执行摘要
- 一句话：补齐 JIT 测试 CI 注册迁移并加固验证规则
- 推荐动作：值得精读 check_registered_tests.py 的改动，了解如何设计防御性 CI 审核工具以防止回归。其他测试文件的迁移模式可作为后续 CI 注册的标准范例。
功能与动机
修复了 #29066 迁移过程中因 squash merge 不重新扫描 main 导致的测试静默丢弃问题。PR body 指出：'During that ~4-day review window, 9 other JIT-kernel PRs merged to main, each registering with the old suite="base-b-kernel-..." convention. … their effective_suite stayed in the old no-test- shape … and no longer matches any suite the workflow invokes — so they were silently dropped from PR CI.'
实现拆解
- 迁移漏掉的测试注册：修改 test/registered/jit/ 和 test/registered/jit/benchmark/ 下的 15 个文件，将 register_cuda_ci 调用从 suite= 形式改为 stage=/runner_config= 形式；同时将三个 B200 注册从已移除的 1-gpu-b200 重定向到标准化的 4-gpu-b200 runner。
- 加固验证规则：在 scripts/ci/check_registered_tests.py 中增加 _LEGACY_CUDA_PREFIXES 元组，只允许 nightly/stress/weekly 前缀的套件继续使用旧 suite= 形式；其他 CUDA suite= 若为现代 {stage}-test-{runner_config} 形状则提示改用 stage=/runner_config=，若为旧 {stage}-{runner_config} 形状则直接报错。确保 pre-commit 和 CI 能捕获任何遗漏的旧格式。
- 重新归类分布式通信测试：将 test/registered/dcp/test_reduce_scatter_along_dim.py 从 base-b-kernel-unit-8-gpu-h200 迁移到 extra-b/8-gpu-h200，使其匹配正确的工作流（pr-test-extra.yml），因为该测试不测试内核，而是测试 GroupCoordinator.reduce_scatter_along_dim。
关键文件：
scripts/ci/check_registered_tests.py（模块 CI 审核；类别 infra；类型 infrastructure；符号 _LEGACY_CUDA_PREFIXES, main）: 核心基础设施变更，加强 CI 注册验证规则，防止旧格式再次漏过。test/registered/jit/test_dsv3_router_gemm.py（模块 内核测试；类别 test；类型 test-coverage）: 作为 JIT 单元测试迁移的代表，展示从 suite= 到 stage=/runner_config= 的转换。test/registered/dcp/test_reduce_scatter_along_dim.py（模块 通信测试；类别 test；类型 test-coverage）: 被重新归类的测试，从错误的 kernel 套件移动到正确的 extra-b 工作流，避免测试被静默丢弃。
关键符号：check_registered_tests.main
关键源码片段
scripts/ci/check_registered_tests.py
核心基础设施变更，加强 CI 注册验证规则，防止旧格式再次漏过。
# scripts/ci/check_registered_tests.py 核心验证逻辑
import re
# 现代 suite 名称格式：{stage}-test-{runner_config}
_MODERN_SHAPE = re.compile(r"^(.+)-test-(.+)$")
# 允许继续使用遗留 suite= 的前缀白名单（夜间 / 压力 / 每周套件）
_LEGACY_CUDA_PREFIXES = ("nightly", "stress", "weekly")
def main() -> int:
# 解析所有测试文件，检查注册调用
missing = []
legacy_shape = [] # 已使用现代形状但通过旧参数传入（可自动转换）
non_dispatchable = [] # 旧形状不可调度，必须报错
for f in files:
registries, _ = ci_register.ut_parse_one_file(f)
for r in registries:
if r.suite is None:
continue
# 如果已经使用 stage= / runner_config= 现代形式，跳过
if r.stage is not None:
continue
# 属于 nightly/stress/weekly 系列，允许保留旧形式
if r.suite.split("-", 1)[0] in _LEGACY_CUDA_PREFIXES:
continue
m = _MODERN_SHAPE.match(r.suite)
if m:
# 形状是新式但用了旧参数，提示作者改用 stage=/runner_config=
legacy_shape.append((f, r.suite, m.group(1), m.group(2)))
else:
# 形状完全不可调度，直接报错
non_dispatchable.append((f, r.suite))
# 报告 legacy_shape 和 non_dispatchable，返回非零退出码
if legacy_shape:
print("ERROR: 以下文件使用了现代 suite 形状但通过旧参数传入，缺少 /rerun-test 支持：")
for f, suite, stage, rc in legacy_shape:
print(f" {f}: suite={suite!r} \u2192 \u6539\u4e3a stage={stage!r}, runner_config={rc!r}")
if non_dispatchable:
print("ERROR: 以下文件使用了不可调度的旧 CUDA suite：")
for f, suite in non_dispatchable:
print(f" {f}: suite={suite!r} \u65e0\u6cd5\u5339\u914d\u4efb\u4f55 PR \u5de5\u4f5c\u6d41")
return int(bool(legacy_shape or non_dispatchable))
评论区精华
本 PR 无 review 评论。作者通过 PR body 详细说明了问题根因和修复方案，并通过 /rerun-test 触发 CI 验证了所有受影响测试的正确调度。
风险与影响
- 风险：风险较低。主要风险：1）可能还有其他文件使用了旧格式但未被迁移——新验证规则会捕获；2）B200 runner 从 1-gpu-b200 改为 4-gpu-b200 可能与实际 runner 配置不一致，但作者已确认 4-gpu-b200 是标准名称；3）重新归类可能导致测试在错误工作流中运行——作者已验证 effective_suite 正确。CI 自动运行确认全部通过。
- 影响：对开发者：PR CI 不再静默丢弃 JIT 测试，所有注册的测试都会按预期运行；新的 pre-commit 检查提前捕获违规格式。对用户：无直接影响。对 CI 系统：测试执行成本略有增加（恢复运行原来被丢弃的测试），但均为已存在测试。
- 风险标记：CI 测试静默丢弃, B200 runner 名称变更, 基础设施配置错误
关联脉络
- PR #29066 [CI] Migrate JIT tests to runner config registration: 本 PR 是 #29066 的补丁，迁移了其合并窗口期间漏掉的测试注册。
- PR #14194 [Dist] Add reduce_scatter_along_dim test: 重新归类的 reduce_scatter_along_dim 测试最初来自该 PR。
参与讨论