AI 产品提速的关键：把高频路径做成短链路

打开应用，等输入框能打字；点进旧对话，等内容出现；点发送，等页面响应。

这些等待通常只有几百毫秒到几秒。单看很短，但它们是你每天要重复几十次上百次的动作，累积起来的烦躁感远超数字本身。用户抱怨 claude.ai 太慢，工程团队也承认这个问题。

于是 Anthropic 做了一次为期两周的性能冲刺。结果是：核心交互整体快了约 3 倍，网页首次打开到可输入的时间从约 3.1 秒降到 0.55 秒，两周内合并了 3000 多项变更，没有发生面向用户的故障或回滚。

值得注意的是：这次优化的不是模型生成速度，而是客户端等待。 这个区别很关键，下面会展开。

3.1 倍是怎么算出来的

团队跟踪的是占用户日常行为 95% 的四类核心操作：启动应用、开始新会话、加载已有会话、发送消息。

这四类按网页端和桌面端细分成 13 项具体测量，每项取第 75 百分位耗时（p75）——意思是约 75% 的观测操作耗时不超过这个值。

然后把 13 项的提速倍数取几何平均，得到 3.1 倍。

为什么用 p75 而不是平均值：平均值会被少数极快的请求拉低，掩盖大多数人的真实体验。p75 更接近「你通常会等多久」。这个细节值得所有做性能优化的人学——你优化的到底是平均数，还是用户的实际感受。

具体快了多少

几个最直观的：

• 网页首次加载：3,085 毫秒 → 550 毫秒（减少 82%）
• 桌面应用冷启动：6,310 → 3,328 毫秒（减少 47%）
• 加载旧会话（Cowork 桌面云会话）：2,566 → 728 毫秒（减少 72%）
• 发送消息客户端处理（Cowork 桌面云会话）：928 → 48 毫秒（减少 95%）

注意最后一项的说明：这里的发送耗时只计客户端处理，不含模型生成回复。也就是说，它优化的是「你点了发送之后，界面多久给你反馈」，而不是「多久出结果」。

最值得学的一个技巧：先接住，再替换

网页首次可输入时间大幅提前，靠的是一个很聪明的做法：用一个静态输入框先接住用户输入，真正的 React 界面随后接替。

翻译成人话：用户不管你的框架有没有加载完，他只关心「我能不能开始打字」。

所以先给一个能用的输入框，等复杂界面准备好了再悄悄换掉。用户的等待感知，取决于他什么时候能开始做自己想做的事，而不是你的系统什么时候全部就绪。

这个思路可以迁移到任何产品：

• 视频网站：先出低清晰度画面，再切高清，而不是一直转圈
• 文档工具：先渲染已加载的部分，而不是等全部解析完
• 表单页面：先让第一个字段可输入，而不是等所有校验脚本就位

高频路径优先，而不是全面优化

这次冲刺只盯四类操作——但它们覆盖了用户 95% 的日常行为。

这是一个很重要的方法论：不要试图让所有地方都变快，要让「用户每天重复最多的那条路」变短。

一个每天被走一百次的路径，从 3 秒降到 0.5 秒，价值远超十个每周才走一次的功能各快 20%。

怎么找到你的高频路径：看真实使用数据，不是问用户。用户说自己常用什么，和他们实际在做什么，往往不是一回事。

AI 在这次优化里做了什么

值得单独说的是：Claude 在这次冲刺里的角色不只是「写优化代码」。

它做了三件事：

1. 参与寻找瓶颈

2. 建立可重复的实验室基准

3. 回读真实用户数据，并把证实有效的改进锁进 CI

第二件事最关键。没有可重复的基准，优化就是凭感觉；没有 CI 锁定，改完很快又退化回去。

很多团队的优化做了就忘，三个月后性能回到原点，缺的就是这两步：可测量的基准，和防止退化的机制。

人在这件事上守住什么

工程师仍然负责三件事：定目标、做体验取舍、控制发布节奏。

这次高频改动能安全落地，靠的是三个支撑：短期开关（改坏了能立刻关掉）、人工批准、分批发布。

这三点值得所有高频发布的团队抄：改动快不等于冒险，前提是你有随时回退的能力。

你可以立刻照搬的五件事

不管你做的是 App、网站还是内部工具：

1. 用 p75 而不是平均值衡量耗时。你要优化的是大多数人的体验。

2. 找出覆盖 80% 以上行为的高频路径，只优化它们。

3. 先接住，再替换。让用户尽快能开始操作，剩下的后台慢慢补。

4. 建立可重复的基准，并锁进 CI。没有基准的优化等于没做。

5. 给每次改动配一个开关。快的前提是能随时回退。

一个容易搞错的方向

很多人做性能优化，第一反应是「换个更快的后端」「升级服务器」。这次的例子说明：大部分可感知的慢，来自客户端等待和加载顺序，而不是计算本身。

先测量，再优化。你会经常发现瓶颈不在你以为的地方。

最后一句

3.1 倍这个数字听起来很厉害，但真正值得学的是背后的思路：找出用户每天重复最多的那条路，把它做成短链路，然后用基准和 CI 把成果固定住。

快，不是一种玄学手感，是可以被拆解、测量和固化的一套流程。