sgl-project/sglang

修复 OpenAI 函数调用测试中因随机采样导致的 flaky 断言。

建议工程师阅读此 PR 以理解如何设计更鲁棒的测试，特别是处理非确定性行为时。关注测试断言从具体硬编码到通用验证的转变，以及消除随机性的策略。review 中提到的 `strict=True` 设置问题值得后续关注。

新增扩散模型解聚架构，将编码器、去噪器、解码器角色独立运行于不同 GPU 实例。

建议仔细阅读 `scheduler_mixin.py` 和 `orchestrator.py` 以理解核心调度和路由逻辑；关注 review 中讨论的设计决策，如数据类初始化和传输协议设计，以避免潜在缺陷；注意风险点，如实例索引一致性和性能优化，建议在部署前进行全面测试。

为 HiSparse 分层稀疏 KV 缓存系统添加端到端单元测试。

对于关注测试设计或 HiSparse 模块的工程师，此 PR 提供了单元测试的参考实现，展示了如何构建最小化组件栈进行端到端测试，值得参考以了解 HiSparse 系统测试策略。

更新Ascend NPU最佳实践文档，同步最新配置和性能数据。

建议NPU平台用户和开发者关注此文档更新，特别是配置参数和性能指标的变化。对于工程团队，可注意review中提到的标准化问题，考虑在未来统一环境变量命名和移除已弃用标志，以提升文档一致性。

将 OpenAI 端点 CPU-only 单元测试迁移至专用目录并注册到 CPU CI 阶段。

该 PR 对于负责测试基础设施和 CI 优化的工程师值得精读，关注点包括：测试组织策略（如何分离 CPU/GPU 测试）、mock 使用技巧（如 `test_dpsk_v32_encoding_path` 中的简化），以及 CI 注册配置的调整。设计决策展示了如何通过代码迁移和 stub 提高测试兼容性。

修复 /v1/loads 端点切换 watching 模式后 include 过滤失效的问题。

该 PR 是重要的 bugfix，值得精读以理解 watching 模式下的客户端过滤模式。关注 `get_loads` 方法中的映射字典设计和 `watching_call` 中的引用捕获时机，这些是异步通信模式下的典型设计决策。

将 /v1/loads 端点的通信器模式从 queueing 改为 watching，防止并发请求超时。

该 PR 值得后端工程师和 SRE 精读，特别是关注高并发场景下的通信模式设计。关键设计决策包括：1) 将 queueing 模式改为 watching 模式以支持结果共享；2) 在 `watching_call` 中通过局部变量捕获和引用检查来优雅处理并发清理。建议结合代码中的注释理解竞态条件防护机制。

归一化工具消息内容从数组格式到字符串，修复GLM5.1等聊天模板问题。

建议工程师精读此PR，重点关注`normalize_tool_content`函数的设计决策，如如何通过检查`type == "text"`来区分文本部分和结构化列表，以及单元测试的全面覆盖，这对于处理API兼容性问题和消息格式归一化有借鉴意义。