llama-server 延迟调优：提示缓存与推测解码

两个llama-server参数即可消除大部分首字等待时间： - 提示缓存：相同的系统提示，新问题 -> 首字时间从约1.004秒降至0.069秒（2,954-token提示）；从3.814秒降至0.086秒（11,570-token提示）。解码速度不受影响。 - 推测解码（模型自身的MTP草稿头，n=2）：散文61 -> 109 tok/s，聊天61 -> 113，代码61 -> 139，重复文本61 -> 144。代价：首字时间增加9毫秒。 两者同时启用：对11.5k上下文的简短回答从4.25秒降至0.30秒。 测量环境：Qwen3.8-27B Q6_K，llama.cpp，单张RTX 5090，批大小1，304个请求，每次仅改变一个变量。