执行摘要

• 一句话：合并分散的 DFlash Triton 内核到单一 dflash.py
• 推荐动作：值得精读以学习代码清理和消除重复的最佳实践。该 PR 展示了如何在不修改逻辑的前提下通过合并分散文件来提升可维护性。

功能与动机

PR body 指出：dflash_accept_bonus.py 和 dflash_prepare_block.py 各自持有一个 Triton 内核及其包装器，外加 _pick_num_warps 和 _is_row_major_contiguous_2d 的字节相同副本。合并为单个 dflash.py（遵循 eagle.py / multi_layer_eagle.py 的按算法文件命名），消除重复辅助函数，提升可维护性。

实现拆解

1. 创建统一模块 python/sglang/srt/speculative/triton_ops/dflash.py：将原 dflash_accept_bonus.py 中的 _compute_dflash_accept_bonus_triton_unchecked 内核及其包装器，以及原 dflash_prepare_block.py 中的 _prepare_dflash_draft_block_contig_kernel 和 _prepare_dflash_draft_block_unchecked 全部移入，同时只保留一份 _pick_num_warps 和 _is_row_major_contiguous_2d 辅助函数。
2. 删除旧文件：dflash_accept_bonus.py 和 dflash_prepare_block.py 被移除，不再存在两个分散文件。
3. 更新导入关系：在 python/sglang/srt/speculative/dflash_worker_v2.py 中，将原来从两个单独模块的导入改为统一从 sglang.srt.speculative.triton_ops.dflash 导入 _compute_dflash_accept_bonus_triton_unchecked 和 _prepare_dflash_draft_block_unchecked。
   本次变更不包含测试、配置或部署配套改动，属于纯代码组织重构。

关键文件：

• python/sglang/srt/speculative/triton_ops/dflash.py（模块 Triton操作；类别 infra；类型 rename-or-move；符号 _compute_dflash_accept_bonus_triton_unchecked, _prepare_dflash_draft_block_contig_kernel, _prepare_dflash_draft_block_unchecked, _pick_num_warps）: 核心输出文件：将原本分散在两个文件中的 Triton 内核和辅助函数统一合并到此文件，成为 DFlash 的单一 Triton 操作入口。
• python/sglang/srt/speculative/triton_ops/dflash_prepare_block.py（模块 Triton操作；类别 infra；类型 deletion；符号 _prepare_dflash_draft_block_contig_kernel, _pick_num_warps, _is_row_major_contiguous_2d, _prepare_dflash_draft_block_unchecked）: 被删除的文件：其中所有内容已移至 dflash.py，该文件被移除。
• python/sglang/srt/speculative/dflash_worker_v2.py（模块 推测解码；类别 source；类型 dependency-wiring）: 唯一需要更新导入的文件：将两个独立导入合并为从新的 dflash.py 导入两个函数。

关键符号：_compute_dflash_accept_bonus_triton_unchecked, _prepare_dflash_draft_block_contig_kernel, _prepare_dflash_draft_block_unchecked, _pick_num_warps, _is_row_major_contiguous_2d

关键源码片段

python/sglang/srt/speculative/triton_ops/dflash.py

核心输出文件：将原本分散在两个文件中的 Triton 内核和辅助函数统一合并到此文件，成为 DFlash 的单一 Triton 操作入口。

# python/sglang/srt/speculative/triton_ops/dflash.py
# 合并后的单一模块，包含两个内核及其统一辅助函数
​
import torch
import triton
import triton.language as tl
​
​
# -------- 以下为原 dflash_accept_bonus.py 的内核 --------
@triton.jit
def _compute_dflash_accept_bonus_triton_kernel(
    # ... 参数列表与原文一致，省略以节省篇幅
):
    # 具体实现拷贝自原文件
    pass
​
def _compute_dflash_accept_bonus_triton_unchecked(
    # ... 包装器逻辑
):
    # 从原文件直接移入
    pass
​
# -------- 以下为原 dflash_prepare_block.py 的内核 --------
@triton.jit
def _prepare_dflash_draft_block_contig_kernel(
    # ... 参数列表
):
    # 从原文件直接移入
    pass
​
def _prepare_dflash_draft_block_unchecked(
    # ... 包装器逻辑，包含校验
):
    # 从原文件直接移入
    pass
​
# -------- 合并后的辅助函数（仅一份） --------
def _pick_num_warps(block_size: int) -> int:
    if block_size <= 16: return 1
    if block_size <= 32: return 2
    if block_size <= 64: return 4
    return 8
​
def _is_row_major_contiguous_2d(x: torch.Tensor) -> bool:
    return x.ndim == 2 and x.is_contiguous()

python/sglang/srt/speculative/dflash_worker_v2.py

唯一需要更新导入的文件：将两个独立导入合并为从新的 dflash.py 导入两个函数。

# python/sglang/srt/speculative/dflash_worker_v2.py
# 变更前（顶部集中导入部分）：
# from sglang.srt.speculative.triton_ops.dflash_accept_bonus import (
# _compute_dflash_accept_bonus_triton_unchecked,
# )
# from sglang.srt.speculative.triton_ops.dflash_prepare_block import (
# _prepare_dflash_draft_block_unchecked,
# )
​
# 变更后：
from sglang.srt.speculative.triton_ops.dflash import (
    _compute_dflash_accept_bonus_triton_unchecked,
    _prepare_dflash_draft_block_unchecked,
)
# 其余导入保持不变

评论区精华

该 PR 无 Review 评论，合并没有公开讨论。

• 暂无高价值评论线程

风险与影响

• 风险：极低风险。变更仅为代码移动和删除重复，不涉及逻辑修改。唯一风险是导入路径写错或遗漏符号，但 CI 中两项相关测试（test_dflash.py 和 test_pcg_with_speculative_decoding_dflash.py）已通过验证，确保行为不变。
• 影响：影响范围：仅限 DFlash 推测解码模块。影响程度：无功能或性能变化，仅改善代码组织，降低未来维护成本。对用户无感知，对团队而言减少了重复代码，增强了与 Eagle 模块的命名一致性。
• 风险标记：无逻辑变更, CI 测试已通过

关联脉络

• PR #29118 [Spec] Fold DFlash verified_id into the shared bonus_tokens relay channel: 与本次 PR 修改了相同的 DFlash worker 和 triton 内核文件，属于同一功能线的连续重构。