趣集中度分层，先验证探索型用户是否受益，再设计线上画像选择器。原文用测试期行为划分用户，不能直接当作服务特征；还应同时审查目录覆盖与新颖度，避免列表更丰富却整体更热门。

INSIGHT专家分配应与可观测行为模式建立联系，而不是只增加模型容量。社区UGC搜索的个性化排序可先抽取会话节奏、重复点击和主题聚焦等信号，再评估是否有足够用户差异支撑专家分工。论文的平均名次不是CTR提升百分比，落地时仍需测量特征成本、路由稳定性及线上相关性。

INSIGHT关键工程价值来自有约束的选择性路由，而非生成画像本身。社区UGC搜索可把nDCG损失预算设为显式约束，以轻量门控控制探索流量，并同时保留普通语义画像对照。应区分粗阈值扫描的6.2%与细粒度扫描的6.5%结果；这些是离线新颖度收益，不能直接等同线上CTR增长。

INSIGHT结构化候选选择提供了一种重排实现路线，但需先明确请求预算。社区UGC搜索可在离线高价值查询上验证决策模型，再决定是否进入低频或异步链路。原文只评估召回已命中目标的用户，且Jev走远程API、其他模型本地运行，因此不能把实验延迟差异解释为硬件归一化效率优势。

INSIGHT行为增强需保留稳定意图，而不是机械裁剪或替换点击。社区UGC搜索可将会话主题片段用作对比视图，并对低置信行为降低权重；同时检查旧兴趣被过度强化的风险。原文在ML-1M中观察到长历史与不均匀行为会产生负面语义，说明音乐数据上的收益不能直接推广到所有社区场景。