执行摘要
- 一句话：CI 安装不再清空 Torch 编译缓存，消除并发竞态
- 推荐动作：该 PR 是一个小而精准的基础设施修复，值得 CI 相关维护者关注。它体现了“缓存按内容哈希寻址则无需手动清理”这一设计原则，并利用注释记录决策原因，对后续维护者友好。建议合并，并可在未来的 CI 磁盘管理策略中再统一考虑缓存清理策略。
功能与动机
PR body 指出，在将多个 GPU runner 打包到一台宿主机上的 runner pool 中，缓存目录是共享挂载，原先安装步骤中的清空操作会 unlink 并发任务正在编译的文件，导致 Inductor 报 OSError: source code not available -> ValueError: @jit functions should be defined in a Python file。同时说明 Inductor 和 Triton 缓存条目是按内容哈希寻址的，陈旧条目永远不会被复用，因此清空操作没有益处。
实现拆解
变更集中在单个 CI 脚本内，可按以下步骤拆解：
- 定位清理逻辑：
scripts/ci/cuda/ci_install_dependency.sh 中的 clean_site_packages 函数原先通过一段内联 Python 脚本尝试清空多个缓存位置（TORCHINDUCTOR_CACHE_DIR、/tmp/torchinductor_<user>、~/.cache/sglang/inductor）。
- 删除清空代码：移除该 Python 脚本，不再对 Torch 编译缓存目录执行
shutil.rmtree，保留函数内对损坏 dist-info 目录的清理逻辑（按 PEP 376 处理缺失 METADATA 的目录）。
- 补充设计注释：在原本清理位置添加注释，明确说明缓存不清空的理由：缓存按内容哈希寻址、旧条目不会被复用，以及共享挂载下并发编译文件可能被误删的风险。
- 无测试配套：这是纯 CI 基础设施脚本变更，不涉及源码逻辑或测试文件，未增加新测试。
关键文件：
scripts/ci/cuda/ci_install_dependency.sh（模块 CI脚本；类别 infra；类型 infrastructure）: 唯一变更文件，移除了 CI 安装时清空 Torch 编译缓存的逻辑，并补充了设计注释。
关键符号：clean_site_packages
关键源码片段
scripts/ci/cuda/ci_install_dependency.sh
唯一变更文件，移除了 CI 安装时清空 Torch 编译缓存的逻辑，并补充了设计注释。
clean_site_packages() {
# torch 编译缓存故意不清空：
# - 条目按内容哈希寻址，过期条目不会被复用，清空无收益；
# - 多 runner 共享宿主机时，该目录是共享挂载，
# 清空会 unlink 并发任务正在编译的文件，
# 引发 `torch._inductor.exc.InductorError: SubprocException`。
# 仍然清理损坏的 dist-info 目录（PEP 376 缺失 METADATA）。
SITE_PACKAGES=$(python3 -c "import site; print(site.getsitepackages()[0])")
# ... 其余清理逻辑保持不变
}
评论区精华
PR 没有收到人工 review 评论，唯一的 review 来自 copilot-pull-request-reviewer[bot]，自动摘要了变更内容：停止删除共享 Torch 编译缓存，防止并发 GPU 任务之间的竞态，并说明缓存保留的原因。未出现任何反对意见或未解决的疑虑。
风险与影响
- 风险：主要风险在于移除缓存清空逻辑后，CI 工作节点上的 Torch 编译缓存目录可能随时间累积，占用磁盘空间。但 CI 环境通常是短暂运行的容器或被定期清理，且缓存条目按内容哈希寻址，旧条目不会被复用，因此影响有限。另一个潜在风险是，如果未来缓存目录结构发生变化，旧残留可能导致混淆，但概率极低。整体风险很低。
- 影响：影响范围为所有使用
scripts/ci/cuda/ci_install_dependency.sh 的 CUDA CI 任务，尤其是多个 GPU runner 共享宿主机（如自托管 runner pool）的场景。变更消除了并发编译时缓存文件被误删导致的随机失败，提升了 CI 的稳定性和可重复性。对用户和运行时功能无直接影响，属于纯内部基础设施改进。
- 风险标记：共享缓存并发, 磁盘占用增长, CI 脚本无测试
关联脉络
- PR #34186 [CI] Key scheduled CUDA suites by runner_config instead of hand-written jobs: 同属 CI 基础设施演进，涉及 CUDA 测试工作流的统一调度，与本 PR 都在改善 CI 稳定性和可维护性，但未修改同一文件。
参与讨论