在算力资源有限，且模型支持链式调用或不严格并发要求时，基于模型睡眠进行快速切换收益还是可观的。但是因为启动服务时增加了，vllm暴露的接口非常多，建议正式服务化前再惊醒一次封装。vLLM Sleep 模式文档HCCL文档。

基于MindIELLM2.2.RC1源码分析，解析推理混部场景Prefill和Decode调度的决策逻辑。