vLLM 双向 KV 传输如何降低多轮智能体工作负载的 TTFT

vLLM 通过双向 KV 传输让 decode 节点在后续轮次把已算好的 KV 缓存回传给 prefill 节点，避免重复计算对话历史。基于 Amazon EC2 P5en 的 1P1D 部署测试中，该机制使 Qwen3-32B 的 TTFT 最高降低 1.6 倍、zai-org/GLM-5-FP8 最高降低 3.3 倍。