vllm-project/vllm

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。

限制TRTLLM注意力支持到SM100，修复GB300（SM103）无限hang问题。

建议技术管理者和工程师精读此PR，以学习硬件兼容性处理模式和外部依赖管理策略；关注FlashInfer修复进展，准备后续更新。

新增SiLU乘法与分块FP8量化的融合CUDA内核，显著提升推理性能。

建议技术管理者和工程师精读此PR，重点关注CUDA内核的设计细节（如共享内存动态分配和量化逻辑）以及融合模式的实现方式，这些决策对高性能计算场景有借鉴价值。同时，注意ROCm兼容性问题，确保后端一致性测试。

修复 H200 GPU 上 NVFP4 量化内核编译警告，避免未引用函数定义。

该 PR 变更简单直接，无需精读。对于关注量化内核或 CUDA 编译优化的工程师，可快速浏览以了解如何通过条件编译消除未引用函数警告。对于大多数开发者，可直接忽略。

重命名推理配置字段为更通用术语，避免与特定模型耦合。

该 PR 变更简单，主要是命名重构，无需深度精读，但开发者应关注： - 文档中离线推理示例的未更新问题，需后续修复。 - 设计决策体现了从具体模型术语向通用抽象演进的趋势，值得在类似重构中借鉴。