执行摘要

• 一句话：为 Ascend NPU 添加 sglang CI 工作流
• 推荐动作：值得关注的设计决策：使用 common_params 数组重构冗长的 python 参数调用，这是一种常见的脚本优化模式。但务必验证 review 中指出的版本兼容问题是否已解决。该 PR 为 NPU sglang CI 的基石，后续 NPU 相关 PR 可参考此模板。

功能与动机

PR #6015 旨在为 Ascend NPU 添加持续集成（CI）覆盖 sglang 后端，确保 NPU 上 sglang rollout 功能的可靠性。PR body 提及 'All CI test cases have been tested locally and executed successfully'，说明本地验证通过。

实现拆解

1. 新增 CI Workflow 文件：在 .github/workflows/ 创建 reward_model_sglang_ascend.yml、e2e_ppo_trainer_megatron_sglang_ascend.yml、e2e_ppo_trainer_megatron_sglang_2_ascend.yml，分别定义 reward model 和 PPO 端到端测试的 Job，配置 Ascend NPU 运行环境、路径触发、超时 60 分钟。
2. 重构 Megatron 测试脚本：在 tests/special_e2e/run_ppo_trainer_megatron.sh 中，将原本直接调用 python -m verl.trainer.main_ppo 的长参数改为先构建 common_params 数组再引用，减少重复；新增 SUPPORT_NPU 变量和 NPU 相关配置（如 flash attention、profiling 调整），使脚本可同时适配 GPU 与 NPU。
3. 调整 CI 触发路径：各 workflow 通过 paths 字段精准控制触发条件，避免不必要的 CI 运行，例如对 docker/**、docs/**、examples/** 等目录排除。
4. 删除旧式参数传递方式，提升脚本可维护性。

关键文件：

• tests/special_e2e/run_ppo_trainer_megatron.sh（模块 测试脚本；类别 test；类型 test-coverage）: 核心测试脚本，重构参数组织方式并加入 NPU 支持，是 CI 执行的关键入口。
• .github/workflows/reward_model_sglang_ascend.yml（模块 CI 工作流；类别 infra；类型 infrastructure）: 新增 CI 工作流，用于在 Ascend NPU 上测试 reward model + sglang 组合。
• .github/workflows/e2e_ppo_trainer_megatron_sglang_ascend.yml（模块 CI 工作流；类别 infra；类型 infrastructure）: 新增端到端 PPO 训练 + sglang rollout CI，覆盖 Megatron 后端在 NPU 上的主要训练流程。
• .github/workflows/e2e_ppo_trainer_megatron_sglang_2_ascend.yml（模块 CI 工作流；类别 infra；类型 infrastructure）: 另一套 e2e PPO 训练 CI，参数与上一个相似但可能测试不同模型或配置，增加覆盖范围。

关键符号：未识别

关键源码片段

tests/special_e2e/run_ppo_trainer_megatron.sh

核心测试脚本，重构参数组织方式并加入 NPU 支持，是 CI 执行的关键入口。

# 重构后的 common_params 数组统一了所有 Hydra 配置参数，
# 避免重复拼写 python 命令，提升可维护性。
common_params=(
    algorithm.adv_estimator="${ADV_ESTIMATOR}"
    data.train_files="${TRAIN_FILES}"
    data.val_files="${VAL_FILES}"
    data.train_batch_size=${train_prompt_bsz}
    data.max_prompt_length=${MAX_PROMPT_LENGTH}
    data.max_response_length=${MAX_RESPONSE_LENGTH}
    data.return_raw_chat=${RETURN_RAW_CHAT}
    actor_rollout_ref.model.path="${MODEL_PATH}"
    actor_rollout_ref.actor.ppo_mini_batch_size=${train_prompt_mini_bsz}
    # ... 后续参数以相同方式追加
)
# 最后通过 "${common_params[@]}" 展开传给 trainer
python3 -m verl.trainer.main_ppo \
    --config-path=config \
    --config-name='ppo_megatron_trainer.yaml' \
    "${common_params[@]}"

评论区精华

1. gemini-code-assist[bot] 指出 Dockerfile 中 torch==2.7.1 与 sgl-kernel-npu 内置 torch2.8.0 版本不匹配，可能导致二进制不兼容（评论路径 docker/ascend/Dockerfile.ascend.sglang_8.5.0_a2 和 a3）。
2. 同一 bot 建议清理下载的 .zip 和 .whl 文件以减小镜像大小，并移除 --no-check-certificate 降低安全风险。
3. yyyy2000 建议在 workflow 中也删除 "${HOME}/profiling" 目录（文件 .github/workflows/e2e_ppo_trainer_megatron_sglang_ascend.yml 第 145 行）。

• PyTorch 版本与 sgl-kernel-npu 不匹配 (correctness): 未在 thread 中看到明确修复；可能 PR 已经调整版本或该问题在后续提交中解决。
• Dockerfile 中清理下载文件与安全证书跳过 (security): 未看到回复，可能未采纳或已经在后续更新中处理。
• CI 工作流中删除 profiling 目录 (other): 未在 thread 中看到回应，但该建议较为合理，可能被采纳。

风险与影响

• 风险：
  1. 版本兼容风险：review 指出的 PyTorch 版本 mismatch 若未修复，sgl-kernel-npu 可能在运行时崩溃。
  2. 镜像安全：Dockerfile 使用 --no-check-certificate 下载，中间人攻击风险；下载后未清理，镜像膨胀。
  3. CI 覆盖盲区：workflow 的路径排除列表可能遗漏关键入口（如 verl/trainer/main_*.py 被排除），导致部分变更不触发 CI。
  4. NPU 环境稳定性：NPU 硬件/驱动可能出现偶发故障，CI 超时 60 分钟可能不足。
     - 影响：影响范围限于 Ascend NPU 上的 CI 流程。新增三个 workflow 使 sglang 后端在 NPU 上获得自动化测试覆盖，减少回归风险。重构后的测试脚本更易维护，参数扩展性更好。对现有 GPU CI 无影响。
     - 风险标记：版本兼容风险, 安全证书跳过, 镜像清理遗漏, CI 覆盖盲区

关联脉络

• PR #6291 [doc] chore: update vllm and vllm ascend from 0.13.0 to 0.18.0 in docs and dockerfile: 同样涉及 NPU 和 sglang 版本更新，与本文 CI 的工作流环境相关。
• PR #6307 [vllm] refactor: MXFP8 support for ascend NPU: NPU 相关重构，与本文 CI 覆盖的 NPU 测试路径可能有交集。