执行摘要
本PR移除了FlashInfer JIT缓存脚本中的清理逻辑，以避免不同CI作业版本冲突导致的重复下载大文件问题。变更简单但显著提升CI效率，减少了带宽消耗和构建超时风险，但引入了磁盘使用增长和版本选择不确定性的潜在风险。建议关注未解决的review建议，以备未来优化。
功能与动机
此PR旨在解决CI构建中的缓存冲突问题。原脚本在下载FlashInfer wheel时，会自动删除缓存中不匹配当前所需Python版本的其他wheel文件。当多个CI作业或PR需要不同版本时，这种清理逻辑导致缓存频繁被清空，迫使每次重新下载1.6-1.9GB的大文件。例如，在RTX 5090 runner上因带宽限制（约3MB/s），下载超时导致构建失败。PR body引用了具体失败链接，强调优化构建流程以减少下载开销。
实现拆解
仅修改一个文件：scripts/ci/cuda/ci_download_flashinfer_jit_cache.sh。关键改动是删除以下行：
find "${FLASHINFER_CACHE_DIR}" -name "flashinfer_jit_cache-*.whl" ! -name "flashinfer_jit_cache-${FLASHINFER_PYTHON_REQUIRED}*" -type f -delete 2>/dev/null || true
移除后，脚本不再主动清理旧版本wheel，允许缓存目录中保留多个版本共存。但wheel选择逻辑未变，仍使用模式flashinfer_jit_cache-${FLASHINFER_PYTHON_REQUIRED}*.whl和head -n 1选取第一个匹配文件。
评论区精华
gemini-code-assist[bot]在review中提出两个核心讨论点：
-
wheel选择逻辑的鲁棒性问题：
建议包含CUDA版本并使用sort -V | tail -n 1确保选择正确wheel。当前模式宽泛且head -n 1是非确定性的，可能导致跨环境选取错误版本。
-
磁盘清理策略的风险：
建议添加时间基清理（如30天）防止磁盘无限增长，每个wheel约1.2GB，长期运行可能导致存储问题。
PR作者未响应这些建议，Fridge003直接批准合并，表明决策是优先解决缓存冲突，而将优化建议留待后续处理。
风险与影响
风险分析：
- 磁盘使用可能无限增长，因为旧版本wheel未被清理，对持久化runner构成存储压力。
- 当前wheel选择逻辑可能错误选取不匹配CUDA版本的wheel，由于模式仅基于Python版本且使用非确定性
head -n 1，存在跨runner共享缓存时的正确性风险。
影响评估：
- 积极影响：大幅减少CI构建时间，避免大文件重复下载，提升开发效率和CI稳定性，尤其在带宽受限环境下。
- 负面影响：增加磁盘占用，需监控缓存大小；对最终用户无直接影响，但内部CI成本和维护复杂性可能增加。
关联脉络
与此PR相关的历史PR包括#21682（放松CI测试阈值），两者均为CI流程优化，共同目标提升构建可靠性和效率。结合仓库近期历史，sglang项目在多平台（如NPU、AMD）支持中频繁涉及CI调整，本次变更反映了对基础设施稳定性的持续改进趋势，未来可能需跟进review建议以完善缓存管理。
参与讨论