sgl-project/sglang

新增基于 ZMQ PUB 的调度器前向传递指标实时推送

值得精读。关键设计决策：1）使用 IPC 而非 TCP 避免端口冲突和监听安全问题；2）复用 DeviceTimer 而非自行实现 GPU 计时，降低维护成本；3）通过 dp_rank 后缀解决多副本 IPC 冲突；4）waiting_queue 中所有请求视为 prefill 确保下游正确进行 TTFT 估计。建议同步关注下游 Dynamo 对 FPM 的消费逻辑。

添加 Laguna-XS.2 模型部署文档与交互式配置生成器

值得快速浏览 cookbook 页面和交互式组件代码，了解 SGLang 文档中部署指南的编写模式，特别是如何将 React 交互组件嵌入 Markdown 文档。对于维护者，需关注安装指南中的版本号随 SGLang 发布周期更新。

修复 SWA 组件 host hit 计数起点错误

该 PR 修复了具体的计数问题，值得关注；建议后续结合 review 反馈评估是否需要进一步优化以处理 device-only 节点场景。

NPU 后端使用 causal_conv1d_update_v2 提升性能

建议精读该 PR 以了解 NPU 后端的性能优化技巧。尤其值得关注 `causal_conv1d_update_v2` 的接口变更和参数命名规范。建议作者后续处理 review 中关于 `conv_states.contiguous()` 的疑虑，确保不会意外复制。

拒绝不兼容的 CUDA 图与 Torch 编译选项组合

该 PR 值得合并。它是一个小而有效的防护措施，防止用户遭遇非明显的性能陷阱。错误信息设计清晰，便于用户快速修正。对于需要深入理解 CUDA graph padding 和 torch.compile 交互的开发者，也值得一读以了解这些选项的内部机制。

优化 Uvicorn 启动命令，修复 worker 健康检查超时问题

本 PR 是一次干净、标准的修复，值得合并。其设计思路（移除无效的 monkey patch，改用原生参数传递）可视为同类问题的正确处理模式。

修复 MiniCPM-V 4.6 错误使用旧版 conv 模板

值得精读，是 SGLang 处理模型版本与对话模板匹配的典型案例。设计上采用双重检查（模型类型 + 正则路径），兼顾本地部署和 Hugging Face Hub 场景。

修复 BCG 在 layer_model 未解析时错误启动

值得合入，修复了一个边缘情况下的隐式问题。建议阅读 `breakable_cuda_graph_runner.py` 中 `__init__` 和 `can_run` 的修改，了解 BCG 的解析逻辑。