执行摘要

• 一句话：Torch ABI 审计超时 5 分钟翻倍至 10 分钟
• 推荐动作：不值得精读，但值得关注其诊断方法：用"未修改重试通过"与"冷启动被杀"的对照数据，把问题归因于超时预算而非代码缺陷，是 CI flaky 问题定位的标准范式。PR body 对"为何不与已有 PR 重复"和"无需模型评估"的论证也很规范，可作为 CI 小补丁的撰写模板参考。

功能与动机

CI 告警显示 L4 Torch Stable ABI Audit 在冷启动 postmerge 场景下频繁超时被 Buildkite 杀死：main build #88353 花费约 4m40s 拉取镜像，check-torch-abi.py 启动后仅 26 秒就被终止；而同一任务未修改的精确重试只需 4m25s 即可通过，说明审计逻辑本身无问题，5 分钟端到端预算在冷镜像拉取下不安全。作者还确认检索过其他 PR/issue，无重复修复。

实现拆解

1. 问题归因：依据 Alert 918 提供的 build #88353 数据，对比两次运行（冷启动 4m40s 拉镜像 + 26s 被杀 vs 未修改重试 4m25s 通过），确定瓶颈是端到端超时预算而非审计逻辑。
2. 配置修改：在 .buildkite/test_areas/torch_abi.yaml 中，将 torch-stable-abi-audit 步骤的 timeout_in_minutes 从 5 调整为 10，为冷启动镜像拉取后的审计运行预留足够时间。
3. 验证与配套：作者运行了 pre-commit run --files .buildkite/test_areas/torch_abi.yaml 全部通过；由于变更只影响 CI 超时，PR body 明确说明无需模型评估；审计本身的正确性由未打补丁的原始重跑（4m25s 通过）间接验证，无需新增测试。

关键文件：

• .buildkite/test_areas/torch_abi.yaml（模块 流水线配置；类别 config；类型 configuration）: 唯一变更文件，定义 Buildkite 流水线中 L4 Torch Stable ABI Audit 步骤，将超时从 5 分钟翻倍到 10 分钟，直接缓解冷 postmerge 镜像拉取耗尽预算导致审计被杀的问题。

关键符号：未识别

评论区精华

该 PR 无实质性技术讨论。claude[bot] 自动提示由于 PR 来自 fork，自动化 review 被禁用；维护者 Harry-Chen 直接批准（"Thanks!"）。核心论证集中在 PR body 而非评论区，以实验对照数据支撑超时预算结论。另值得注意：PR body 声明补丁由 OpenAI Codex 辅助生成，但人类提交者逐行审查并运行了相关测试后才提交，是 AI 辅助开源协作的一个小样例。

• 暂无高价值评论线程

风险与影响

• 风险：风险极低，但需留意三点：
  1) 超时从 5 分钟翻倍到 10 分钟后，若审计脚本未来真正卡死，Buildkite 对失败的检出时间也会翻倍，告警延迟增加；
  2) 该修复只是"扩大预算"而非"消除根因"，冷启动镜像拉取 4 分钟以上的耗时没有改变，若后续镜像体积继续增长，仍可能再次超时；
  3) 改动仅作用于 .buildkite/test_areas/torch_abi.yaml 单个步骤，不涉及任何运行时逻辑、依赖或模型代码，无回归面。
  • 影响：影响范围仅限 Buildkite CI 流水线中 "L4 Torch Stable ABI Audit" 单个步骤：降低 cold postmerge 场景下审计被误杀的概率，提升主干 CI 稳定性与告警可信度。对 vLLM 用户、模型推理、Python/Rust 前端等均无影响。对团队而言是一次低成本的 CI 可靠性修复，但受益面较窄，属于局部体验优化而非系统级改进。
  • 风险标记：超时翻倍延长失败检出时间, 未根治冷镜像拉取根因, 仅覆盖单个 CI 步骤

关联脉络

• PR #56522 [ROCm][CI] Extend timeout for Basic Models (other): 同为对 Buildkite test_areas 下 CI 步骤超时预算的调整，是同一类 CI 稳定性维护动作。
• PR #56329 [CI] Give every Buildkite step an explicit key, and a hook to enforce it: 同样作用于 .buildkite/test_areas 下的步骤定义，推动 CI 步骤配置标准化；本 PR 中的 key: torch-stable-abi-audit 即此类配置项。
• PR #55252 [ROCm][CI] Stage F gating: 同一 .buildkite/test_areas 目录下的门禁编排调整，反映 vLLM 大规模 CI 流水线持续演进的背景。