用平均值评估延迟，掩盖了长尾问题

接口平均延迟 800ms，看着还行。用户投诉说经常等好几秒。

查分布：p50 是 600ms，p95 是 4.2 秒，p99 是 12 秒。

原因：长输出请求的延迟远高于短请求，平均下来被短请求拉低了。

改进：

• 按输出长度分组统计
• 关注 p95 和 p99，别只看均值
• 长输出场景用流式，首字延迟和总时长分开看

另一个发现：流式下首字延迟才是用户感知的关键。总时长 10 秒但首字 500ms，体感比总时长 3 秒但首字 2 秒更好。

指标选错，优化方向就会错。