sgl-project/sglang

修复Dockerfile重构后CI构建目标错误，确保框架镜像包含完整sglang包。

该PR值得快速审阅，重点关注： 1. 确保所有需要修改的CI工作流文件都已覆盖（已确认release-docker-runtime.yml不受影响）。 2. 理解Dockerfile多阶段构建的设计，特别是framework与framework_final阶段的区别。 3. 可作为基础设施变更后及时更新依赖配置的典型案例。

为WanVideo模型在AMD平台替换Triton RoPE内核为aiter HIP内核，提升推理性能。

该PR值得精读，特别是关注其性能优化策略：通过替换底层内核减少内存分配和形状转换开销。设计决策中值得学习的是如何平衡平台特异性优化与代码可维护性——通过环境变量和动态导入实现条件启用。建议工程师在类似优化场景中参考此模式。

修复 GB200 上 Triton attention 寄存器耗尽问题

建议合并以修复 GB200 上的崩溃问题。注意后续可能需要对 sm_120a 和其他 Blackwell 变体进行调整，并考虑是否优化 Lq <= 128 的配置。开发者可关注 flashinfer PR#2959 的进展。

修复MultiLayerEagleWorkerV2返回logprobs时崩溃问题，通过重构代码为共享辅助函数。

建议精读compute_spec_v2_logprobs函数的设计，了解如何统一处理spec v2的logprobs计算，这对于推测解码模块的开发者有参考价值。同时，关注测试覆盖的潜在缺口，考虑在后续工作中添加相关CI测试。

重构Dockerfile以支持BuildKit并行构建和优化层缓存，提升构建效率。

建议技术管理者和基础设施工程师精读此PR，它提供了利用BuildKit多阶段并行构建和层缓存优化的经典案例。关注设计决策如阶段拆分策略、依赖安装时机安排、以及如何处理CUDA版本等环境变量。同时，注意review中未完全解决的疑虑，如网关构建的进一步优化，可作为后续改进方向。

为多个模型后端启用 DFLASH 支持，扩展推测解码能力。

该 PR 值得精读，特别是关注层索引映射（HF 风格到 SGLang 的转换）和管道并行性处理的设计决策，以及如何通过 set_dflash_layers_to_capture 方法统一扩展模型支持。

重构LoRA量化信息提取并新增DeepSeek-V3 MLA融合投影LoRA支持，扩展量化MoE模型适配能力。

该PR值得精读，特别是量化信息重构的设计如何通过抽象方法提升可扩展性，以及ReplicatedLinearWithLoRA中处理不等输出维度的技术方案。建议关注形状管理逻辑和量化兼容性检查，以避免潜在风险。

修复DSA模型中NSA后端硬编码和草稿模型topk变换方法错误。

该PR值得快速浏览，特别是关注server_args.py中默认配置逻辑的修复，这是防止用户配置被意外覆盖的典型模式。对于nsa_backend.py的修改，建议结合Issue中的错误场景理解其必要性。整体变更较小，但涉及核心配置和注意力机制，建议在相关测试中验证回归。