上一篇：第 12 篇《重启不丢记忆》 ｜ 下一篇：第 14 篇《一次服务很多人》
一句话导读：一次只生成一个词太慢，那就先猜几个、再让大模型一次性核对——猜对的直接白赚，猜错的无损丢弃。本篇讲清它的直觉与算术。
关键词：推理引擎入门、大模型推理、草稿（draft）、验证（verify）、接受长度、回退
第 12 篇把"记忆"存到硬盘上，解的是"重启"这一种等待。回到最日常的等待：逐词生成一次只吐一个词。能不能一次多吐几个？这一篇的"草稿 + 验证"就是这个思路——对结果无损，但对速度不打包票。
① 一句话概念
先猜几个词，再一次核验；猜对就白赚。
② 起点：抢答游戏里的一次性交卷
想象一个抢答游戏。主持人问完题，你心里没底，于是先把四个答案一口气写在答题板上。主持人不是一个一个判，而是拿过去一次看完："第一个对、第二个对、第三个错了。"你答对几个就前进几格，还能额外白拿一格——对了两个就站到第三格，后面作废。
所以值不值全看"押得准不准"：押得准，一次核验换好几格；押不准，那四个白写。还有个前提——主持人得能一次性看完这四个，否则还不如一个一个答。
③ 伪代码：先猜 4 个，再一次性核验
函数 生成(提示词, 大模型, 草稿器) -> 词序列: 输出 = [提示词] 当 没有遇到结束符: 草稿 = 草稿器.猜(输出, 4) # 便宜，先猜 4 个 判定 = 大模型.一次并行检查(输出, 草稿) # 一次前向，不是四次 m = 判定.接受前几个(草稿) # 遇到第一个不同就停 输出.追加(草稿[0 : m]) # 猜对的，照单全收 输出.追加(判定.真实下一个词) # 断点处用大模型自己的结果 # 下一轮从第 m+1 个之后继续 返回 输出 # 代价: 每轮 1 次大模型前向 ↔ 前进 1 ~ 5 个词逐行要点：
草稿器.猜(输出, 4)：草稿器不必另配小模型——本引擎的办法是翻历史：把上下文末尾几个词当窗口，在更早的历史里找一模一样的片段，跟在它后面的词就是候选。它便宜、不占参数，猜错不花钱。大模型.一次并行检查(输出, 草稿)：把这 4 个词当成"一段 4 个词的输入"一起送进去，权重只读一遍，同时得到每个位置"模型会选的下一个词"。这是省钱的根源——一次前向覆盖四个位置。m = 判定.接受前几个(草稿)：逐位比对：草稿里第 i 个词是否正好等于模型在该位置会选的词？一旦不同就停。这样结果与"老老实实逐词生成"逐位相同。输出.追加(...)那两行：接受的前 m 个照单全收；断点处（第 m+1 个）换成模型自己的真实结果。所以即使猜错，也绝不会输出错误内容——只损失速度，不损失正确性。- 最后那行注释：每轮固定花掉一次前向，能前进 1+m 个词；m 平均偏小时，比"逐词生成"更亏。注意：这里省下的是前向次数，它未必等于省下的时间——每次前向多贵，还得另算。
草稿、验证、接受与回退的关系如图 1 所示。
图 1猜 4 个 → 一次验 4 个 → 接受前 m 个：草稿器先产出 4 个词，大模型一次并行判定；前 m 个（m = 2）打勾接受、第 m+1 个打叉丢弃，再沿回退箭头继续下一轮。
④ 纸笔实验（必做）
任务：草稿器每轮猜 4 个词，"一次并行检查 4 个词"记作 1 次前向。按"本轮接受 0 个 / 2 个 / 4 个"三种情况，算这一轮花了几次前向、前进几个词，再和"逐词生成"比一比省了几次。
- 接受 0 个：断点处那 1 个词要前进，花 1 次前向，和逐词生成 1 个词打平。
- 接受 2 个：前进 3（2 个接受 + 1 个断点），花 1 次前向；逐词生成 3 个词要 3 次 → 省 2 次。
- 接受 4 个：4 个全接受、再白赚断点处 1 个，前进5个词，花 1 次前向；逐词生成 5 个词要 5 次 → 省4次。
预期结果：接受 0 个是"1 次对 1 次"，接受 2 个是"1 次对 3 次"，接受 4 个是"1 次对 5 次"。收益随平均接受长度上升，接受 0 纯亏——真问题是"什么场景下接受长度才够高"。
三种接受情况的对比如图 2 所示。
图 2接受 0/2/4 个时，省了几次大模型调用：横轴是"大模型前向次数"；上方是实心灰条"逐个生成（基准）"，占满 4 格；下面三条对应接受 0/2/4 个，各占 1 格。
可选 REPL 版：
# 每轮猜 4 个，"一次并行检查"固定算 1 次大模型前向def总前向(每轮接受,轮数):前向=0前进=0formin每轮接受[:轮数]:前向+=1# 一次并行检查 = 1 次前向前进+=m+1# 接受的 m 个 + 断点处 1 个return前向,前进# 例：每轮接受 = [0, 2, 4] → (3, 9)# 追问：同样的 9 个词若逐词生成，需要 9 次前向（省下 6 次）⑤ 进阶锚点
进阶锚点：本篇概念在《30 天手搓推理引擎》Day 13里被真正实现——
13-1 decode 为什么慢：逐词、带宽、不可并行/13-2 草稿 + 验证：spec decode 的实现/13-3 回退与收益边界：哪些场景 spec 才划算。
入门版到这里就够了；进阶版会多出：草稿构造（翻历史找重复片段）、批量验证与"无损回放"的 KV 回滚逻辑，以及板端开/关投机解码的逐字节一致性实测与收益边界（引自进阶系列源码与文档口径）。
想动手 → 仓库https://gitee.com/pei-xiaoguang/kestrel-llm，从 Day 1 开始。
下篇预告：这一篇我们优化的是"一个请求"。下一篇换个角度：一次服务很多人——不是把一个人服务到底，而是每一轮给每个在等的请求都各发一个词。
