文档摘要

2.3 两者如何协同：一个引擎里的两个互补齿轮 读者读完本节应带走的一句话：FlashAttention-2 和 PagedAttention 不是二选一的竞争对手，而是引擎里的两个齿轮——前者管「拿到一块 K/V 后怎么算得快」，后者管「KV 存在哪、怎么分页取」，叠加起来才同时拿到「显存省 + 算得快」的吞吐提升。 前面两节我们分别把两个核心模块拆透了。如果你是第一次接触，很容易产生一种错觉：是不是用了其中一个就够了？这一节专门澄清它们的分工与协作，并把「一次真实推理请求」里两者的站位画清楚。先给结论：它们是搭档，不是替代。 2.3.1 职责边界再确认 把两张「职责清单」并排，重叠度极低： PagedAttention（系统层）：负责 KV Cache 的存储与调度。

---