我们如何把 RAG 的首字延迟压到 800ms 以内

先把问题拆成检索、重排、上下文组装和模型生成四段，再逐段建立可观测指标。最终通过缓存热门查询、并发召回和流式输出，把首字延迟稳定在 800ms 以内。