vllm-project/vllm

修复 Anthropic disable_parallel_tool_use 被静默丢弃的问题

值得快速阅读：改动虽小，但展示了协议兼容层中“保留源字段 + 取反映射”的典型做法。建议关注 `_convert_tool_choice` 中先设置 `parallel_tool_calls` 再按 type 分支的顺序，以及 `None` 缺省值如何在不改动其他路径的前提下维持向后兼容。

上游化 Cohere 解析器修复并补 510 行测试

值得精读。重点看两处设计：一是 `no_tools()` 与 `start_in_answer()` 如何界定 reasoning parser 与 tool parser 的职责边界，二是测试中 `_token_deltas` 用 U+FFFD 缓冲不完整多字节字符、以字节粒度模拟流式输入的手法，可作为其他 streaming parser 测试的范本。建议维护者关注 melody 0.11.1 的版本约束是否需要在运行时文档和镜像构建中显式声明。

同步 speculative decoding README 配置表格

值得快速浏览：这是文档与代码同步的典型示例，可学习作者如何评估 stale PR、选择最小修复范围以及处理合并冲突。对关注文档质量的贡献者有参考价值；代码层面无需精读。

NanoNemotronVL 音频解码加时长上限，修复 OOM 风险

值得精读，但重点不在 diff 本身而在讨论区：这是“环境变量统一防线 + 异常降级 + 定向测试”的安全修复范式。建议关注两点：depthfirst 对采样率伪造的剖析（为什么时长检查不够）、TobyB1702 对安全修复必须带测试的坚持。合并后应跟踪 max_decode_bytes 的补齐情况。

引入 hw-agnostic 层解析与 VLLM_USE_HW_AGNOSTIC 开关

值得精读。这是 transformers 后端走向硬件无关模型定义的奠基 PR，重点学习三点：一是 `_resolve` 的“优先导入 + 异常回退”通用解析模式，避免逐层手动映射；二是 `CustomOp.__new__` 在实例化期做 OOT 替换的设计，实现外部覆盖而调用方无感；三是 review 中关于动态创建类与 CUDA Graphs 兼容性的经验教训。建议结合 #45470 的 DSv4 迁移与后续 2/N 系列一起阅读，跟踪该机制如何从基础设施走向真实模型落地。

修复音频编码器 docstring，消除 griffe 文档警告

值得浏览但不必精读：可作为『docstring 与签名对齐』的维护样例，快速理解如何排查 griffe 文档警告并修正继承自上游的过时 docstring。注意其本质是数据契约（返回类型注解）的文档化修正，而非契约本身的运行时变更。

Dockerfile.cpu 构建层瘦身：3.46GB 降至 1.44GB

值得快速阅读，改动仅 3 行但收益明确。重点关注三点：BuildKit cache mount 将工具链移出镜像层的写法、构建后清理的边界（只删源码树、保留 wheel），以及作者对远程缓存 lazy 拉取机制的解释，这对理解 CI 中“CACHED 但慢”的现象很有帮助。

ROCm Kimi-K3 预填充去掉 chunk KDA 流水线停顿

值得精读：重点看 `vllm/models/kimi_k3/amd/kda_metadata.py` 的设备端 metadata 构建思路，以及 `gdn_attn.py` 中 `_build_chunk_metadata` 的可覆写设计。合入前应确认新增 Triton kernel 与 CPU 路径输出一致，建议后续补充边界条件测试（空序列、混合 prefill/decode batch、`num_seqs` 超过 `_MIN_BLOCK_N` 等）。同时留意与 #51540 的关系：本 PR 是 ROCm Kimi-K3 的定向优化，#51540 是通用 GDN 优化，合并策略由维护者 tjtanaa 拍板为先合本 PR。