Level 38 | 零基础导学关卡
Prefill / Decode Disaggregation
Prefill 处理输入，Decode 逐步生成。拆成两个池像把备菜和出菜分工，但两边速度不匹配会产生新队列，状态交接也有成本。
本课官方 Notebook ↗Prefill 处理输入，Decode 逐步生成。拆成两个池像把备菜和出菜分工，但两边速度不匹配会产生新队列，状态交接也有成本。
先不看公式：用上面的生活场景，说一说这节课想减少哪种浪费、需要付出什么代价。
本课中的「prefill」指什么？
用一个小动作确认自己理解了；最后再进入官方题目。
先用默认数值手算，再只改一个参数。让结果来检验你的猜想。
一个简化流水线每秒能 prefill 8 个请求、decode 4 个请求，稳定完成率最多是每秒 4 个。
把 prefill 从 8 加到 16，decode 仍是 4，瓶颈没有移动。
还要搬运 KV 状态并排队。容量公式只给出理想上界，不等于真实延迟。
只改变一个池的处理能力，观察瓶颈何时转移。
教学简化模型：所有数值来自上方规则，不是 GPU 性能实测。播放可以暂停，键盘方向键可调整滑块。
理想两段能力为 8 与 4 请求/秒，完成率上限是多少？
用一个小动作确认自己理解了；最后再进入官方题目。
下面是一段独立的小练习。它把计算关系写清楚，帮助你进入官方题目；不是整份作业的答案。
prefill_capacity, decode_capacity = 8, 4
ideal_capacity = min(prefill_capacity, decode_capacity)
print(ideal_capacity) # 4 requests/s (ideal bound)先找输入变量，再找中间量，最后核对注释里的输出。改一个输入，手算后再运行。
看到拆池后某一阶段更快就宣布端到端更快。要看瓶颈池、交接和同一请求分布。
同学提出下面的做法，哪一项会导致本课讨论的误判？
用一个小动作确认自己理解了；最后再进入官方题目。
把理解变成自己的代码
在本页用小例子建立直觉，再去官方 Notebook 完成实现。先运行你自己的测试，遇到困难时再查看官方提示与参考答案。
summarize_request_mix · plan_pd_split · evaluate_pd_decision
先找题目里的输入、输出与 TODO，再把本课的手算过程对应进去；以官方题目中的函数说明和测试为准。
练习来源：Datawhale 官方仓库 · 518cc45。这里的入口直接打开官方版本，不读取或分享你的本地 Notebook。