随着AI的发展，个性化信息系统迅速普及。许多系统依赖大语言模型（LLM）进行信息筛选，但成本高昂。通过Embedding技术，可以将文章和主题转化为向量，计算相似度，实现低成本分类。用户行为生成兴趣簇，系统根据这些簇进行个性化推荐，降低对LLM的频繁调用，减少开支。最终，Embedding与传统算法结合，提供高效的信息筛选与推荐。