执行摘要

• 一句话：移除 MLA prefill 废弃参数，统一配置接口
• 推荐动作：本 PR 是一个经典的废弃清理范例，适合精读以了解如何有序移除配置项并同步测试和基准工具。同时关注 review 中关于 is_lse_base_on_e 的讨论，有助于理解注意力后端间 LSE 基数的差异。

功能与动机

这些废弃标志原计划在 v0.22 移除（PR #32623 重构后），因为现在由 --attention-config.mla_prefill_backend 统一指定。本 PR 执行此清理，避免新旧配置共存造成的混乱。

实现拆解

1. 删除 AttentionConfig 中的废弃字段和方法：在 vllm/config/attention.py 中移除 use_cudnn_prefill、use_trtllm_ragged_deepseek_prefill、disable_flashinfer_prefill 三个字段，以及 __post_init__ 和 _migrate_deprecated_mla_prefill_flags 方法。
2. 更新基准测试配置字典：在 benchmarks/attention_benchmarks/mla_runner.py 中，将 _PREFILL_BACKEND_CONFIG 中每个后端的配置从旧布尔标志改为直接使用 MLAPrefillBackendEnum 枚举，并移除了已删除的 cudnn 条目。
3. 重构测试类：在 tests/v1/attention/test_mla_prefill_selector.py 中，将 TestDeprecatedFlagMigration 重命名为 TestMLAPrefillBackendConfig，移除所有针对废弃标志迁移的测试用例，仅保留对新配置接口的测试。
4. 清理注意力层中的条件判断：在 vllm/model_executor/layers/attention/mla_attention.py 中，将 is_lse_base_on_e 参数从 not getattr(self, "_use_fi_prefill", False) 硬编码为 True，因为该属性从未被设置，此举不改变运行时行为。
5. 更新参数测试：在 tests/engine/test_arg_utils.py 中，删除对 use_trtllm_ragged_deepseek_prefill 和 disable_flashinfer_prefill 的断言，使测试与新的配置接口一致。

关键文件：

• vllm/config/attention.py（模块 配置；类别 source；类型 dependency-wiring；符号 post_init, _migrate_deprecated_mla_prefill_flags）: 核心配置类，删除了废弃字段和迁移方法，统一 MLA prefill 配置
• benchmarks/attention_benchmarks/mla_runner.py（模块 基准工具；类别 source；类型 dependency-wiring）: 基准测试运行器，更新预填充后端配置字典以使用新的枚举字段，并移除 cudnn 条目
• tests/v1/attention/test_mla_prefill_selector.py（模块 预填充测试；类别 test；类型 test-coverage；符号 TestDeprecatedFlagMigration, TestMLAPrefillBackendConfig, test_default_backend_is_none, test_explicit_flash_attn_backend）: 测试类从 TestDeprecatedFlagMigration 重构为 TestMLAPrefillBackendConfig，移除废弃标志相关测试
• vllm/model_executor/layers/attention/mla_attention.py（模块 注意力层；类别 source；类型 data-contract）: 修复了 DCP/LSE 缩减中 is_lse_base_on_e 的取值，移除对不存在的 _use_fi_prefill 属性的引用
• tests/engine/test_arg_utils.py（模块 参数测试；类别 test；类型 test-coverage）: 删除 CLI 参数测试中对废弃标志的断言

关键符号：post_init, _migrate_deprecated_mla_prefill_flags, test_default_backend_is_none, test_explicit_flash_attn_backend, test_explicit_trtllm_ragged_backend

关键源码片段

vllm/config/attention.py

核心配置类，删除了废弃字段和迁移方法，统一 MLA prefill 配置

# vllm/config/attention.py ( 变更后 )
@config
class AttentionConfig:
    # ... ( 其他字段照旧 ) ...
​
    # 以下三个字段已完全移除：
    # use_cudnn_prefill: bool = False
    # use_trtllm_ragged_deepseek_prefill: bool = False
    # disable_flashinfer_prefill: bool | None = None
    #
    # 它们之前由 __post_init__ 中的 _migrate_deprecated_mla_prefill_flags 处理，
    # 现在这些方法也被一并删除。
    mla_prefill_backend: MLAPrefillBackendEnum | None = None
    """MLA prefill backend to use. Options: FLASH_ATTN, FLASHINFER, TRTLLM_RAGGED."""
​
    # 不再需要 __post_init__ 及迁移方法，配置更简洁。

benchmarks/attention_benchmarks/mla_runner.py

基准测试运行器，更新预填充后端配置字典以使用新的枚举字段，并移除 cudnn 条目

# benchmarks/attention_benchmarks/mla_runner.py ( 变更后 )
# 预填充后端配置字典：每个条目直接映射到 MLAPrefillBackendEnum 和可选的 flash_attn_version
_PREFILL_BACKEND_CONFIG: dict[str, dict] = {
    "fa2": {
        "flash_attn_version": 2,
        "mla_prefill_backend": MLAPrefillBackendEnum.FLASH_ATTN,
    },
    "fa3": {
        "flash_attn_version": 3,
        "mla_prefill_backend": MLAPrefillBackendEnum.FLASH_ATTN,
    },
    "fa4": {
        "flash_attn_version": 4,
        "mla_prefill_backend": MLAPrefillBackendEnum.FLASH_ATTN,
    },
    "flashinfer": {
        "flash_attn_version": None,
        "mla_prefill_backend": MLAPrefillBackendEnum.FLASHINFER,
    },
    "trtllm": {
        "flash_attn_version": None,
        "mla_prefill_backend": MLAPrefillBackendEnum.TRTLLM_RAGGED,
    },
    # 注意：此前有 "cudnn" 条目（已移除），因为 cuDNN 预填充后端已完全删除。
}

评论区精华

review 中有一条值得关注的讨论：

• gemini-code-assist 指出在 mla_attention.py 中将 is_lse_base_on_e 硬编码为 True 可能对 FlashInfer 后端（LSE 使用 base 2）产生不正确结果，建议根据后端名称显式检查。

• MatthewBonanni 回应称之前代码中 not getattr(self, "_use_fi_prefill", False) 已始终返回 True，因为该属性从未在类上设置，因此本次改动未改变原有行为。最终该建议未被采纳，但确认了代码行为一致。

• is_lse_base_on_e 硬编码 True 对 FlashInfer 后端的正确性 (correctness): 确认变更没有改变原有行为，但出于正确性考虑，后续可能需要更精确的后端判断。

风险与影响

• 风险：
  1. 兼容性风险：如果用户仍在使用已废弃的 CLI 标志（如 --attention-config.use_cudnn_prefill），升级后将抛出错误。但此 PR 在 v0.22 发布前已计划且之前版本有废弃警告，影响可控。
  2. 低风险：mla_attention.py 中 is_lse_base_on_e 的硬编码未引入新行为，但若未来某个后端依赖该值，可能需更精细的判断。
• 影响：
  • 用户：需要迁移到 mla_prefill_backend 标志，否则启动失败。但废弃警告已在前两个版本发出，用户应有预期。
  • 系统：配置更简洁，减少新旧标志互斥时的优先级逻辑负担。
  • 团队：减少维护分支，降低因废弃标志导致的问题排查成本。
  • 风险标记：废弃参数移除可能导致用户配置错误, 低风险：LSE base 逻辑未实质改变

关联脉络

• PR #41778 [MLA Attention Backend] Add TOKENSPEED_MLA backend for DSR1/Kimi K25 prefill + decode on Blackwell: 共享 MLA prefill 后端配置，本 PR 清理后使用统一的 mla_prefill_backend 字段，与 TokenSpeed 后端的配置方式一致。
• PR #42112 [Bugfix] Fix TRTLLM ragged MLA prefill workspace warmup: 也涉及 TRTLLM_RAGGED 后端，本 PR 移除了旧布尔标志，使 TRTLLM 后端配置更清晰。