执行摘要

• 一句话：为 AMD CI lmms-eval 安装增加重试与安全目录
• 推荐动作：建议精读此 PR，它展示了处理 CI 中网络瞬态故障和 git 权限问题的典型模式。git_clone_with_retry 和 docker cp + safe.directory 的组合可复用于类似场景。

功能与动机

AMD CI 的 Install dependencies 步骤中，lmms-eval 的 git clone 因网络瞬态 TLS 握手失败（gnutls_handshake() failed: Error in the pull function），而脚本使用 set -euo pipefail，单次失败即中止整个步骤。脚本中已定义 git_clone_with_retry 并用于 human-eval，但 lmms-eval 被遗漏。

实现拆解

1. 在 scripts/ci/amd/amd_ci_install_dependency.sh 中将裸 git clone 替换为 git_clone_with_retry：该函数支持最多 3 次重试，设置 http.lowSpeedLimit=1000 + http.lowSpeedTime=30 以快速失败网络停滞，并在每次重试前清理部分克隆。
2. 改用宿主机克隆 + docker cp 模式：在宿主机上执行带重试的克隆，然后通过 docker cp lmms-eval ci_sglang:/ 复制到容器内，避免在容器内直接克隆受网络影响。
3. 修复容器内 git 安全目录问题：当 docker cp 保留宿主机的非 root UID/GID 时，容器内 pip install 中的 vcs_versioning 会调用 git 检查版本，因所有权不匹配而报 fatal: detected dubious ownership in repository。添加 docker exec ci_sglang git config --global --add safe.directory /lmms-eval 以绕过此检查。
4. 保留版本分支参数：--branch v0.4.1 通过 git_clone_with_retry 的第三个参数传入，--depth 1 由函数自动添加。

关键文件：

• scripts/ci/amd/amd_ci_install_dependency.sh（模块 CI 脚本；类别 infra；类型 infrastructure）: 唯一变更文件，实现重试逻辑、复制方式和安全目录配置。

关键符号：未识别

关键源码片段

scripts/ci/amd/amd_ci_install_dependency.sh

唯一变更文件，实现重试逻辑、复制方式和安全目录配置。

# scripts/ci/amd/amd_ci_install_dependency.sh ( 片段 )
# ... 在 lmms-eval 安装部分之前，已有 git_clone_with_retry 函数定义 ...
​
# 使用带重试的克隆函数，避免网络瞬态失败导致 CI 中断
# git_clone_with_retry <url> <dir> [extra_args]
git_clone_with_retry https://github.com/EvolvingLMMs-Lab/lmms-eval.git lmms-eval "--branch v0.4.1"
# 将宿主机克隆的目录复制到容器中；docker cp 保留原有 UID/GID
docker cp lmms-eval ci_sglang:/
# 标记目录为安全，使容器内 root 用户可执行 git 命令（例如 setuptools_scm 调用 git）
docker exec ci_sglang git config --global --add safe.directory /lmms-eval
# 与 human-eval 相同模式：使用 install_with_retry 包装 pip install
install_with_retry docker exec -w /lmms-eval ci_sglang pip install --cache-dir=/sgl-data/pip-cache -e .
​
# 紧接的 human-eval 部分已使用相同模式
# git_clone_with_retry https://github.com/akao-amd/human-eval.git human-eval
# docker cp human-eval ci_sglang:/
# ... 与上面一致

评论区精华

机器人评论（gemini-code-assist[bot]）建议在复制前清理容器内旧目录，避免 docker cp 在目标已存在时合并文件导致问题。当前 PR 未采纳此建议，但根据 bingxche 的批准状态，表明该风险在 CI 语境下可接受。

• 复制前清理容器目录 (design): 未采纳，但 PR 被批准，说明在当前 CI 流程下风险可接受。

风险与影响

• 风险：
  1. 低风险：变更仅限 CI 脚本，不影响运行时逻辑。
  2. 若 lmms-eval 目录在容器中已存在且内容有差异，docker cp 可能合并而非替换，导致文件残留。但 CI 容器通常每次新建，风险较低。
  3. git config --global 可能影响容器内其他 git 操作，但仅限于该 CI 步骤后的生命周期。
     - 影响：用户影响：无。系统影响：AMD CI 的 Install dependencies 步骤更稳定，减少因网络波动导致的 CI 重跑。团队影响：减少维护者在 AMD CI 失败时的排查成本。
     - 风险标记：容器文件合并风险, 影响范围有限

关联脉络

• PR #24612 [AMD] VRAM cleanup step to AMD nightly test workflows: 同为 AMD CI 稳定性改进，修改了相近的工作流文件。