vllm-project/vllm

澄清Helm部署指南中chart位置，使用相对链接提升文档一致性。

此PR是简单的文档更新，无需深入阅读。对于工程师，可关注文档维护的最佳实践，如使用相对链接避免分支相关错误。

修复 Hermes 工具解析器在流式处理间隔大于 1 时的解析错误。

该 PR 值得精读，特别是新的 diff-based 解析策略，可用于理解和设计流式解析器。建议关注 `extract_tool_calls_streaming` 方法的实现，以及如何通过文本 diff 和状态追踪避免复杂状态机，同时留意测试用例以验证各种边界情况。

将 FusedMoE 层的 hidden_size 和 intermediate_size 对齐逻辑重构到 quant_method，提升架构清晰度和性能。

建议工程师精读此 PR 以理解量化方法在尺寸对齐中的新角色，关注 mxfp4.py 和 quark_moe.py 中的实现差异，以及讨论中关于性能权衡的决策。

为 Intel GPU/XPU 相关 PR 添加自动标签规则。

对于 CI 维护者和对 Intel XPU 支持感兴趣的工程师，建议浏览以了解新标签规则；对于其他工程师，无需深入阅读。

在CPU混合精度线性内核中支持CT W4A16量化格式。

建议工程师精读此PR，重点关注`_process_gptq_weights`函数中的CT格式检测和转置逻辑，以及内存优化讨论。对于技术管理者，值得了解量化支持的扩展方向，并跟踪内存风险的处理进展。

将GatedDeltaNetAttention提取为共享层，统一Qwen3Next和Qwen3.5实现。

该PR值得精读，因为它展示了如何参数化共享层以处理模型差异，并涉及跨平台兼容性设计。建议关注fix_query_key_value_ordering的修复、共享层参数化设计，以及review中关于forward_native的讨论。

修复OpenAI responses API序列化中字段别名处理，确保与OpenAI库兼容。

建议关注此PR的讨论点，了解Pydantic序列化中返回类型一致性的重要性。对于工程师，可精读serialize_message函数以识别类似潜在不一致问题；对于管理者，变更已合并但存在未解决疑虑，需监控相关bug报告。变更简单，适合快速review。

扩展KV缓存卸载连接器以支持混合模型，引入CanonicalKVCaches类并拆分测试。

建议技术管理者和工程师精读此PR，重点关注`CanonicalKVCaches`类的设计决策，它展示了如何统一处理异构KV缓存布局。同时，注意review中提到的dtype不一致问题，在后续开发中需确保一致性。对于代码简化，可考虑在future PR中重构。