根据PR body描述，目标是实现'zero wasted CI resources'，避免当同一阶段已有作业失败时，其他等待作业浪费时间和资源运行完整测试（如安装依赖和测试约30分钟）。这是4层快速失败机制中的第三层'job → job'，旨在减少CI执行时间并加快反馈循环。
该PR值得精读，特别是.github/actions/check-stage-health/action.yml文件，展示了CI优化中的设计权衡，如级联过滤和计划运行跳过。工程师可学习如何有效管理CI流水线以减少浪费，关注实现细节以避免类似风险。
无实质性review讨论，仅作者hnyls2002在Issue评论中展示了测试结果截图，证明级联过滤工作正常，只显示根因作业。
实现分为两部分：1) 新增composite action文件.github/actions/check-stage-health/action.yml，包含使用GitHub API查询失败作业、级联过滤（排除由健康检查自身引起的失败）和调用core.setFailed()的逻辑；2) 在五个workflow文件（如pr-test.yml、pr-test-multimodal-gen.yml等）中的21个阶段测试作业后添加该健康检查步骤，确保快速失败。关键设计决策包括使用core.setFailed()使作业显示为失败、自动跳过计划运行（通过context.eventName === 'schedule'检测）、在检出后执行以最小化开销（约2秒）。
| 文件 | 模块 | 状态 | 重要度 |
|---|---|---|---|
.github/actions/check-stage-health/action.yml |
CI | added | 8.0 |
.github/workflows/pr-test.yml |
CI | modified | 7.0 |
.github/workflows/pr-test-sgl-kernel.yml |
CI | modified | 6.0 |
分析完成后，这里会展示 LLM 生成的相对完整源码片段和详细注释。
当前评论区没有形成足够清晰的争议点或结论，后续有更多讨论时会体现在这里。
技术风险包括：1) 健康检查逻辑可能误判，如级联过滤不完全（依赖步骤名匹配）导致错误报告失败作业；2) 依赖GitHub API，若API调用失败或速率限制可能影响CI执行；3) 新增步骤增加~2秒开销，对快速失败场景可接受，但需监控性能影响。具体风险点在action.yml的过滤逻辑和API调用部分。
影响范围：所有使用修改后workflow的CI运行，特别是PR测试和计划运行（自动跳过）。影响程度：显著减少CI资源浪费，预计节省大量测试时间（从约30分钟降至~5秒）；对用户透明，无功能变更；团队受益于更快反馈循环和更低CI成本。
当前没有检测到明确关联的 Issue 链接，后续同步到相关引用后会出现在这里。
本PR为sglang仓库的CI流水线引入第三层快速失败机制，通过新增健康检查composite action检测作业失败并立即终止等待中的作业，显著减少CI资源浪费，预计将测试时间从约30分钟降至数秒，提升开发效率。
为什么做：根据PR body描述，目标是实现“zero wasted CI resources”，避免当同一阶段已有作业失败时，其他等待作业浪费时间和资源运行完整测试。这是4层快速失败机制中的第三层“job → job”，旨在优化CI执行时间。例如，PR body指出：“Running jobs are never cancelled — they already passed the health check and continue to completion”，确保只影响等待作业。
做了什么：实现分为两部分：
.github/actions/check-stage-health/action.yml包含健康检查逻辑，关键代码片段：yaml
script: |
// 跳过计划运行
if (context.eventName === 'schedule') {
core.info('Skipping health check for scheduled run');
return;
}
// 查询失败作业并过滤级联
const rootCauseFailures = jobs.filter(j => {
// 过滤逻辑
});
if (rootCauseFailures.length > 0) {
core.setFailed(`Fast-fail: skipping — root cause job(s): ${rootCauseFailures.map(j => j.name).join(', ')}`);
}pr-test.yml）中的21个阶段测试作业后添加健康检查步骤，确保快速失败生效。关键设计决策：
core.setFailed()使作业显示为失败（红色X），提高可见性。context.eventName检测，无需手动输入。讨论了什么：无实质性review讨论，仅作者hnyls2002在Issue评论中展示了测试结果截图，并说明：“During the test, only the root causes will be on the fast-fail reasons”，证明级联过滤工作正常。
技术风险：
failedStep.name.includes('check-stage-health')），若命名变化可能导致误判。影响评估：
与历史PR的关系：本PR是快速失败机制的第三层，与PR #21330（第一层：方法→文件）相关联，共同构建完整的CI优化策略。从提交历史看，作者通过多个测试提交验证功能，并最终revert测试代码，确保生产环境清洁。这表明团队注重CI可靠性和渐进式改进。
参与讨论