执行摘要
- 一句话：移除 SGL_EVAL_SPEC 空格，修复 AMD ROCm 7.2 stage-a 安装失败
- 推荐动作：建议快速浏览本 PR：改动只有一行，但讨论区有信息量。值得学习的点包括：用 stub 报告 argc 的方式可复现地证明拆词问题；在 review 要求下主动回退大规模重写、保留外科手术式最小修复；对遗留的 eval 隐患明确划界并拆分为后续 PR。可关注作者声明的 eval 修复后续提交，以及 stage-b 的 antlr4 冲突修复。
功能与动机
PR body 明确说明 stage-a-test-1-gpu-small-amd-rocm720 在每次通过 label 门禁的 PR Test ROCm 7.2（AMD）上必失败：pip install sgl-eval @ git+... 报 Invalid requirement: '@'，3 次重试一致失败，镜像 fallback 无法解决（语法错误而非网络问题）。stage-a 门禁阻断所有下游 AMD leg，导致 AMD ROCm 7.2 的 CI 完全不可用，需要先解除这一阻塞。
实现拆解
实现过程分 4 步：
-
根因定位：对比各平台调用方式，CUDA（$PIP_CMD install "$SGL_EVAL_SPEC"）和 NPU（${UV_PIP_INSTALL} "$SGL_EVAL_SPEC"）都带引号直接调用 pip，只有 AMD 的 install_with_retry 用 local cmd="$@" 拼接后执行 eval "$cmd"，引号信息丢失，spec 被重新拆成 sgl-eval / @ / git+https://... 三段。这是语法错误，所以镜像 fallback 也无力回天。
-
初次方案与会话回退：作者最初在 scripts/ci/amd/amd_ci_install_dependency.sh 中重写 install_with_retry，改用 argv 数组规避 eval；review 建议保持外科手术式最小修复，作者将 helper 文件逐字节恢复上游，只保留 scripts/ci/utils/sgl_eval_ref.sh 的一行改动（+1/-1）。
-
最终修复：在 sgl_eval_ref.sh 中把 SGL_EVAL_SPEC 从 "sgl-eval @ git+https://...#{ref}" 改为 "sgl-eval@git+https://...#{ref}"。PEP 508 允许无空格 name@url 形式，packaging.requirements.Requirement 对两种写法解析结果完全一致，因此 CUDA/NPU/CPU 行为不变，同时使 spec 对任何不带引号的展开方式都健壮。
-
验证与配套：通过未修改的 eval 路径用 stub 验证 argv 从 6 个（拆词）变为 4 个（完整 spec）；在 ROCm 7.2 CI 镜像（rocm/sgl-dev:v0.5.17-rocm720-mi35x-*，MI355X 节点）真实安装成功，import sgl_eval 与 sgl-eval --help 均正常。amd-bot 确认 stage-a-test-1-gpu-small-amd-rocm720 变为成功。无新增测试文件，依托真实 CI leg 验证；环境副作用是 sgl-eval 自身 pin 会把 datasets 5.0.1 -> 4.8.5（既有行为，非本 PR 引入）。
关键文件：
scripts/ci/utils/sgl_eval_ref.sh（模块 CI 脚本；类别 infra；类型 configuration）: 唯一改动文件，一行移除 SGL_EVAL_SPEC 中的空格，消除 AMD eval 展开路径下的拆词问题，直接修复 ROCm 7.2 stage-a 门禁。
关键符号：未识别
关键源码片段
scripts/ci/utils/sgl_eval_ref.sh
唯一改动文件，一行移除 SGL_EVAL_SPEC 中的空格，消除 AMD eval 展开路径下的拆词问题，直接修复 ROCm 7.2 stage-a 门禁。
# scripts/ci/utils/sgl_eval_ref.sh 核心片段
# 固定 sgl-eval 依赖的 commit ref，供各平台 CI 安装脚本复用
SGL_EVAL_REF="6690895609dcbc5df1e7b00dd57c9502b868ec4d"
# 关键约束：SGL_EVAL_SPEC 不允许包含空格。
# AMD CI 的 install_with_retry 通过 eval 展开命令行，带空格的
# PEP 508 spec 例如 sgl-eval @ git+https://github.com/sgl-project/sgl-eval.git@...，
# 会被拆成 sgl-eval / @ / git+https://... 三段，pip 收到裸 @ 直接报
# Invalid requirement '@'。
# PEP 508 明确允许 name@url 的无空格形式，
# packaging.requirements.Requirement 对两种写法解析结果完全一致。
SGL_EVAL_SPEC="sgl-eval@git+https://github.com/sgl-project/sgl-eval.git@${SGL_EVAL_REF}"
评论区精华
核心讨论围绕 PR 描述准确性和修复范围展开：
- bingxche 复查后质疑“pip 从未被调用”的断言，kangwangamd 用 stderr stub 复验后承认错误并更正：
> 被当作重定向，pip 实际被调用，但 >=0.25.0 下限被剥离、输出落入垃圾文件 =0.25.0。描述改为“版本约束被静默丢弃且 pip 输出从 CI 日志消失”，并特别说明 --upgrade 安装最新版已满足下限，当前不算功能故障。
- review 要求保持最小修复，作者回退了
install_with_retry 的 argv 重写，只保留一行 spec 改动；同时指出 eval 仍是遗留隐患（未来任何带空格或重定向字符的参数都会被静默破坏），决定另开独立 PR 处理。
-
amd-bot 的 CI 状态确认 stage-a 已转绿，但 ROCm 7.2 整条流水线仍红：stage-b 出现与本次改动无关的 antlr4-python3-runtime 版本冲突（ImportError: Unsupported ANTLR version 4.7.2），需单独修复。
-
httpx 断言勘误：pip 是否被调用 (correctness): PR 描述改为“版本约束被静默丢弃且 pip 输出从 CI 日志消失”，并非 silent no-op；--upgrade 装最新版已满足下限，当前无功能故障。
- 是否重写 install_with_retry 为 argv 数组 (design): 接受最小修复方案；eval 遗留隐患（httpx 下限被吞、参数拆分）留作独立 PR。
- ROCm 7.2 CI 是否全绿 (testing): 本 PR 目标达成，但 ROCm 7.2 流水线仍需单独修复 antlr4 冲突才能全绿；NVIDIA base-b 失败与本 PR 无关。
风险与影响
- 解析一致性：无空格
name@url 形式的 PEP 508 解析等价性已在描述中用 packaging.requirements.Requirement 验证，CUDA/NPU/CPU 路径带引号调用不受影响，回归风险低。
- eval 遗留隐患：
scripts/ci/amd/amd_ci_install_dependency.sh 中的 eval 仍会吞掉 --upgrade 'httpx>=0.25.0' 的下限并重定向 pip 输出；本次修复相当于给 spec 打了补丁，但同一土地雷仍在，未来添加带空格或重定向字符的参数时可能再次触发静默故障。
- 环境副作用：sgl-eval 的依赖 pin 会把 CI 镜像中的
datasets 5.0.1 降级到 4.8.5，可能影响同一镜像上其他端到端评测用例的可复现性（作者标注为既有行为）。
- CI 未全绿：stage-b 的 antlr4 冲突意味着 ROCm 7.2 仍需后续修复才能作为可信门禁，本 PR 只解决了第一层阻塞。
- 影响：对最终用户和推理服务无影响，改动仅在 CI 脚本层。对团队的影响是直接解除 AMD ROCm 7.2 门禁阻塞：stage-a 是所有下游 AMD leg 的前置条件，修复后 AMD PR 的 ROCm 7.2 测试可以继续跑完并暴露后续问题（如 stage-b 的 antlr4 冲突）。对 CI 基础设施维护者而言，本 PR 提供了 eval 拆词问题的完整根因分析和可复现的最小修复范例，并明确划定了后续独立工作的边界（eval 重构、antlr4 修复）。
- 风险标记：CI helper 仍依赖 eval 展开（遗留隐患）, 仅覆盖 AMD 路径验证, stage-b 存在无关的 antlr4 阻塞
关联脉络
- PR #34477 （上下文未提供标题）: 该 PR 新增 scripts/ci/utils/sgl_eval_ref.sh，其中导出的带空格 PEP 508 spec 正是本 PR 所修复问题的根因来源。
参与讨论