执行摘要

• 一句话：为 veomni 引擎添加 NPU CI 测试
• 推荐动作：建议阅读以了解 veomni NPU CI 的配置方式，尤其是合并测试脚本的模式。对于关注 CI 基础设施和 NPU 后端的工程师，本 PR 提供了可参考的集成范例。

功能与动机

veomni 引擎在 Ascend NPU 上缺少持续集成测试，无法及时捕获 NPU 环境下的回归问题。该 PR 将 veomni NPU 测试纳入 CI 流水线，保障多后端兼容性和稳定性。

实现拆解

1. 新增 CI workflow：在 .github/workflows/e2e_ppo_trainer_veomni_vllm_ascend.yml 中定义 veomni NPU 端到端测试的触发条件、运行环境和执行步骤。
2. 改造测试脚本：修改 tests/special_e2e/run_ppo_trainer_veomni.sh，通过 verl.utils.device.get_device_name 自动检测设备类型（GPU 或 NPU），动态设置 profiler 配置参数（Contents、Tool 等），实现单脚本多后端支持。
3. 修复 review 问题：修正 bash 参数扩展语法错误（${VERL_EXP_NAME:-...}），调整 rollout 并行配置（TP、EP）以避免资源不匹配。
4. 删除冗余脚本：移除最初创建的 run_ppo_trainer_veomni_npu.sh，合并到通用脚本中。

关键文件：

• .github/workflows/e2e_ppo_trainer_veomni_vllm_ascend.yml（模块 CI 配置；类别 infra；类型 infrastructure）: 新增的 CI workflow，定义了 veomni NPU 端到端测试的触发条件、运行环境和执行步骤，是本次 PR 的核心配置。
• tests/special_e2e/run_ppo_trainer_veomni.sh（模块 端到端测试；类别 test；类型 test-coverage）: 被修改的测试脚本，从仅支持 GPU 改为支持 GPU 和 NPU 通用，是测试执行的主体。

关键符号：未识别

关键源码片段

tests/special_e2e/run_ppo_trainer_veomni.sh

被修改的测试脚本，从仅支持 GPU 改为支持 GPU 和 NPU 通用，是测试执行的主体。

#!/usr/bin/env bash
set -xeuo pipefail
​
# 其他设置和公共参数 ...
​
device_name=$(python3 - <<'EOF'
from verl.utils.device import get_device_name
print(get_device_name())
EOF
)
​
common_params=( ... ) # 公共训练参数数组
​
# 根据设备类型选择 profiler 配置
if [ -n "$device_name" ] && [ "$device_name" == "cuda" ]; then
    # GPU 路径：使用 torch profiler
    python3 -m verl.trainer.main_ppo \
        "${common_params[@]}" \
        actor_rollout_ref.actor.profiler.tool_config.torch.discrete=$DISCRETE \
        actor_rollout_ref.actor.profiler.tool_config.torch.contents=['cuda'] \
        global_profiler.tool=torch $@
    python3 "tests/utils/test_check_profiler_output.py" --profiler_dir="$SAVE_PATH" --device="gpu"
elif [ -n "$device_name" ] && [ "$device_name" == "npu" ]; then
    # NPU 路径：使用 npu profiler
    python3 -m verl.trainer.main_ppo \
        "${common_params[@]}" \
        actor_rollout_ref.actor.profiler.tool_config.npu.discrete=$DISCRETE \
        actor_rollout_ref.actor.profiler.tool_config.npu.contents=['npu','cpu'] \
        global_profiler.tool=npu $@
    python3 "tests/utils/test_check_profiler_output.py" --profiler_dir="$SAVE_PATH" --device="npu"
else
    echo "Unknown device: $device_name"
    exit 1
fi

评论区精华

• gemini-code-assist[bot] 指出 bash 参数扩展语法错误：${VERL_EXP_NAME:...} 应改为 ${VERL_EXP_NAME:-...}。同时指出 vLLM rollout 配置中 TP=4, EP=4 需要 16 GPU，与可用 8 GPU 不匹配。——已修复。
• wucong25 建议将 NPU 测试脚本与 GPU 脚本合并，而非额外创建一个单独脚本。——已被采纳，最终删除了 NPU 独立脚本。

• 另有评论提及“这里同步修改”要求联动更新其他配置，作者回应后达成一致。

• VERL_EXP_NAME 参数扩展语法错误 (correctness): 作者在后续提交中修正为 ${VERL_EXP_NAME:-function-reward-minimal-fsdp-size${FSDP_SIZE}}。

• GPU 资源配置（TP*EP）不匹配 (correctness): 作者调整了 TP=2，EP 等相关参数以匹配 8 GPU 环境。
• NPU 测试脚本与 GPU 合并 (design): 作者采纳建议，删除 NPU 独立脚本，修改通用脚本通过设备检测动态分支。

风险与影响

• 风险：主要风险在于修改了原有 GPU 测试脚本，可能对 GPU CI 造成回归。需确认 GPU 路径仍能正常工作。NPU 环境（如华为 Ascend 集群）稳定性可能影响 CI 可靠性。并行资源配置（TP、EP）需与实际 GPU 数量匹配，否则任务启动失败。新增 workflow 会增加 CI 总耗时。
• 影响：对用户无直接影响。对开发团队，veomni 引擎的 NPU 支持将纳入 CI 门禁，有助于提前发现兼容性问题。CI 流水线新增一个端到端测试 job，运行时间较长（约数十分钟）。修改后的通用测试脚本降低了维护两个独立脚本的成本。
• 风险标记：gpu_regression, npu_env_stability, parallel_config

关联脉络

• 暂无明显关联 PR