执行摘要

• 一句话：调整ROCm CI门控测试的设备映射与镜像配置
• 推荐动作：对于关注 vLLM CI 基础设施和 ROCm 测试门控的团队成员，本 PR 值得精读。特别是 run-amd-test.sh 中条件引用的修复，体现了处理 CI 测试命令传递的细致考虑。其余配置更改较为直接，留意评论中提及的潜在不一致即可。

功能与动机

PR body 明确指出 'This PR refines AMD mirror gating amidst new MI300 nodes'，作者在评论中补充关联 ci-infra PR#347 以协调基础设施变更。目的是配合新节点部署，将AMD门控测试从旧设备平滑迁移到新设备。

实现拆解

1. 移除旧设备镜像：在 engine.yaml 中删除 mi325_2 和 mi325_4 的 AMD 镜像（V1 e2e 多卡测试）；在 misc.yaml、models_basic.yaml、models_language.yaml、models_multimodal.yaml 中删除对应的 mi325_1 镜像块。
2. 新增新设备镜像：在 entrypoints.yaml 的 LLM 及 API Server 测试中加入 mi300_1 镜像；在 misc.yaml 的 V1 Sample+Logits 和 V1 Core+KV+Metrics 中改为 mi300_1；在 models_language.yaml 的 Hybrid 测试中新增 mi300_1 镜像；在 models_multimodal.yaml 的所有标准测试中改为 mi300_1；在 samplers.yaml 中改为 mi250_1。
3. 修复 run-amd-test.sh 引用问题：引入 commands_source 变量区分命令来自环境变量还是参数列表，仅在 argv 模式执行重新引用（re_quoting）以避免对已正确引用的环境变量命令造成二次破坏。
4. 更新顶层 pipeline 文件：修改 .buildkite/test-amd.yaml 以包含调整后的测试组列表，确保 CI pipeline 正确调度。

关键文件：

• .buildkite/test_areas/models_language.yaml（模块 测试配置；类别 config；类型 configuration）: 核心演示了语言模型测试的AMD镜像从MI325_1切换到MI300_1，并新增了Hybrid测试的AMD镜像块。
• .buildkite/test_areas/models_multimodal.yaml（模块 测试配置；类别 config；类型 configuration）: 多模态测试的四个AMD镜像全部从mi325_1更换为mi300_1，同时移除了最后一个标准测试的镜像块。
• .buildkite/scripts/hardware_ci/run-amd-test.sh（模块 CI脚本；类别 infra；类型 infrastructure）: 脚本改进避免了重复引用对 VLLM_TEST_COMMANDS 造成破坏，体现了对 CI 健壮性的细致考虑。
• .buildkite/test_areas/engine.yaml（模块 测试配置；类别 config；类型 configuration）: 移除了两个多卡测试（2GPUs、4GPUs）的AMD镜像，意味着这些测试不再在AMD GPU上运行。
• .buildkite/test_areas/entrypoints.yaml（模块 测试配置；类别 config；类型 configuration）: 在LLM Integration测试中新增mi300_1镜像，同时移除了API Server Part 1和Part 2的mi325_1镜像，改为不运行AMD镜像或仅在LLM测试中覆盖。
• .buildkite/test_areas/misc.yaml（模块 测试配置；类别 config；类型 configuration）: 调整了Spec Decode移除镜像，同时V1 Sample+Logits和V1 Core+KV+Metrics改为mi300_1。存在与PR描述不一致的潜在问题。
• .buildkite/test-amd.yaml（模块 顶层配置；类别 config；类型 configuration）: 顶层CI pipeline文件，根据下层测试组的变化调整了包含的测试步骤列表。

关键符号：未识别

关键源码片段

.buildkite/scripts/hardware_ci/run-amd-test.sh

脚本改进避免了重复引用对 VLLM_TEST_COMMANDS 造成破坏，体现了对 CI 健壮性的细致考虑。

# 在 run-amd-test.sh 中，引入 commands_source 变量以区分命令来源
if [[ -n "${VLLM_TEST_COMMANDS:-}" ]]; then
    commands="${VLLM_TEST_COMMANDS}"
    commands_source="env" # 标记命令来自环境变量，引用已正确保留
    echo "Commands sourced from VLLM_TEST_COMMANDS (quoting preserved)"
else
    commands="$*"
    commands_source="argv"
    if [[ -z "$commands" ]]; then
        echo "Error: No test commands provided." >&2
        exit 1
    fi
fi
​
# 只有来自 argv 的命令需要重新引用处理，避免破坏已经正确的引用
if [[ "$commands_source" == "argv" ]]; then
    commands=$(re_quote_pytest_markers "$commands")
    echo "After re-quoting: $commands"
else
    echo "Skipping re-quoting for VLLM_TEST_COMMANDS input"
fi

评论区精华

在 review 中，gemini-code-assist[bot] 提出了两个问题：

• misc.yaml 镜像标签与描述不符：PR 描述称要为 Examples 测试添加镜像，但实际改动在 Spec Decode 测试上，可能导致覆盖错误。该评论未收到人工回复。

• models_language.yaml 命令重复：新增的 AMD 镜像块中的 commands 与主测试 commands 几乎一致，机器人建议使用 YAML 锚点消除重复以降低维护成本。该建议未被采纳。

  • misc.yaml 镜像测试标签与 PR 描述不一致 (correctness): 未得到作者或维护者回应，问题未解决。
  • models_language.yaml 中 AMD 镜像命令重复 (design): PR 未采纳该建议，当前版本仍保留重复命令。

风险与影响

• 风险：
  • 配置不一致风险：misc.yaml 中镜像绑定可能不符合预期，导致门控测试无法正确覆盖目标硬件（Comment #1）。
  • 命令重复维护风险：models_language.yaml 中 AMD 镜像的命令与主测试命令重复，后续修改参数需同步两处，易致遗漏。
  • 脚本变更影响：run-amd-test.sh 的条件引用逻辑变更可能影响其他依赖该脚本的 CI 流程。
  • 设备资源依赖：新设备 mi300_1/mi250_1 资源不足可能导致测试排队或超时。
  • 影响：本 PR 仅影响 AMD ROCm CI 的测试调度和硬件映射，对 vLLM 产品的用户无直接功能影响。CI 维护者需关注新设备的稳定性和资源利用率。由于去掉了部分旧设备的镜像，门控覆盖率可能短暂下降，但长期将提升对新硬件的覆盖。
  • 风险标记：配置不一致风险, 命令重复维护, 脚本变更影响, 设备资源依赖

关联脉络

• 暂无明显关联 PR