执行摘要

本次PR对sglang仓库的扩散模型CI测试进行了系统性重构，主要删除冗余测试文件、合并测试套件并优化配置逻辑，旨在提升测试维护性和执行效率，同时确保始终检查一致性和性能。变更影响扩散模块的测试基础设施，对终端用户透明，但开发者需适应新结构。

功能与动机

PR的动机源于简化组件准确性测试流程的需求。作者在PR body中指出："streamline component accuracy tests"和"always check consistency and perf, no fail-fast"，即希望减少测试冗余，避免因单个检查点失败而中断整个测试套件，从而提升CI的健壮性和开发体验。这响应了扩散模型测试日益复杂化带来的维护挑战。

实现拆解

1. 重构测试配置核心：

   • 文件：python/sglang/multimodal_gen/test/server/testcase_configs.py
   • 关键符号：DiffusionServerArgs类、_infer_modality_from_model_path函数
   • 变更：移除modality字段的硬编码默认值（原为"image"），改为可选并自动推断。新增_infer_modality_from_model_path函数，利用模型注册表（get_model_info）和任务类型（ModelTaskType）动态判断模态，并添加lru_cache装饰器以缓存结果，提升重复调用性能。
     

     @lru_cache(maxsize=None)
     def _infer_modality_from_model_path(model_path: str) -> str:
         """根据模型路径自动推断模态类型（图像、视频或3D）。"""
         model_info = get_model_info(model_path) # 从全局注册表查询模型信息
         if model_info is None:
             raise ValueError(f"无法解析模型信息: {model_path!r}")
     ​
         task_type = model_info.pipeline_config_cls.task_type
         if task_type == ModelTaskType.I2M:
             return "3d" # 3D 模型任务，如 mesh 生成
         if task_type.is_image_gen():
             return "image" # 图像生成任务，包括 T2I、I2I 等
         return "video" # 默认为视频生成任务，涵盖 T2V、I2V 等
     

   • 影响：所有扩散测试用例现在自动推断模态，减少手动配置错误，但依赖模型注册表的准确性。

2. 合并冗余测试文件：

   • 删除test_accuracy_2_gpu_a.py和test_accuracy_2_gpu_b.py，将原有2-GPU准确性测试用例迁移到新结构中；重命名test_accuracy_1_gpu_a.py为test_component_accuracy_1_gpu.py，统一命名规范。
   • 新增accuracy_testcase_configs.py文件，集中定义ACCURACY_ONE_GPU_CASE_IDS和ACCURACY_TWO_GPU_CASE_IDS元组，并通过_select_accuracy_cases函数筛选用例，避免配置分散。
   • 示例代码片段：
     

     def _select_accuracy_cases(cases: list[DiffusionTestCase], enabled_ids: tuple[str, ...]) -> list[DiffusionTestCase]:
         """根据启用的ID列表筛选测试用例。"""
         enabled = set(enabled_ids)
         return [case for case in cases if case.id in enabled] # 过滤未启用的用例
     

   • 影响：测试套件更简洁，易于维护和扩展新用例。

3. 优化测试执行逻辑：

   • 文件：python/sglang/multimodal_gen/test/server/test_server_common.py
   • 关键符号：run_case_check函数、failures列表
   • 变更：将原本分散的性能验证、一致性检查、LoRA API测试等封装到run_case_check中，该函数捕获异常并记录失败信息，最后统一报告，避免单点失败导致测试提前终止。新增validate_mesh_output辅助函数，专门处理3D模型输出验证。
   • 影响：提升测试健壮性，开发者能一次性看到所有失败点，便于调试。

4. 调整CI工作流和脚本：

   • 更新.github/workflows/pr-test-multimodal-gen.yml，简化触发逻辑，减少冗余步骤；修改scripts/ci/utils/diffusion/diffusion_case_parser.py中的_extract_case_ids_from_list函数，适配新的测试用例结构。
   • 影响：CI执行更高效，但需确保重构后所有测试仍能被正确触发和解析。

关键源码片段

python/sglang/multimodal_gen/test/server/testcase_configs.py

核心测试配置文件，修改了DiffusionServerArgs类以支持自动模态推断，并新增缓存函数，影响所有扩散模型测试用例的配置解析。

@lru_cache(maxsize=None)
def _infer_modality_from_model_path(model_path: str) -> str:
    """根据模型路径自动推断模态类型（图像、视频或3D）。"""
    model_info = get_model_info(model_path) # 从注册表获取模型信息
    if model_info is None:
        raise ValueError(f"无法解析模型信息: {model_path!r}")
​
    task_type = model_info.pipeline_config_cls.task_type # 获取任务类型
    if task_type == ModelTaskType.I2M:
        return "3d" # 3D 模型任务
    if task_type.is_image_gen():
        return "image" # 图像生成任务
    return "video" # 默认为视频生成任务

python/sglang/multimodal_gen/test/server/test_server_common.py

测试公共逻辑文件，引入run_case_check函数聚合多个验证步骤的失败信息，避免单点失败导致测试中断，提升测试健壮性。

def run_case_check(name: str, fn: Callable[[], None]) -> None:
    """运行单个检查点，捕获异常并记录失败信息。"""
    try:
        fn() # 执行检查函数
    except BaseException as exc:
        if isinstance(exc, (KeyboardInterrupt, SystemExit)):
            raise # 重新抛出中断异常
        failures.append((name, str(exc))) # 记录失败名称和消息

评论区精华

本次PR无review评论，讨论较少，变更主要由作者通过多次提交（如"upd"和"fix ut"）迭代完成，最终由自己合并。这表明重构过程可能涉及内部调整，但未引发团队争议。

风险与影响

• 技术风险：测试覆盖变更可能导致某些边缘用例未被覆盖，引发回归错误；自动模态推断依赖外部注册表，若模型信息缺失会抛出异常；CI工作流简化可能意外跳过必要测试。
• 影响范围：对用户无直接影响，但提升开发者效率；系统层面，测试代码更整洁，长期利于维护；团队需更新测试文档或指南以反映新结构。

关联脉络

从近期历史PR看，本次重构与扩散模块的其他改进紧密相关：

• PR 22763（自动启用最佳并行设置）优化了扩散模型性能配置，本PR的CI重构确保这些配置能高效测试。
• PR 22667（支持LTX-2.3两阶段视频生成）扩展了模型功能，本PR通过测试合并为新功能集成提供了稳定的CI基础。
  整体上，这些PR共同推动扩散模块向更高效、可维护的方向演进，反映团队在基础设施上的持续投入。