在 GPT-5.4-nano 上迭代提示词，将行为蒸馏至 Qwen3-8B

研究提出先在 GPT-5.4-nano 上通过实时流量迭代提示词以收敛行为，再将其蒸馏至 SLM。LoRA 微调的 Qwen3-8B 基于 11.6k 条真实生产决策训练，与教师模型一致性达 0.913，且推理延迟降低约 2.5 倍、成本极低。该方法为构建类似智能体系统提供了快速开发、实时反馈与低成本推理的蓝图。