用途：把使用 load_component("flow.dag.yaml") 的 Prompt Flow PRS 流水线提交，转换为把 MAF 工作流作为并行组件运行的 Azure ML PRS 流水线；适用于在 AML 计算上以并行/批量方式运行 MAF 工作流，或把 MAF 工作流包装为 flow 组件、并行组件，并让下游 result_parser_node、调度器、批处理端点代码尽量不变。注意：本技能不转换 flow.dag.yaml 本身，该工作由 promptflow-to-maf 负责；本技能假设 MAF 工作流已存在。
主要能力：默认在 MAF 工作流文件夹内新增 PRS 相关文件，原工作流文件不改动，包括 src/entry.py（init/run(mini_batch, context)/shutdown）、src/hooks.py（供用户修改的 setup/build_workflow_input/serialize_output）、src/maf_prs/ 通用管道代码、component.yaml、env/conda.yml、submit_pipeline.py，必要时复制 data/sample.jsonl。可选用同级目录 <maf-workflow-folder>-prs/ 布局。
使用方式：先解析 PF PRS 提交脚本与 MAF 的 workflow.py（须导出 create_workflow()），审计并逐项映射 PRS 设置，再生成文件；通常只需编辑 src/hooks.py，信息充分时自动填充。生成后可从目标文件夹本地试运行，验证通过再执行 python submit_pipeline.py 提交。
限制：每条数据行创建独立工作流实例，不复用实例；每个 worker 复用一个 asyncio 事件循环；必须保留 PRS 的 init/run/shutdown 契约；连接信息转为组件输入并优先用托管标识与 Key Vault，不得硬编码密钥。具体平台、收费、价格与效果资料未提供。