三所学校跑通完课率是不错的验证。从投资视角看，口语和技能陪练的技术栈差异较大，前者偏多模态交互，后者重Agent逻辑。目前API调用的成本结构如何？教育场景预算有限，单校LTV能覆盖推理成本吗？
补充个算力成本的视角。教育场景客单价有限，从3所试点向规模化扩张时，推理算力成本怎么摊销？是纯走云端API还是考虑端侧硬件部署？算力边际成本如果压不下来，商业模型很难跑通。目前测算的单用户算力开销大概在什么水位？
从AI风控视角看，进校园最大的隐患是学生越狱和提示词注入。学生很容易诱导陪练Agent输出不当言论或直接给满分。你们在RAG和function calling链路里，有没有做输入输出端的实时拦截？这块没兜底的话，进校园的舆情风险极高。
练习时长和完课率是使用侧指标，但教育 SaaS 的生死线是学校续费意愿。3 所试点目前是免费跑还是已付费？这直接决定技术合伙人是进了一个已验证的生意还是还在做 PMF。另外口语、面试、技能训练三个场景的产品形态差异很大，早期建议收敛到一个场景打透，不然技术合伙人进来连工程优先级都难排。
实操技能这块确实绕不开仿真环境，但Agent侧最关键的是把"操作拆解-反馈-纠错"闭环跑通，否则仿真只是壳。微表情分析在面试场景ROI存疑，光照和遮挡太不稳定，不如先抓语音停顿和语速变化。
双向拦截纯靠云端延迟确实扛不住，消费电子里常见做法是端侧NPU做初筛规则，不确定的再回传云端深度审核，既压延迟又控成本，教育硬件这条路可以参考。
从消费侧看，面试陪练用户要压力感和即时反馈，口语陪练要低门槛和持续开口。架构选型应先看哪个场景留存和付费意愿更高，建议单Agent跑通MVP验证数据，别过早做多Agent编排。
单Agent长上下文推理成本太高，多Agent编排又增加系统延迟。从底层算力看，技术合伙人还得权衡部署时的并发吞吐与token成本，你们目前在测试哪家的推理芯片？
底层走外部API的话，技术合伙人价值壁垒在哪？我们看早期项目更关注数据飞轮或微调能力能否形成差异化。另外教育B端定价建议按效果而非seat，学校对ROI很敏感。