执行摘要

• 一句话：为 AMD 添加 Wan2.2 FP8 MLA 注意力测试
• 推荐动作：值得阅读此 PR 的测试模式，尤其是 DiffusionServerBase 的使用和 CI 注册方法。但应关注 review 中未采纳的改进点，在后续测试中进行修正，以确保参数传递正确。

功能与动机

确保 FP8 MLA 代码路径在 AMD nightly CI 中得到覆盖，捕获回归问题。该路径由 PR #20319 引入，缺乏自动化测试。

实现拆解

1. 导入与注册

在 test/registered/amd/test_wan22_fp8_mla.py 中导入测试基础设施（DiffusionServerBase、DiffusionTestCase 等），并通过 register_amd_ci 将测试注册为 nightly 套件 nightly-amd-fp8-mla-diffusion，预估耗时 3600 秒。

2. 定义测试用例配置

使用 DiffusionTestCase 数据结构定义 4 组参数：模型统一为 Wan-AI/Wan2.2-T2V-A14B-Diffusers，分别设置 1/8 GPU、--enable-torch-compile 开关（注意：当前版本将 flag 和 value 合并在同一字符串中，可能引发服务器参数解析错误），8GPU 时指定 ulysses_degree=4 和 cfg_parallel=True。所有测试均关闭性能、一致性、模型 API 等检查。

3. 实现测试类与夹具

TestWan22FP8MLA 继承 DiffusionServerBase，通过 pytest.fixture 注入参数化用例，并重写 teardown_class 以安全清理。

4. 实现测试方法

test_diffusion_generation 方法根据用例参数生成生成函数，调用 run_and_collect 执行推理，最后断言输出非空。

关键文件：

• test/registered/amd/test_wan22_fp8_mla.py（模块 测试；类别 test；类型 test-coverage；符号 TestWan22FP8MLA, teardown_class, case, test_diffusion_generation）: 唯一变更文件，新增整个测试套件，覆盖 FP8 MLA 注意力路径的 AMD CI 测试。

关键符号：TestWan22FP8MLA.teardown_class, TestWan22FP8MLA.case, TestWan22FP8MLA.test_diffusion_generation

评论区精华

Gemini-code-assist[bot] 提出了 3 类建议：

• 参数拆分：extras 列表中的 "--enable-torch-compile false" 应拆为 ["--enable-torch-compile", "false"]，避免服务器启动时被当作单参数。
• 显式设置 tp_size：8GPU 用例中，ulysses_degree=4 时建议显式添加 tp_size=2 确保正确的模型划分。

所有建议均未在合并前得到修改或回复，也未标记为已解决。

• 测试参数和配置的正确性 (correctness): 建议未被采纳（或未被回复），PR 已合并但参数未修改。

风险与影响

• 风险：测试有效性风险：所有用例关闭了性能、一致性等检查，仅验证输出非空，可能遗漏精度或性能退化。
  环境依赖风险：测试依赖 sgl_kernel，若未安装则跳过（通过 pytest.importorskip），可能导致 CI 透传但实际未执行。
  参数解析风险：extras 中未拆分 flag/value 可能造成服务器启动失败，但测试仍可能因错误处理而误判为通过。

• 影响：影响范围：仅影响 AMD nightly CI，增加约 1 小时执行时间。
  用户影响：无，纯测试新增。
  团队影响：为后续 AMD 相关测试提供了可参考的模板（基于 DiffusionServerBase 的注册方式）。

• 风险标记：缺少正确性验证, 环境依赖（sgl_kernel）, 命令行参数解析风险

关联脉络

• 暂无明显关联 PR