作者训练小语言模型，尝试替代响应需近一秒的Gemini Flash来实时提示用户下一步操作。
推荐理由：案例揭示高频内部工具的核心约束不是模型能力而是端到端延迟：即便响应仅需0.9秒，也会打断连续操作，小模型因而有明确落地空间。
阅读原文