本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 并行化工作流程
<a name="workflow-for-parallelization"></a>

此工作流程包括将任务分解为独立的子任务，这些子任务可以由多个 LLM 呼叫或代理同时处理。然后以编程方式汇总输出并合成结果。

![\[并行化工作流程。\]](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/agentic-ai-patterns/images/workflow-patterns-llm-parallelization.png)


Parallelization 工作流程用于将任务划分为可以同时处理的独立、非顺序的子任务，从而显著提高效率、吞吐量和可扩展性。它在数据密集、批处理导向或多视角问题空间中特别强大，在这些空间中，代理必须通过多个输入分析或生成内容。

在以下情况下，并行化特别有效：
+ 子任务不依赖彼此的中间结果，允许它们在没有协调的情况下并行运行。
+ 一项任务涉及对许多项目重复相同的推理过程（例如，总结多个文档或评估选项列表）。
+ 并行探索多种假设或观点，以促进多样性、创造力或稳健性。
+ 您需要通过并发 LLM 执行来减少大容量或高频请求的延迟。
+ 此工作流程通常用于文档处理代理、调查或比较引擎、批量汇总器、多代理头脑风暴以及可扩展的分类或标签任务，尤其是在快速、并行推理具有性能优势的情况下。

## 功能
<a name="capabilities-parallelization"></a>
+ 并行执行 LLM 任务（通过使用 AWS Lambda AWS Fargate、或 AWS Step Functions 映射状态）
+ 需要在综合阶段对结果进行校准、验证或重复数据删除
+ 非常适合无状态代理循环

## 常见使用案例
<a name="common-use-cases-parallelization"></a>
+ 并行分析多个文档或视角
+ 生成不同的草稿、摘要或计划
+ 加快批处理作业的吞吐量