radixark/miles

新增进程内 Harbor 代理函数，让 rollout worker 直接在云端沙箱运行 Harbor 试验。

该 PR 值得精读。它引入了重要的新架构路径，并展示了良好的设计模式：将配置构建、试验执行和结果映射职责清晰分离。测试策略（使用 fake 包进行快速迭代，同时用真实包进行契约验证）尤其值得借鉴。核心实现 `harbor_agent_function.py` 的注释详尽，解释了每个决策的权衡（如为什么 `abort` 策略优于 `recover`）。审阅者发现的 `total_tool_time` 缺失和 `HARBOR_AGENT_MAX_ITERATIONS=0` 问题是实际集成中可能出现的真实 bug，具有学习价值。

优化训练调试数据写入策略，仅每个 DP/CP 分片写一次，大幅减少磁盘占用。

这是一个高质量、目标明确的优化和修复 PR。它不仅解决了实际痛点（磁盘空间浪费），还确保了功能的向后兼容性和测试覆盖。对于处理分布式训练调试数据的工程师来说，其门控写入和可见性探测的修复逻辑非常有参考价值。建议精读 `save_debug_train_data` 和 `DumpReader._visible` 的变更，理解其并行状态判断的设计。

将 sglang 上游从 v0.5.18 升级至 v0.5.19，并修复随之而来的接口破坏与构建问题。

本 PR 是一次高风险的基础设施升级，建议精读以下内容：1) `server_args_utils.py` 中 `_explicit_device` 的实现逻辑，理解 device 字段解析的新约定；2) PR body 中关于冲突解决的详细说明，特别是 `ServerArgs` 结构变化的适配策略；3) Dockerfile 中 Rust 构建禁用的注释。虽然代码变更本身不大（33 行新增/14 行删除），但背后涉及大量上游适配工作，其决策过程值得技术管理者关注。

将 CI 文档目录从 docs/ci/ 迁移到 docs/developer/ci/，对齐开发者导航结构。

这是一个值得精读的、高质量的重构 PR。虽然变更规模不小（33 个文件），但其核心是高度机械和一致的路径替换操作，逻辑清晰。PR 审查过程严谨，通过自动化工具和人工审核确保了变更的完整性和正确性。对于维护文档结构和代码-文档映射规范的团队来说，这是一个很好的实践范例，展示了如何安全、彻底地进行大规模的目录重构。

将共享的 rollout 过滤结果类型从 DynamicFilterOutput 重命名为 FilterOutput。

该 PR 是一个清晰、小范围的代码清理。核心变更集中在单个类型定义和其别名上，并通过系统性更新确保了命名一致性。对于理解 rollout 过滤器模块的开发者，此 PR 值得快速浏览以了解命名约定的演进。

保护可选 SGLang Anthropic 辅助模块导入，隔离故障至 501 路由。

这个 PR 值得精读。它不是一个大型功能，但展示了一个处理可选依赖和提升系统容错性的清晰、完整的模式：1）在导入点保护可选依赖；2）提供运行时能力查询函数；3）在功能入口点进行守卫检查；4）返回结构化且与路由合同一致的错误响应；5）通过隔离的测试用例覆盖缺失场景。这对于维护类似架构的模块具有很好的借鉴意义。

重写优化器状态重置逻辑，按类派发并递归遍历嵌套优化器。

**值得精读**。这是一个重要的 bugfix 和重构，解决了关键训练功能的多个缺陷。PR 的设计决策清晰：采用基于类的派发（而非易变的字符串参数）和递归遍历，使逻辑更健壮、可维护。新代码的“快速失败”策略（对未知优化器/状态抛出异常）是良好的防御性编程实践。配套的测试桩更新和详尽的单元测试为变更提供了强有力的质量保证。关注点在于其对 Megatron 内部优化器结构的隐式依赖，以及最终在真实硬件上的端到端验证情况。