Netflix 技术博客 MAPS 一文的学习笔记：素材个性化（海报、视频预览）长期受困于冷启动——新素材没有交互历史，模型把它当成不透明 ID，只能靠探索流量和人气启发式硬扛；解法是把 CLIP、MediaFM 等多模态向量直接拼进素材表示，让模型「看见听见」素材内容，偏好沿向量空间即时迁移；由此五个画布模型合并为一个，配合长期奖励加权和 IPS 离线评估，消融实验显示两个成分缺一不可（V3 在 short-panel 上提升 5.691%）；视频侧 MediaFM 以 8000 万镜头训练、融合视觉音频文本三模态，排序 MediaFM ＞ SeqCLIP ＞ 纯 ID；另有线性探针代理任务低成本筛选向量、Embedding Store 解耦地基模型与下游上线。对工程师的启示：内容特征不工作时先找第二个阻塞因子，评估体系的纯度比模型更重要。

从我开发的真实的 AI 开发 Prompt 规则库（keframework-aidev-promptkit）和 AI 视频生成管线的实践出发，系统拆解 Prompt 工程：接口化设计、上下文工程、分层规则、Memory Bank、PLAN/ACT 双模式、Agent 编排、幻觉控制、多模态提示与评估回归。