AWS 详解 vLLM 双向 KV 传输如何降低多轮智能体工作负载的 TTFT

AWS 在 vLLM 中实现双向 KV 缓存传输，让 prefill 节点在多轮对话中复用 decode 节点保留的 KV 块，避免重复计算。在 1P1D 部署的 P5en 实例上，Qwen3-32B 的 TTFT 最多降低 1.6 倍，GLM-5-FP8 最多降低 3.3 倍。文章介绍了架构、KV 缓存感知路由器、块保留 TTL 和重算阈值，并提供了基准复现指南。