vllm-project/vllm

修复 /tokenize 端点多模态缓存污染导致后续聊天请求失败的 bug。

建议精读此 PR，关注其如何通过隔离缓存解决多模态状态污染问题，以及参数传递方式的设计权衡（字典标志 vs. 显式参数）值得学习。适合前端服务和多模态开发工程师参考，以理解缓存管理和 API 端点交互。

融合DeepSeek V3.2索引器的WK和Weights_Proj投影层，提升解码性能。

该PR值得精读，尤其是关注性能优化与量化兼容性之间的权衡。设计决策中值得关注的是：1) 选择融合而非重叠投影的性能权衡；2) 为保持性能优势而强制quant_config=None带来的量化兼容性牺牲；3) 权重加载逻辑的健壮性改进空间。建议结合PR#38870的修复来理解完整解决方案。

修复 Python 3.10 中多行格式字符串的语法错误。

该 PR 变更简单直接，无需精读。对于维护者，值得关注的点是：在跨 Python 版本兼容性方面，嵌套 f-string 的语法可能在不同版本间有差异，此类修复有助于保持代码健壮性。对于新贡献者，可作为如何修复版本特定语法问题的参考案例。

修复RayExecutorV2中futures_queue类型注解错误，解决因PR合并冲突导致的precommit失败。

这是一个简单的bugfix，无需深入精读。工程师可以快速浏览以了解类型冲突的解决方式，但无需关注复杂的设计决策。对于技术管理者，这展示了团队对构建稳定性的重视和快速响应能力。

回滚Qwen3CoderToolParser类型解析修复，因破坏测试。

建议关注回滚原因和原bugfix的问题，理解为什么原修复导致测试失败。对于工具调用模块的开发者，值得精读以了解类型解析逻辑的演变和潜在改进点。

修复gRPC服务器入口点ImportError异常链，保留原始错误信息以便调试。

该PR变更简单直接，无需深入精读，但可作为错误处理改进的参考案例。值得关注的设计决策：使用`from e`保留原始异常链是Python异常处理的最佳实践，有助于调试；错误消息区分未安装和已安装但损坏的情况，提升了用户体验。

引入全新的RayExecutorV2，以MessageQueue控制平面替代编译图后端，提升Ray分布式执行器的稳定性和可维护性。

**建议所有技术管理者和核心基础设施工程师精读此PR。** 对于工程师，重点关注以下设计决策： 1. `RayExecutorV2`如何通过继承`MultiprocExecutor`复用通信层，同时重写`_init_executor`来集成Ray Actor生命周期管理。这是组合优于继承的典型案例。 2. 两阶段Worker初始化（`RayWorkerProc`）的设计动机和实现细节，特别是处理外部编排下GPU ID冲突的解决方案。 3. 环境变量传播策略从“白名单”到“默认传播加黑名单”的演变及其背后的设计权衡。 4. Review讨论中关于监控健壮性、错误处理和代码质量的改进点，这些是编写生产级分布式系统代码的宝贵经验。 此PR不仅是一个功能实现，更揭示了vLLM在分布式执行架构上向更稳定、解耦方向演进的重要趋势。

重构 MultiprocExecutor 中的 FutureWrapper，简化响应获取模式并统一阻塞/非阻塞路径。

该 PR 值得精读，尤其是对于关注分布式执行器设计的工程师。它展示了如何通过封装和统一路径来简化并发控制逻辑，同时 review 中的讨论揭示了协作式 future 处理中的状态管理陷阱，具有教育意义。