vllm-project/vllm

修复PyTorch AOT编译中builtins序列化错误的猴子补丁。

建议工程师阅读此PR以学习条件性猴子补丁的实现和版本守卫策略，特别是_patched_get_runtime_env函数的设计；技术管理者应关注此修复，以规划未来torch版本迁移和移除猴子补丁的时间点。

将Tool类型别名统一移至utils.py，简化工具解析模块的类型定义。

对于参与tool-calling模块开发的工程师，建议关注类型别名的设计决策，理解一致性权衡；整体变更较小，可快速浏览以了解代码组织优化。

修复了Decode Context Parallelism在FULL CUDA图捕获模式下产生错误结果的问题，通过预分配持久化缓冲区确保张量地址稳定。

建议使用DCP和CUDA图的工程师精读此PR，关注张量地址稳定性管理和WorkspaceManager的使用，这些设计决策对类似CUDA图兼容性问题有借鉴价值。

在CODEOWNERS文件中添加vadiklyutiy为多个核心模块的代码所有者。

这是一个基础设施维护变更，对于技术管理者，建议检查CODEOWNERS文件以确保所有条目正确，避免配置错误；对于工程师，除非涉及相关模块，否则无需精读，但可关注团队协作模式。

从FlashAttentionDiffKV后端提取KV-cache更新逻辑，提升代码一致性。

建议关注注意力后端设计和vLLM架构的工程师精读此PR，了解如何通过提取方法统一KV-cache更新机制，这是一个典型的重构案例，值得学习以提升代码模块化。

修复Nano-Nemotron-VL模型多模态处理路径回归，通过重写方法绕过新逻辑。

值得精读以了解多模态处理器路径的设计权衡和耦合风险。关注基类检查机制如何被绕过，以及review中讨论的维护性问题，这对类似模型修复有借鉴意义。

修复 SSM/Mamba 后端中填充块表条目的不一致性，使用块 0 替代 -1 对齐空块约定。

建议 SSM/Mamba 后端开发者精读此 PR，关注填充约定的统一设计决策，如区分 `PAD_SLOT_ID`（用于槽映射）和 `NULL_BLOCK_ID`（用于块表），以及修复 C++ 内核中的潜在索引错误。对于涉及内核优化或 CUDA 图集成的工程师，值得仔细检查变更逻辑以避免回归。

修复使用dummy加载格式时在线量化方法的内存不足问题。

对于从事量化、模型加载或layerwise reloading的工程师，建议精读此PR，因为它展示了如何正确集成dummy weight加载与layerwise处理机制，设计决策如deferred initialization和逻辑集中化值得学习。同时，关注review中讨论的边缘案例处理，以增强代码健壮性。