vllm-project/vllm

移除 ResponsesParser 中间层，内联解析逻辑到 ParsableContext

该 PR 适合作为重构参考案例——识别并移除不必要的间接层、将状态和逻辑内聚到正确的对象。若团队关注 Responses API 代码质量，建议精读 `context.py` 的变更。

新增 VLLM_WORKER_SHUTDOWN_TIMEOUT_SECONDS 环境变量，可配置关闭超时，默认 5 秒。

本 PR 改动量小但设计思路清晰，展示了 vLLM 中新增可配置超时的典型模式：通过 `envs.py` 定义环境变量，在核心关闭路径处引用。特别值得关注的是 njhill 对 `shutdown_timeout` 不同语义的区分 — worker 关闭超时与全局优雅关闭是不同概念。建议读者关注 `_ensure_worker_termination` 和 `BackgroundResources.__call__` 两处修改，以理解 shutdown 流程中超时的传递链路。

SM100 上移除 FP4 indexer 的 next_n > 2 flatten 路径

无风险，批准合并。可精读 use_flattening 判定逻辑的简化方式，了解 vLLM 中 speculative decoding 与 kernel 能力矩阵的交互模式。

核心代码中移除GGUF量化支持，迁移至独立插件

本PR是vllm核心清理的重要一步，展示了将低使用率特性迁移为插件的通用模式。建议团队后续参照此模式迁移bitsandbytes量化。值得精读的内容包括：`vllm/model_executor/model_loader/weight_utils.py`中移除GGUF特判后的`get_quant_config`函数简化，以及`setup.py`中如何添加可选的插件依赖组。

为 Qwen3NextForCausalLM 添加 DFlash 支持（两行修复）

值得精读。两行修复展示了如何通过 Protocol 接口实现零侵入地扩展推测解码支持，是 vLLM 接口设计模式的优秀案例。

新增 Helion 动态 per-token FP8 量化核函数，性能提升 1.2-1.5x

值得精读。特别关注 `pick_config` 的配置选择策略和 Helion kernel 注册模式。本 PR 展示了如何将新 kernel 接入 Helion 框架，是理解 vLLM Helion 集成路线的重要入口。

为 Lfm2VL 添加 encoder CUDA graph 支持，低负载延迟降低 10-20%

值得精读，尤其是为多模态模型添加 encoder CUDA graph 的开发者。此 PR 展示了标准的接入流程：实现 SupportsEncoderCudaGraph 接口、拆解 forward 方法以支持 capture/replay、定义 buffer_keys 和 token budgets。review 过程中的三次设计迭代（删除重复、纠正映射、恢复 eager 路径）也体现了良好的协作规范。

Rust 前端新增 granite4 工具解析器

建议批准合并。实现清晰，代码质量好，复用共享组件，评审通过。对 Granite 4 用户属必要功能，风险低。