DeepEP测试依赖RDMA/nvshmem进行GPU间通信，但Ion H200机器存在RDMA端口故障（PORT_DOWN状态），导致ibv_modify_qp超时和nvshmem初始化失败。PR body中提供了具体故障案例链接（如ion-4和ion-3的失败日志），并指出根本原因是RDMA端口状态异常。
该PR变更简单，无需深入代码审查，但可作为CI环境隔离的参考案例。关注点：专用runner标签的维护策略和RDMA故障的根因缓解。
Review中仅有一人批准且无评论，表明变更简单直接，团队对解决方案无争议。PR body中已详细说明故障根因和修复方案，无需额外讨论。
仅修改一个CI配置文件：将.github/workflows/pr-test.yml中stage-c-test-deepep-8-gpu-h200任务的runs-on字段从8-gpu-h200改为8-gpu-h200-deepep。
| 文件 | 模块 | 状态 | 重要度 |
|---|---|---|---|
.github/workflows/pr-test.yml |
CI/Workflow | modified | 3.0 |
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。
Review 中仅有一人批准且无评论，表明变更被快速接受。
结论：变更被批准并合并。 · 已解决
技术风险较低：1）变更仅影响CI调度逻辑，不涉及生产代码；2）专用标签需手动添加到目标runner（如GMI H200），若标签未正确配置可能导致测试无法运行；3）如果所有可用runner都出现RDMA问题，测试可能完全阻塞。
影响范围有限：1）对用户无直接影响；2）仅影响DeepEP 8-GPU测试的CI执行环境，提升测试稳定性；3）团队需维护专用runner标签，增加少量运维开销。
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。
DeepEP测试依赖RDMA/nvshmem进行GPU间通信，但Ion H200机器存在RDMA端口故障（PORT_DOWN状态），导致ibv_modify_qp超时和nvshmem初始化失败。PR body中提供了具体故障案例链接（如ion-4和ion-3的失败日志），并指出根本原因是RDMA端口状态异常。
仅修改一个CI配置文件：将.github/workflows/pr-test.yml中stage-c-test-deepep-8-gpu-h200任务的runs-on字段从8-gpu-h200改为8-gpu-h200-deepep。
关键文件：
.github/workflows/pr-test.yml（模块 CI/Workflow）: 唯一修改的文件，定义了CI工作流中DeepEP 8-GPU测试的runner标签，直接影响测试执行环境。关键符号：未识别
Review中仅有一人批准且无评论，表明变更简单直接，团队对解决方案无争议。PR body中已详细说明故障根因和修复方案，无需额外讨论。
参与讨论