文章主要内容和创新点主要内容本文针对基于大语言模型（LLM）的多智能体工作流中KV缓存管理效率低下的问题，提出了一种工作流感知的KV缓存管理框架KVFlow。背景：多智能体工作流通过多个专业化智能体协作解决复杂任务，每个智能体有固定提示词，现有系统通过前缀缓存（prefix caching）复用KV张量以减少冗余计算，但采用LRU（最近最少使用）淘汰策略，常在缓存即将被重用前将其淘汰，导致缓存失效（cache miss）和大量重新计算开销。KVFlow设计：引入智能体步骤图（Agent Step Graph）抽象智能体执行依赖关系，计算每个智能体的“步骤到执行值（steps-to-execution）”，估计其未来激活的时间 proximity；基于该值设计工作流感知的淘汰策略，在KV节点级别分配优先级，保留可能被重用的缓存，高效管理树结构缓存中的共享前缀；提出完全重叠的KV预取机制，通过后台线程提前将下一步所需KV张量从CPU加载到GPU，避免生成过程中的缓存失效停滞。实验结果：相比使用分层基数缓存的SGLang，KVFlow在大型提示词的单工作流中实现最高1.83倍加速，在多并发工作流场景中最高2.19倍加速。