PaddlePaddle/FastDeploy

在API Server启动时添加Worker IP白名单检查，增强分布式推理安全性。

该PR代码简单，逻辑清晰，适合快速浏览以了解IP白名单检查的实现方式。值得关注的点是：1. 设计决策：选择在`main()`函数入口处进行验证，确保尽早拦截非法节点。2. 未采纳的优化建议：团队可能认为重复调用`get_host_ip()`的开销可忽略，或出于代码简洁性考虑。建议后续补充测试用例以覆盖IP匹配和不匹配的场景。

新增环境变量支持FP8量化使用pow2scale模式，以对齐训练推理一致性。

建议关注量化模式控制的设计决策，特别是环境变量与现有quant_config的整合方式，以及review中提到的逻辑不一致问题，以理解如何维护代码一致性和正确性。此PR值得精读，可学习训练推理对齐的实现模式。

修复MLA注意力后端日志格式，将参数化日志改为f-string并修正标点。

该PR变更简单，无需精读。值得关注的是fastdeploy-bot提出的性能建议与最终决策的对比，反映了团队在代码规范与开发便利性之间的权衡。

将Paddle临时兼容别名替换为公共API，完成组织范围清理。

此PR值得快速浏览以了解API清理模式，但无需深究设计细节，因为变更简单直接；工程师可关注测试mock更新方式，确保测试隔离。

重构 XPU get_padding_offset 为单内核实现，对齐 GPU 并优化性能。

建议技术管理者关注此 PR 的边界检查设计，工程师可精读内核合并的实现细节，特别是 shared memory 使用和同步策略，以了解 XPU 算子优化模式。

移除CacheManager与WorkerProcess间的IPCLock进程间锁，优化性能并简化IPC组件。

建议精读以理解锁移除的设计决策，关注作者提到的Kernel bug修复细节。值得关注点包括swap任务同步机制如何确保互斥，以及是否有隐式测试覆盖。对于风险较高的DP+EP配置，建议团队补充回归测试。

优化MoE层属性访问，使用缓存的self.hidden_size替代嵌套配置访问。

该PR变更简单直接，属于常规代码优化，无需深入精读。值得关注的点是： 1. 展示了在性能敏感代码中避免重复嵌套访问的设计模式。 2. 提醒了在修改代码时需同步更新相关测试的实践。 建议工程师在类似场景中参考这种将配置属性缓存到类成员的做法。

为MoE BF16 EP prefill阶段添加Paddle batched_gemm支持，对齐训练实现。

建议技术管理者和工程师精读此PR，重点关注： 1. **设计决策**：为何选择batched_gemm而非原有compute_ffn，以及如何权衡CUDAGraph兼容性。 2. **风险点**：down_proj_bias处理缺失和外部依赖函数可用性，需确认是否在后续提交中修复。 3. **测试补充**：建议添加FD_MOE_PROB_IN_ADVANCE相关的单元测试，确保新路径正确性。 PR展示了推理与训练对齐的典型模式，值得学习其实现思路。