sgl-project/sglang

新增 NPU 算子性能优化文档

值得 NPU 开发者和性能调试人员精读，特别是 msProf 输出指标解读部分，可快速定位算子瓶颈。

默认启用 diffusion 服务预热，优化首次请求延迟

值得合并。该 PR 有效地解决了 diffusion 服务冷启动问题，设计上优先缓存默认负面提示，并提供了合理的 fallback。建议在后续迭代中增加对预热失败的回退机制和更详细的日志。

复用 Diffusion 动态 LoRA 缓存，减少 reactivation 开销

建议关注 _reactivate_cached_dynamic_lora_layers 的验证逻辑和 set_lora 的分流架构设计，理解快速路径的正确性边界。尤其适合有 LoRA 切换性能瓶颈的团队参考学习。

修复 HybridLinearKVPool 在 chunked prefix cache 中的类型断言错误

该 PR 值得快速合并，修复了一个生产环境可能遇到的崩溃问题，且改动极小（仅 4 行有效代码）。对于团队而言，学到了如何安全地放宽类型约束以支持包装类型。

提前 HiSparseCoordinator 初始化，删除 attention backend 的懒加载属性

建议合并。此 PR 清理了后端初始化中的一个历史遗留问题，符合‘构造时捕获’的设计原则。值得关注的是通过调整初始化顺序来消除懒加载属性的思路。

引入 ForwardContext 分离 ForwardBatch 职责，移除运行时引用

此 PR 是重要的架构解耦重构，值得所有涉及 attention 或 model runner 开发的工程师精读。关键设计决策包括： - 冻结数据类的选择（防止意外修改，鼓励 `dataclasses.replace`）。 - 注意力后端在 `__init__` 中缓存 pool 引用 vs. 实时通过 `get_forward_context()` 派生。 - `hisparse_coordinator` 通过后端 `@property` 延迟读取 `model_runner`，避免循环依赖。 - 多 runner 场景下 `ForwardContext` 的 save/restore 策略。 建议重点关注 `forward_context.py` 的设计和 `_forward_raw` 中的上下文发布模式。

统一 FutureMap 中的 output_tokens_buf，简化 spec 中继缓冲区

建议审核并合并。该 PR 是 FutureMap 重构系列的一部分，虽包含多处核心路径变更，但改动集中且经过 CI 验证。值得关注的设计决策是统一缓冲区布局以简化未来扩展。

清理 FutureMap 命名并添加异步安全检查

建议快速合入。该 PR 是 #25879 的清理配套，没有功能变更但提升了代码质量和可维护性，值得所有 speculative 相关开发者了解其中的命名规范和防御性编程实践。