用途：在 Triton Inference Server 内配置、调优和诊断动态批处理（dynamic batching），面向 KYC 验证流水线中的人脸、活体与 OCR 模型。适用于在 Triton 部署新模型、权衡延迟与吞吐，或排查调度问题时的场景。该技能与 triton_inference_server（覆盖整个服务器）互补，区别于通用动态批处理。
主要能力：在各模型 config.pbtxt 中启用 dynamic_batching，按模型延迟特征设置差异化参数；配置调度优先级；启用批处理指标监控；按总体 SLA 调整排队延迟；对多帧模型使用 sequence batching。
用法示例：模型配置中设 max_batch_size 与 dynamic_batching，例如 preferred_batch_size: [8, 16, 32]、max_queue_delay_microseconds: 100000。活体模型可用较小的 preferred_batch_size: [4, 8] 和 50000 微秒；OCR 模型可用 [16, 32, 64] 和 200000 微秒。优先级可设 priority_levels: 3、default_priority_level: 2。指标启动命令：tritonserver --model-repository=/models --metrics-port=8002 --allow-metrics=true --metrics-interval-ms=1000；关键指标包括 nv_inference_request_success、nv_inference_queue_duration_us、nv_inference_compute_infer_duration_us、nv_inference_exec_count、nv_inference_request_duration_us。sequence_batching 可设 max_sequence_idle_microseconds 与控制输入 START。
限制：Triton 动态批处理在推理服务器层而非应用层运行；max_queue_delay 是吞吐与延迟的主要权衡，数值越大吞吐越高但延迟增加；对关键路径模型应保持保守延迟；sequence batching 与动态批处理不可混淆。具体 SLA 与延迟预算需按实际部署确定，资料未提供更多环境细节。