执行摘要

• 一句话：拆分disaggregated CI测试到独立测试区域
• 推荐动作：建议在合并后立即跟进一个修复PR：添加设置SW_ATTN=1的CI步骤，或将gemma-3配置移回tp_configs并增加FlashInfer兼容性检查。同时考虑采纳gemini-code-assist的依赖文件建议。

功能与动机

PR发起人指出PD disaggregation代码和相关性在过去一年中已增长到需要独立测试框架的程度。参考了此前PR #36945的做法，使分布式任务更小、更独立运行，同时为PD设置分配更多预算（因为这些测试本来就成本高昂）。另外补充了之前缺失的FlashInfer评估运行，这对Blackwell+开发至关重要。

实现拆解

1. 创建新测试区域文件：在.buildkite/test_areas/下新建disaggregated.yaml，包含所有原distributed.yaml中与PD disaggregation相关的测试步骤（共8个步骤），包括NixlConnector精度、DP/EP、CrossLayer、Hybrid SSM、MultiConnector、Spec Decode等配置，并新增一个Distributed FlashInfer NixlConnector PD accuracy步骤。

2. 从distributed.yaml移除旧步骤：删除distributed.yaml中对应的7个测试步骤（约85行），替换为一个新的Pipeline + Context Parallelism步骤和一个RayExecutorV2步骤，保持文件结构。

3. 调整gemma-3测试配置：在tests/v1/kv_connector/nixl_integration/config_sweep_accuracy_test.sh中，将gemma-3滑动窗口测试从tp_configs数组移到新创建的sw_attn_configs数组，并添加注释说明gemma3不兼容FlashInfer。这样确保了gemma-3只在SW_ATTN环境变量设置时运行（如CI中），而不是在默认路径下。

关键文件：

• .buildkite/test_areas/disaggregated.yaml（模块 测试配置；类别 config；类型 configuration）: 新创建的disaggregated测试区域文件，包含了所有PD disaggregation相关的CI步骤，是本次PR的核心变更。
• .buildkite/test_areas/distributed.yaml（模块 测试配置；类别 config；类型 configuration）: 原始distributed.yaml中移除了PD disaggregation相关的7个测试步骤（约85行），并新增了Pipeline+Context Parallelism和RayExecutorV2步骤。
• tests/v1/kv_connector/nixl_integration/config_sweep_accuracy_test.sh（模块 测试脚本；类别 test；类型 test-coverage）: 调整了gemma-3滑动窗口测试的配置归属，从tp_configs移到sw_attn_configs，并添加了兼容性注释。

关键符号：未识别

关键源码片段

tests/v1/kv_connector/nixl_integration/config_sweep_accuracy_test.sh

调整了gemma-3滑动窗口测试的配置归属，从tp_configs移到sw_attn_configs，并添加了兼容性注释。

  # config_sweep_accuracy_test.sh 部分片段
  # 原 tp_configs 中删除了 gemma-3 项（第 15 行被移除）
  tp_configs=(
    "GPU_MEMORY_UTILIZATION=0.6 PREFILLER_TP_SIZE=2 DECODER_TP_SIZE=2"
    ...
    # 移除了 "GPU_MEMORY_UTILIZATION=0.8 MODEL_NAMES=google/gemma-3-4b-it VLLM_SERVE_EXTRA_ARGS=--max-model-len,8192" # SW model
  )
  # 新增 sw_attn_configs 数组，包含 gemma-3 测试及 HMA 变体
  sw_attn_configs=(
    # NOTE: gemma3 does not work with FlashInfer
    "GPU_MEMORY_UTILIZATION=0.8 MODEL_NAMES=google/gemma-3-4b-it VLLM_SERVE_EXTRA_ARGS=--max-model-len,8192" # SW model
    "ENABLE_HMA_FLAG=1 GPU_MEMORY_UTILIZATION=0.8 MODEL_NAMES=google/gemma-3-4b-it PREFILLER_TP_SIZE=1 DECODER_TP_SIZE=2 VLLM_SERVE_EXTRA_ARGS=--max-model-len,8192"
    "ENABLE_HMA_FLAG=1 GPU_MEMORY_UTILIZATION=0.8 MODEL_NAMES=google/gemma-3-4b-it PREFILLER_TP_SIZE=2 DECODER_TP_SIZE=1 VLLM_SERVE_EXTRA_ARGS=--max-model-len,8192"
  )

评论区精华

1. gemini-code-assist机器人提出的改进建议（未解决）：

   • 建议为所有测试步骤添加vllm/v1/worker/kv_connector_model_runner_mixin.py到source_file_dependencies，以确保模型运行器变更时能触发这些测试。
   • 建议为FlashInfer测试步骤指定device: h100以运行在适当硬件上。
   • 指出CROSS_LAYERS_BLOCKS=True与其他步骤使用1不一致，建议统一改为CROSS_LAYERS_BLOCKS=1。
   • 这些建议未被采纳或回复，但PR仍被批准合并。

2. orozery的Issue评论（关键问题）：指出gemma-3配置被从tp_configs移到了sw_attn_configs，但CI的disaggregated.yaml中没有设置SW_ATTN=1的步骤，导致gemma-3测试实际上不再在CI中运行。这是一个回归。建议要么添加SW_ATTN=1的步骤，要么保持gemma-3在tp_configs中并只在不使用FlashInfer时排除。

• gemma-3测试配置移动导致CI覆盖丢失 (correctness): 此问题未在PR中得到解决，但PR仍被批准合并。这是明显的回归风险。
• source_file_dependencies不完整 (other): 建议未被采纳，但已被记录。
• FlashInfer测试未指定目标设备 (other): 未采纳，风险较低但可能影响测试覆盖率。
• 环境变量值不一致 (style): 未采纳，但建议改为1。

风险与影响

• 风险：
  1. gemma-3测试可能完全丢失：如orozery所指出，将gemma-3移到sw_attn_configs后，由于CI中没有设置SW_ATTN环境变量的步骤，gemma-3测试将不再自动运行。这可能导致滑动窗口注意力相关的回归无法被捕获。
  2. 依赖文件列表可能不完整：gemini-code-assist指出source_file_dependencies遗漏了关键的kv_connector_model_runner_mixin.py，可能导致部分变更无法触发相关测试。
  3. 环境变量值不统一：CROSS_LAYERS_BLOCKS=True与其他步骤的=1格式不一致，可能对某些解析逻辑造成问题。
• 影响：
  1. 对用户：无直接影响，纯CI重构。
  2. 对系统：CI配置更清晰，disaggregated测试独立运行，缩减了distributed测试的总执行时间，同时新增了FlashInfer专用测试步骤，提升了对Blackwell+硬件的覆盖。
  3. 对团队：需要维护两个测试区域文件，但提高了CI的可扩展性和可维护性。gemma-3测试的遗漏需尽快修复。
     - 风险标记：gemma-3测试完全丢失（CI覆盖回归）, source_file_dependencies不完整, 环境变量值不统一

关联脉络

• PR #36945 类似拆分的前例: PR body中引用该PR作为拆分测试区域的先例。