执行摘要

• 一句话：将 Req 的 logprob 字段封装为 ReqLogprob 数据类
• 推荐动作：该 PR 是标准的代码重构，遵循“将相关状态集中管理”的设计原则，值得作为如何拆分大类/提取容器类的参考。但建议后续为 logprob 处理路径编写专项测试，以巩固重构的正确性。

功能与动机

根据 PR body 描述，目的是将原本散布在 Req 类各个地方的 logprob 相关状态（包括参数 top_logprobs_num、token_ids_logprob，以及输入输出返回值字段）统一装入一个专门的容器 ReqLogprob，从而降低 Req 的复杂度，使 logprob 处理逻辑更加内聚。

实现拆解

1. 在 python/sglang/srt/managers/schedule_batch.py 中新增 @dataclass(slots=True, kw_only=True) 的 ReqLogprob 类，包含所有 logprob 属性（top_logprobs_num、token_ids_logprob、input_、output_ 等）。
2. 修改 Req.init：移除原有的散落初始化代码，改为构造 self.logprob = ReqLogprob(...)，并在 return_logprob=True 时条件设置 output_* 为空列表。
3. 通过机械的正则替换，将所有引用 req.xxx（其中 xxx 属于迁移的字段）改为 req.logprob.xxx，涉及文件：disaggregation/utils.py、disaggregation/decode.py、disaggregation/decode_schedule_batch_mixin.py、layers/utils/logprob.py、managers/scheduler.py、managers/scheduler_components/logprob_result_processor.py、managers/scheduler_components/output_streamer.py、managers/scheduler_components/batch_result_processor.py。
4. 保留 Req 上其他无关的 logprob 字段（如 input_logprob_sent、logprob_start_len、temp_* 等）。ScheduleBatch 中的批量数组保持原状（依然从 per-req scalars 构建）。
5. 无测试文件配套修改，仅源码变动。

关键文件：

• python/sglang/srt/managers/schedule_batch.py（模块 请求模型；类别 source；类型 core-logic；符号 ReqLogprob）: 核心文件：新增 ReqLogprob dataclass，修改 Req 初始化逻辑，集中管理 logprob 状态。
• python/sglang/srt/managers/scheduler_components/logprob_result_processor.py（模块 对数概率处理；类别 source；类型 core-logic）: 最大变动文件：大量属性访问从 req.xxx 改为 req.logprob.xxx，涉及输入输出 logprob 的批量处理。
• python/sglang/srt/disaggregation/utils.py（模块 解聚工具；类别 source；类型 core-logic）: 解聚模式下的 logprob 拷贝和 abort 清理中更新访问路径。
• python/sglang/srt/managers/scheduler_components/output_streamer.py（模块 输出流；类别 source；类型 core-logic）: 输出流中收集 logprob 数据时访问路径变更。
• python/sglang/srt/managers/scheduler_components/batch_result_processor.py（模块 批处理结果；类别 source；类型 core-logic）: 解码后应用 logprob 时访问路径更新。

关键符号：ReqLogprob, Req.init, SchedulerLogprobResultProcessor._process_input_token_logprobs, SchedulerLogprobResultProcessor._process_input_top_logprobs, SchedulerLogprobResultProcessor._process_input_token_ids_logprobs, DisaggMetadataBuffer.set_buf, prepare_abort, OutputStream.accept, BatchResultProcessor._apply_decode_logprobs, LogprobComputer.add_output_logprobs_for_spec_v1

关键源码片段

python/sglang/srt/managers/schedule_batch.py

核心文件：新增 ReqLogprob dataclass，修改 Req 初始化逻辑，集中管理 logprob 状态。

@dataclasses.dataclass(slots=True, kw_only=True)
class ReqLogprob:
    """集中持有单个请求的 logprob 状态。"""
    top_logprobs_num: int
    token_ids_logprob: Optional[List[int]]
    input_token_logprobs_val: Optional[List[float]] = None
    input_token_logprobs_idx: Optional[List[int]] = None
    input_top_logprobs_val: Optional[List[List[float]]] = None
    input_top_logprobs_idx: Optional[List[List[int]]] = None
    input_token_ids_logprobs_val: Optional[List[List[float]]] = None
    input_token_ids_logprobs_idx: Optional[List[List[int]]] = None
    output_token_logprobs_val: Optional[list] = None
    output_token_logprobs_idx: Optional[list] = None
    output_top_logprobs_val: Optional[list] = None
    output_top_logprobs_idx: Optional[list] = None
    # 可以为 GPU 张量，针对 prefill-only 场景的延迟拷贝优化
    output_token_ids_logprobs_val: Optional[List[Union[List[float], torch.Tensor]]] = None
    output_token_ids_logprobs_idx: Optional[list] = None
​
# 在 Req.__init__ 中使用：
self.logprob = ReqLogprob(
    top_logprobs_num=top_logprobs_num,
    token_ids_logprob=token_ids_logprob,
)
if return_logprob:
    self.logprob.output_token_logprobs_val = []
    self.logprob.output_token_logprobs_idx = []
    self.logprob.output_top_logprobs_val = []
    self.logprob.output_top_logprobs_idx = []
    self.logprob.output_token_ids_logprobs_val = []
    self.logprob.output_token_ids_logprobs_idx = []
# 移除了之前的分散字段定义，现在通过 self.logprob.xxx 访问。

python/sglang/srt/managers/scheduler_components/logprob_result_processor.py

最大变动文件：大量属性访问从 req.xxx 改为 req.logprob.xxx，涉及输入输出 logprob 的批量处理。

# 以 _process_input_token_logprobs 为例，展示变更后的访问方式：
def _process_input_token_logprobs(
    self, req: Req, input_token_logprobs: List
) -> None:
    """处理输入 token logprobs 的值和索引。"""
    is_multi_item_scoring = self._is_multi_item_scoring(req)
​
    # 之前：req.input_token_logprobs_val = ...
    if is_multi_item_scoring:
        req.logprob.input_token_logprobs_val = input_token_logprobs
    else:
        req.logprob.input_token_logprobs_val = [None] + input_token_logprobs[:-1]
​
    # 索引处理
    if is_multi_item_scoring:
        delimiter_count = len(req.multi_item_delimiter_indices)
        input_token_logprobs_idx = [MIS_DELIMITER_TOKEN_ID] * delimiter_count
    else:
        input_token_logprobs_idx = req.origin_input_ids[req.logprob_start_len :]
​
    req.logprob.input_token_logprobs_idx = [
        x if x < self.model_config.vocab_size - 1 else 0
        for x in input_token_logprobs_idx
    ]

评论区精华

该 PR 是作者独立提交，review 评论数量为 0，未发现实质性技术讨论。唯一的 comment 来自 gemini-code-assist[bot] 的配额警告，与变更内容无关。

• 暂无高价值评论线程

风险与影响

• 风险：主要风险在于机械替换可能遗漏某些调用点，导致运行时 AttributeError。但由于替换通过正则覆盖了所有已知模式，且 PR 在 CI 中至少通过了基础测试（未提供具体 CI 状态），风险可控。另外，没有新增测试覆盖，如果未来重构引入新的 logprob 访问点可能未采用 req.logprob.xxx。对于用户透明，无性能影响。
• 影响：影响范围：所有涉及 logprob 处理的代码路径，包括推理引擎的解码、分拆调度、打分器等。对用户无功能影响，仅内部 API 重构。开发者需要适应新的访问路径 req.logprob.xxx。对系统无性能变化。团队需确保所有分支同步此变更。
• 风险标记：缺少测试覆盖, 机械替换可能遗漏, 影响多个调度组件

关联脉络

• PR #25728 Pull the max-prefix-len computation into its own helper and rename the matched-token argument: 同一重构系列，均针对 schedule_batch.py 中的状态进行提取和重命名。
• PR #25727 Encapsulate the pending-flush bookkeeping in a small wrapper: 同一系列的重构，将调度器内部状态封装为小包装器。
• PR #25726 Confine req-pool-idx assignment to the pool allocator: 同样精简 Req 状态分配逻辑，与本 PR 目标一致。