执行摘要

• 一句话：默认种子改为42，重构partitioning与disagg种子传递
• 推荐动作：建议关注 partitioning 模块提取的设计（单一职责、可复用）、DenoisingContext 数据类与字典返回的权衡、disagg 种子传递的演进。该 PR 展示了增量重构与特性增强的合并模式，适合用于学习渐进式重构。

功能与动机

来自PR body：'to align with diffusers default: generator = torch.Generator().manual_seed(42)'。使默认种子与diffusers库一致，保证复现性。

实现拆解

1. 修改默认种子值：在 http_server.py 中将 DEFAULT_SEED 常量从 1024 改为 42；在 image_api.py、video_api.py 中调整 Form(...) 默认参数；在 protocol.py 中更新 ImageGenerationsRequest 和 VideoGenerationsRequest 的 seed 字段默认值；在 io_struct.py 中更新 RolloutRequest 的 seed 默认值。

2. 抽取通用 Partitioning 模块：创建 python/sglang/multimodal_gen/test/partitioning.py，定义 PartitionItem 数据类和 partition_items_by_lpt 函数实现 LPT（最长处理时间）分区算法。随后在 run_suite.py 中导入该模块重写 auto_partition 函数，并新增 get_suite_files_rel 和 partition_items_by_index；在 CI 脚本 compute_diffusion_partitions.py 中通过 _load_partitioning_helpers 动态加载该模块，移除本地重复实现，增加对 b200 suite 的支持和 include_standalone 选项。

3. 引入 DenoisingContext 数据类：在 denoising.py 中新增 DenoisingContext dataclass，替代先前 _prepare_denoising_loop 返回的字典。在 hunyuan3d_shape.py 中改为返回 DenoisingContext 实例，并新增 is_warmup 字段。

4. 增强 Disagg 种子传递：在 scheduler_mixin.py 的 extract_transfer_fields 中添加 seed 序列化逻辑，将 req.seed 写入 scalar_fields；在 _build_disagg_req 中根据 seed 字段重建 torch.Generator，并支持 seed 为列表的多输出场景。

5. 补充测试覆盖：在 test_disagg_trace.py 中新增两个测试用例验证单种子和列表种子在 disagg 中的正确传递与重建。

6. 更新 CI 配置：修改 diffusion-ci-gt-gen.yml 以支持 b200 suite 和新 partitioner，同步更新 gen_diffusion_ci_outputs.py。

关键文件：

• python/sglang/multimodal_gen/test/partitioning.py（模块 测试分组；类别 test；类型 test-coverage；符号 PartitionItem, partition_items_by_lpt）: 新增文件，提取了LPT分区算法的核心实现（PartitionItem数据类和partition_items_by_lpt函数），被测试运行器和CI脚本共同引用，是本次重构的关键产出。
• python/sglang/multimodal_gen/runtime/disaggregation/scheduler_mixin.py（模块 反聚合调度；类别 source；类型 core-logic；符号 extract_transfer_fields, _build_disagg_req）: 核心逻辑变更：在提取传输字段时序列化seed，在反序列化时支持种子列表重建多个generator，使disagg正确传递种子信息，支撑多输出场景。
• scripts/ci/utils/diffusion/compute_diffusion_partitions.py（模块 CI脚本；类别 infra；类型 infrastructure；符号 _load_partitioning_helpers, build_partition_items）: CI分区脚本重构：改为从partitioning.py导入PartitionItem和lpt_partition，移除重复实现；增加对b200 suite的支持和standalone可选项。
• python/sglang/multimodal_gen/test/run_suite.py（模块 测试运行器；类别 test；类型 test-coverage；符号 get_suite_files_rel, partition_items_by_index, partition_test_files）: 测试运行器重构：导入partitioning模块替代本地auto_partition逻辑，新增get_suite_files_rel和partition_items_by_index函数。
• python/sglang/multimodal_gen/runtime/pipelines_core/stages/hunyuan3d_shape.py（模块 3D形状管道；类别 source；类型 dependency-wiring；符号 DenoisingContext）: 引入DenoisingContext数据类，替换_prepare_denoising_loop返回字典，新增is_warmup字段。
• python/sglang/multimodal_gen/test/unit/test_disagg_trace.py（模块 测试单元；类别 test；类型 test-coverage；符号 test_transfer_keeps_seed_needed_to_rebuild_generator, test_build_disagg_req_rebuilds_generator_list）: 新增两个测试用例，覆盖种子在disagg中的正确传递和列表重建。

关键符号：PartitionItem, partition_items_by_lpt, _load_partitioning_helpers, build_partition_items, get_suite_files_rel, partition_items_by_index, extract_transfer_fields, _build_disagg_req, test_transfer_keeps_seed_needed_to_rebuild_generator, test_build_disagg_req_rebuilds_generator_list

关键源码片段

python/sglang/multimodal_gen/test/partitioning.py

新增文件，提取了LPT分区算法的核心实现（PartitionItem数据类和partition_items_by_lpt函数），被测试运行器和CI脚本共同引用，是本次重构的关键产出。

from __future__ import annotations
​
from dataclasses import dataclass
​
​
@dataclass(frozen=True)
class PartitionItem:
    """单个可分区项，包含种类、唯一标识和预估耗时。"""
    kind: str # 'case' 或 'standalone'
    item_id: str
    est_time: float
    used_fallback_estimate: bool = False
​
​
def partition_items_by_lpt(
    items: list[PartitionItem], num_partitions: int
) -> list[list[PartitionItem]]:
    """
    LPT（最长处理时间）分区算法。
​
    将 items 按预估耗时降序排列，然后依次分配给当前总耗时最小的分区，
    使得各分区总耗时尽可能均衡。
    返回包含 num_partitions 个分区的二维列表。
    """
    if not items or num_partitions <= 0:
        return []
​
    # 按预估耗时降序排列；耗时相同则按 kind 和 item_id 排序保证确定性
    sorted_items = sorted(
        items,
        key=lambda item: (-item.est_time, item.kind, item.item_id),
    )
    partitions: list[list[PartitionItem]] = [[] for _ in range(num_partitions)]
    partition_sums = [0.0] * num_partitions
​
    for item in sorted_items:
        # 找到当前总耗时最小的分区
        min_idx = partition_sums.index(min(partition_sums))
        partitions[min_idx].append(item)
        partition_sums[min_idx] += item.est_time
​
    return partitions

评论区精华

Review 中 gemini-code-assist[bot] 建议将各入口的默认种子改为 None 而非 42，理由是避免与 SamplingParams 默认值重复，降低维护成本。但作者未采纳，保留了显式 42，可能认为显式默认更清晰。该建议在 http_server.py、image_api.py、video_api.py、protocol.py、io_struct.py 等多处提出，均未被采纳。

• 默认种子应改为None还是硬编码42 (design): 作者未采纳，保留了显式42。可能认为显式默认更清晰或希望立即对齐 diffusers。

风险与影响

• 风险：默认种子从1024改为42会使原有依赖特定种子的生成结果变化，用户需适配；硬编码 seed 在各入口可能随 SamplingParams 默认值变化而不一致；partitioning 重构可能影响 CI 分片均衡，需关注后续执行情况；disagg 种子列表支持是新增路径，在极端边 case 下可能存在未覆盖的时序问题。
• 影响：用户：API 默认种子变化，生成结果与之前不同，需关注复现性。系统：disagg 服务现在支持多输出种子列表，提高功能完整性，但新增逻辑需要监控。团队：partitioning 模块化降低了后续维护成本，DenoisingContext 统一了参数传递模式。影响范围限于 multimodal_gen 子系统。
• 风险标记：默认种子变更, 硬编码seed冗余, CI分区重构, disagg种子列表支持

关联脉络

• 暂无明显关联 PR