大家好，我是一名在后端摸爬滚打 5 年的工程师。上个月我用 Claude Opus 4.7 搭了一个 AI 客服系统，最初首字延迟（用户提完问题到屏幕上看到第一个字的时间）高达 1180ms，用户疯狂吐槽"卡成 PPT"。我熬了三个通宵，最后靠"流式响应 + HTTP/2 连接复用"两个组合拳，把首字延迟压到了 276ms。今天我把整个过程拆开讲，哪怕你一行代码没写过，也能跟着做出来。
一、流式响应到底是啥？
你可以把流式响应想象成水龙头：
- 传统模式：API 一次性把整盆水泼到你面前，你要等水全接完才能喝。
- 流式模式：API 一边生成一边把数据"哗哗"推过来，你盯着屏幕就能看到字一个个蹦出来。
对 Claude Opus 4.7 这种生成长文本的模型来说，流式能把首字延迟从 1200ms 降到 300ms 左右，体验天差地别。
二、为什么一定要用 HTTP/2 连接复用？
HTTP/1.1 时代，每发一次请求都要"握手 → 发数据