← 返回概念解读

Concept Fable精修版

首 Token 时间

Time to First Token, TTFT · LLM runtime / user experience

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

酒楼先上一口热汤,客人才知道厨房动起来了

茶楼说书台原本靠一套熟办法运转。说书先生每晚先拍醒木再慢慢铺开故事,按旧节奏开场时很少出岔子;茶客愿意等他铺垫。

后来事情变大了。满座客人开始催第一句开场,催促声从清晨排到傍晚。新人以为这是数量问题,只要多派人、多加钟点就行;老人却看见许多细节已经越过旧办法能承受的边界。

掌事人试了第一个办法:后台把整本书先誊完才开口。开头几天确实看见起色,队伍短了些,外人也觉得这门手艺终于跟上了新场面。

可麻烦很快换了样子。有人为了赶进度省掉检查,有人把不合适的活硬塞进旧流程,最熟练的人反而被琐事拖住。出错处不总在明面上,常等到交付之后才露出来。 旧账本还能说明来路,却说不清下一步该怎么改。

掌事人又加了规矩,要求每个人多签字、多回报、多补一层保护。纸面看起来周全,现场却更慢;师傅们忙着证明自己没错,真正的裂缝仍在原处扩大。旁观者只看到结果忽好忽坏,现场的人越来越难判断该先救速度、质量,还是责任。 每个人都觉得自己多做了一点,整件事却没有因此更稳。

一位沉默的老匠人把几次失败摊在桌上。他没有责怪谁,只让大家看同一个细节:新限制从来没有进入日常练习,只在交付前突然冒出来。他把几次返工按发生顺序排开,众人才发现,失误总在同一个拐角被放大。

于是作坊改成了新规:先备好开场词、人物名册和第一折,再边讲边取后文。刚开始人人不适应,手脚都像被拴住;但几轮下来,粗糙的捷径被挡住,真正稳妥的动作慢慢留下来。

再遇到同样的压力时,交付没有变得花哨,却明显更可靠。说书先生终于明白:听众感到快慢,常从第一声落下时就开始算。若等到最后才补救,代价往往已经埋进前面的每个选择里;这条新路没有消灭成本,却让成本提前现身,方便在还能改动的时候被处理。

揭示

这个故事讲的是:首 Token 时间

首 Token 时间(TTFT)衡量的是流式 LLM 响应中,从请求发出到收到第一个真实生成 token 的时间。它决定系统看起来多快开始回应。

TTFT 会受到排队、路由、提示词处理、预填充、检索、工具调用、前缀缓存和提示词缓存影响。它和总完成时延不同:第一个 token 快,不代表整段回答一定很快。

隐喻映射

  • 第一口热汤:first generated token or first streamed output
  • 点单到热汤:TTFT
  • 读单和备料:routing, retrieval, prompt processing, prefill
  • 固定菜单提前备底料:prompt/prefix caching
  • 随便小菜:fake progress that does not reflect real model output
  • 完整宴席:total completion latency
  • 最后洞察:TTFT 管的是第一次真实响应的等待,对 Agent 产品的信任和可用性极关键

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

LatencystreamingprefilldecodeKV cachep95 latency

相关辨析

这个概念容易和相邻概念混用,建议继续看对比页。