sgl-project/sglang

修复 /rerun-stage 命令在修改 sgl-kernel 的 PR 上错误使用 PyPI wheel 的问题，自动包含内核构建。

建议 CI 维护者和经常使用 `/rerun-stage` 命令的工程师仔细阅读此 PR，以理解内核构建的自动包含机制。关注 `scripts/ci/utils/slash_command_handler.py` 中的变更逻辑和 `.github/workflows/pr-test.yml` 中的条件调整，这些设计决策确保了向后兼容性和安全性，对于类似 CI 流程改进有参考价值。

为 Qwen3.6 文档添加 27B 密集变体支持，更新部署配置和模型说明。

该 PR 主要涉及文档更新，对于核心开发者来说，无需深入阅读代码逻辑。但值得关注的是： 1. 部署代码片段中模型配置的结构化设计（嵌套的 `modelConfigs` 对象）展示了如何优雅地支持多变体，可作为类似文档工具的参考。 2. 文档中引用的测试数据（MMMU 结果）与官方数据的差异，可能需要后续澄清或更新，以确保信息准确性。

为Chat Completions API添加函数级defer_loading字段支持，实现工具延迟加载和GLM特定扩展。

建议精读此PR，特别是`protocol.py`中的Pydantic模型扩展和序列化逻辑，以学习如何优雅地添加可选字段并控制序列化行为。同时关注`serving.py`中的Anthropic集成方式，理解跨API协议映射的设计权衡。对于涉及协议扩展的项目，此PR提供了处理厂商特定扩展的实用模式。

修复 GLM-4.7-Flash 在 NPU 上因 GPU 优化导致的导入和属性访问失败问题。

该 PR 是典型的硬件兼容性修复，值得快速浏览以了解如何优雅处理跨设备导入和可选属性。重点关注条件导入模式和安全属性访问的设计决策，这些模式在支持多后端时很实用。

修复 /generate 端点因采样参数包含 null 值而崩溃的问题。

该 PR 值得快速浏览，重点关注 SamplingParams.__init__ 方法中的空值处理模式。这是一个典型的防御性编程案例，展示了如何在数据入口处统一处理异常输入以提升系统鲁棒性。虽然变更较小，但设计决策（将处理逻辑从调用方移至类内部）体现了良好的模块化思想，值得学习。

为 Flux 2 扩散模型添加 AMD 设备专用的 AITER 注意力后端支持，修复性能回归。

该 PR 值得精读，因为它展示了如何修复因硬件特定后端遗漏导致的性能回归，并涉及了注意力后端集成的设计决策（如后端支持列表的管理）。关注点包括：Flux 2 模型的后端选择机制、AITER 实现的张量布局约定，以及 review 中关于集成完整性的讨论。

修复调度器中会话请求的Mamba池索引双重释放问题。

该PR值得精读，尤其是对于涉及会话管理和Mamba模型调度的开发者。关注点在于理解会话槽位生命周期与调度器批次管理之间的交互，以及如何通过简单的属性检查避免复杂的资源管理冲突。

修复FP8量化配置中模块路径匹配错误，避免因子串误判导致模型加载失败。

该PR值得精读，尤其是 `_module_path_match` 函数的设计展示了如何处理模块路径的精确匹配，避免子串误判，这在大型模型配置管理中是一个常见痛点。关注点包括：点边界匹配的逻辑、后备映射的引入策略、以及为何未采纳简化建议（可能出于可读性或防御性编程考虑）。