Austin LangChain 大会分层推理路由演讲：小模型优先，不足时升级大模型

开发者在 Austin LangChain 大会发表分层推理路由演讲并放出完整视频，提出按请求动态选择模型。不需要时可关闭 thinking、复用缓存答案，仅在小模型置信度未达门槛时升级至大模型，以减少大模型调用并降低推理成本。