vllm-project/vllm

修复Responses API中previous_response_id导致instructions泄漏的问题

该PR值得精读，特别是对于处理OpenAI兼容API的开发者。关注点： 1. 理解OpenAI Responses API中instructions参数的设计意图 2. 学习如何正确处理跨请求的消息历史管理 3. 参考新增的测试用例，了解如何全面测试此类边界条件

为 rerank 和 score 请求添加 max_tokens_per_doc/query 参数，支持文档/查询独立截断以对齐 Cohere/Jina API。

该 PR 值得精读，重点关注 io_processor.py 中的截断策略设计（三种模型路径处理）、protocol.py 的继承重构以消除重复代码，以及测试中参数化 fixture 的优化模式。这些决策展示了在兼容性和性能间的权衡。

修复 GLM 工具解析器在流式传输和推测解码下的参数格式错误。

该 PR 值得精读，特别是 `_extract_content` 和 `_build_args_json_so_far` 方法的设计，展示了从状态机到无状态解析的转换如何解决流式处理挑战。关注 `partial_tag_overlap` 函数的实现，它在处理部分标签时起到关键作用，可借鉴于类似流式解析场景。

扩展环境收集脚本以支持Intel XPU，优化信息分类与显示。

建议技术管理者关注此PR中包检测函数的设计，了解其潜在改进点；工程师可精读get_pkg_version()的实现，学习如何处理多包管理器适配，并注意条件输出逻辑如何优雅处理平台差异。

重命名 affine score calibration 参数为 logit_mean/logit_sigma 以对齐 LayerNorm 约定，确保向后兼容。

此 PR 值得精读，特别是对于涉及池化模型和配置管理的开发者。关注 `PoolerConfig.__post_init__` 中的弃用处理逻辑和池化头中 out-of-place 操作的设计决策，以学习如何安全地进行 API 重命名和向后兼容策略。

修复LMCache MP连接器中缓存请求的KV存储逻辑和令牌计数错误。

该PR值得精读，特别是对于涉及LMCache和KV连接器模块的开发者。关注点：1. 如何正确处理缓存请求的增量令牌计数；2. LMCache命中块在存储计算中的纳入逻辑，体现了KV存储的边界处理设计。

优化fused qknorm+rope kernel，通过动态调整每个warp的token-head数量，提升H100上大批次推理性能。

建议技术管理者和工程师精读此PR，重点关注多token-head kernel的设计思路、cp.async异步复制技术，以及动态阈值调度策略，这些对高性能CUDA编程和kernel优化有重要借鉴价值。

移除AOT编译与批不变模式的互斥限制，允许两者同时启用。

该PR变更简单直接，适合快速浏览以了解编译与批不变模式的兼容性改进。值得关注的设计决策是移除了未经验证的互斥限制，体现了对功能成熟度的信心。建议结合测试结果和后续使用反馈评估实际效果。