像餐厅里，前台知道哪桌赶时间，后厨知道哪口锅正空着；两边若不通气，再聪明的安排也会互相添堵。运行 AI Agent——能多轮思考、调用工具并继续执行的系统——也有类似问题：Agent框架掌握任务依赖和优先级，推理引擎则掌握请求队列、GPU压力与缓存状态，过去这些信息难以系统互通。
HEAR为两层设计了一套双向协议：上层告知任务意图和执行要求，底层返回资源状态、能力与结果。最具体的一点是，它会同时考虑未来是否还要复用上下文，以及相关 KV cache 是否仍在显存中。KV cache是模型保存的历史计算结果；若刚删掉就要再用，系统只能重新计算。HEAR据此协调请求顺序和缓存保留，但不改变原有工作流或模型。
据作者实验，在内存受限、并发运行的 SCBench 上，这种调度带来 1.61 倍批处理加速，并将首个文字出现前的中位等待时间缩短至原来的约 1/2.23。研究型Agent测试中，作者报告端到端加速为 1.23 至 2.45 倍，且未观察到任务质量下降；这些结果仍限于论文所测的四个基准与配置。