执行摘要

• 一句话：为NPU扩散测试增加GT生成并重构套件
• 推荐动作：值得仔细阅读，特别是run_suite.py中的条件导入模式和compute_diffusion_partitions.py的环境变量切换，这是多平台测试框架的设计模板。同时关注后续的路径优化和URL迁移，避免遗留硬编码风险。

功能与动机

PR描述指出需要在Ascend测试中增加一致性检查的GT生成，这是实现扩散模型在NPU上持续集成的基础设施改造。

实现拆解

1. 新增NPU GT生成workflow：创建.github/workflows/diffusion-ci-gt-gen-npu.yml，支持workflow_dispatch触发，包含计算分区、1-NPU和2-NPU的ground truth生成作业，测试结果发布到sgl-project/ci-data仓库。

2. 重构测试套件结构：修改python/sglang/multimodal_gen/test/run_suite.py，移除内联的套件定义（FILE_SUITES、PARAMETRIZED_CASE_GROUPS等），改为通过current_platform.is_npu()条件导入对应平台配置：NPU从testcase_configs_npu.py导入，GPU从gpu_cases.py导入。这消除了原有的run_suite_npu.py重复代码。

3. 删除冗余文件和测试：删除run_suite_npu.py（299行）和test_server_8_npu.py（31行），将8-NPU测试用例（如wan2_2_t2v_14b_w8a8_8npu）转换为2-NPU，减少设备占用。

4. 移动配置集中化：在python/sglang/multimodal_gen/test/server/gpu_cases.py尾部新增_discover_unit_tests函数及一系列套件常量，在testcase_configs_npu.py中导出NPU版配置，形成平台独立的配置模块。

5. 更新性能基线：修改perf_baselines_npu.json，将所有基线数据替换为在Ascend A3硬件上重新测量后的数值，并调整hardware字段为Ascend A3。

6. 调整CI脚本：修改compute_diffusion_partitions.py和diffusion_case_parser.py，通过环境变量USE_NPU_CONFIGS切换NPU配置，避免在CPU协调器上误判平台。同时更新pr-test-npu.yml移除8-NPU相关作业。

7. 添加辅助配置：在test_utils.py中添加Ascend专用的ground truth URL常量（指向sgl-project/ci-data），并在CODEOWNERS中新增NPU测试目录的所有者行。

关键文件：

• .github/workflows/diffusion-ci-gt-gen-npu.yml（模块 CI工作流；类别 infra；类型 infrastructure）: 新增NPU扩散CI ground truth生成工作流，是整个PR的核心交付物。定义了workflow_dispatch触发、计算分区、1-NPU和2-NPU的GT生成作业，以及结果发布到ci-data仓库。
• python/sglang/multimodal_gen/test/run_suite.py（模块 测试套件；类别 test；类型 test-coverage；符号 _discover_unit_tests）: 重构核心文件，改为通过平台检测动态导入配置，消除了run_suite_npu.py的重复。
• python/sglang/multimodal_gen/test/server/gpu_cases.py（模块 GPU用例；类别 test；类型 test-coverage；符号 _discover_unit_tests, FILE_SUITES, PARAMETRIZED_CASE_GROUPS, STANDALONE_FILES）: 原run_suite.py中的套件配置被移到该文件尾部，使其成为GPU套件配置的中心文件。
• python/sglang/multimodal_gen/test/run_suite_npu.py（模块 测试套件；类别 test；类型 deletion；符号 parse_args, collect_test_items, run_pytest, main）: 因功能重复被删除，是PR中最大的删除文件（299行），反映重构意图。
• python/sglang/multimodal_gen/test/server/ascend/test_server_8_npu.py（模块 8-NPU测试；类别 test；类型 deletion；符号 TestDiffusionServerEightNpu, case）: 被删除，8-NPU测试被2-NPU替代，以节省设备。
• python/sglang/multimodal_gen/test/server/ascend/perf_baselines_npu.json（模块 性能基线；类别 test；类型 test-coverage）: 更新了所有性能基线数据，反映Ascend A3硬件和老化的2-NPU测试。
• python/sglang/multimodal_gen/test/server/ascend/testcase_configs_npu.py（模块 NPU配置；类别 test；类型 test-coverage）: 导出NPU版套件配置，是条件导入的目标模块。

关键符号：_discover_unit_tests, parse_args, collect_test_items, run_pytest, TestDiffusionServerEightNpu.case

关键源码片段

python/sglang/multimodal_gen/test/run_suite.py

重构核心文件，改为通过平台检测动态导入配置，消除了run_suite_npu.py的重复。

# python/sglang/multimodal_gen/test/run_suite.py (head)
"""
Test runner for multimodal_gen that manages test suites and parallel execution.
​
For diffusion 1-gpu/2-gpu suites, cases are partitioned by estimated runtime
using LPT so each CI shard has a similar total runtime.
"""
​
from sglang.multimodal_gen.runtime.platforms import current_platform
from sglang.multimodal_gen.test.server.testcase_configs import (
    BASELINE_CONFIG,
    DiffusionTestCase,
)
​
# 根据当前平台动态导入对应的套件配置
# 避免维护两份 run_suite.py 复制，TODO: remove duplicated code
if current_platform.is_npu():
    from sglang.multimodal_gen.test.server.ascend.testcase_configs_npu import (
        _UPDATE_WEIGHTS_FROM_DISK_TEST_FILE,
        COMPONENT_ACCURACY_SUITES,
        DEFAULT_EST_TIME_SECONDS,
        DEFAULT_STANDALONE_EST_TIME_SECONDS,
        FILE_SUITES,
        PARAMETRIZED_CASE_GROUPS,
        STANDALONE_FILES,
        STARTUP_OVERHEAD_SECONDS,
        SUITES,
    )
else:
    from sglang.multimodal_gen.test.server.gpu_cases import ( # noqa: F401
        _UPDATE_WEIGHTS_FROM_DISK_TEST_FILE,
        _UPDATE_WEIGHTS_MODEL_PAIR_ENV,
        _UPDATE_WEIGHTS_MODEL_PAIR_IDS,
        COMPONENT_ACCURACY_FILE_NUM_GPUS,
        COMPONENT_ACCURACY_SUITES,
        DEFAULT_EST_TIME_SECONDS,
        DEFAULT_STANDALONE_EST_TIME_SECONDS,
        FILE_SUITES,
        ONE_GPU_CASES,
        PARAMETRIZED_CASE_GROUPS,
        STANDALONE_FILE_EST_TIMES,
        STANDALONE_FILES,
        STARTUP_OVERHEAD_SECONDS,
        STRICT_SUITES,
        SUITES,
        TWO_GPU_CASES,
    )

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

原run_suite.py中的套件配置被移到该文件尾部，使其成为GPU套件配置的中心文件。

# python/sglang/multimodal_gen/test/server/gpu_cases.py (head 末尾新增部分 )
​
def _discover_unit_tests() -> list[str]:
    """自动发现 unit 目录下的测试文件"""
    unit_dir = Path(__file__).resolve().parent.parent / "unit"
    if not unit_dir.is_dir():
        return []
    return sorted(
        f"../unit/{f.name}" for f in unit_dir.glob("test_*.py") if f.is_file()
    )
​
FILE_SUITES = {
    "unit": _discover_unit_tests(),
    "component-accuracy": ["test_component_accuracy_1_gpu.py", "test_component_accuracy_2_gpu.py"],
    "component-accuracy-1-gpu": ["test_component_accuracy_1_gpu.py"],
    "component-accuracy-2-gpu": ["test_component_accuracy_2_gpu.py"],
    "1-gpu-b200": ["test_server_b200.py"],
}
​
PARAMETRIZED_CASE_GROUPS = {
    "1-gpu": [("test_server_1_gpu.py", ONE_GPU_CASES)],
    "2-gpu": [("test_server_2_gpu.py", TWO_GPU_CASES)],
}
# ... 其他常量和向后兼容的 SUITES 字典

评论区精华

核心讨论聚焦于平台检测的正确性、代码复用和环境适配：

• 平台检测问题：gemini-code-assist指出在compute_diffusion_partitions.py中直接使用current_platform.is_npu()是错误的，因为分区脚本运行在CPU协调器上，应当使用环境变量或参数。作者后续改用USE_NPU_CONFIGS环境变量解决。
• 代码重复：ping1jing2询问run_suite.py中的重复代码（FILE_SUITES等）能否避免，作者添加了TODO，但最终通过条件导入消除了重复。
• 硬编码路径：gemini-code-assist指出/root/...等绝对路径不可移植，建议使用repo_root构造路径。作者表示将替换为变量。
• 个人仓库URL：ground truth数据URL指向e-martirosian个人仓库，被要求迁移到sgl-project组织仓库以确保长期维护。

• 性能基线波动：Makcum888e要求仔细检查基线数字，因为不同CI服务器可能给出不同值。作者表示数字来自测试输出，后续又因CI失败再次更新。

  • 平台检测方法选择 (correctness): 改用环境变量 USE_NPU_CONFIGS 来切换NPU配置。
  • 硬编码路径不可移植 (correctness): 作者表示将替换为变量，但最终代码中路径仍存在，是否完全解决存疑。
  • 个人仓库URL可靠性 (security): 标记为待修复，但本次PR未完全迁移。
  • 代码重复问题 (design): 作者添加TODO，最终通过条件导入消除了重复，但留下了TODO标记。
  • 8-NPU测试必要性 (question): 确认不需要8-npu，移除。
  • 性能基线准确性 (testing): 多次调整后通过，但基线仍然可能因环境波动。
  • 测试失败上报问题 (other): 未在讨论中明确解决，但最终批准。

风险与影响

• 风险：

  1. 平台检测混杂：虽然改用环境变量，但diffusion_case_parser.py中仍可能残留current_platform.is_npu()调用（需要确认最终代码），若在非NPU环境下运行会选错配置。
  2. 硬编码路径：testcase_configs_npu.py中的模型缓存路径（/root/.cache/modelscope/...）依赖特定CI环境，在其他环境（如开发者本地）会直接失败。
  3. 外部数据源可靠性：Ground truth数据存储于个人仓库e-martirosian/ci-data，若账号变动或仓库迁移将导致GT下载失败。
  4. 性能基线波动：NPU CI机器性能可能波动，更新后的基线（如wan2_1_t2v_1.3b_1_npu的DenoisingStage从26240ms变为27796ms）可能仍需多次调整。
  5. 删除8-NPU测试影响：如果未来需要8-NPU规模扩散测试，需重新添加，当前改动彻底移除了基础设施。
     - 影响：用户影响：无。
     系统影响：

• CI基础设施：新增一个手动触发的workflow用于GT生成，NPU CI测试套件从8-NPU缩减为2-NPU，降低了设备需求。

• 代码库：删除299+31行冗余代码，新增214行workflow和约200行配置移动，整体行数减少。
• 团队影响：NPU测试维护者现在可以直接在testcase_configs_npu.py中管理套件，无需同步run_suite_npu.py。但条件导入增加了run_suite.py的理解成本。
• 风险标记：平台检测依赖环境变量, 硬编码路径不稳定, 个人仓库URL可靠性, 性能基线可能波动, 删除8-NPU测试无保留

关联脉络

• 暂无明显关联 PR