vllm-project/vllm

修复两处 mkdocs 文档构建警告

不值得精读，属于常规文档维护。可作为 vLLM 文档构建规范的参考：链接到内部的类时，应使用实际定义模块（*.moe_runner.MoERunner）而不是未导出的父包路径；docstring 的 Attributes: 段落中，描述续行必须正确缩进，否则 griffe 会静默丢弃内容。提交中使用了 AI 辅助（Claude Code），作者声明已逐行检查，这可以作为 AI 辅助代码的审阅范例。

Transformers 后端支持 MLA 注意力与压缩 KV 缓存

值得精读。这是 Transformers 后端 fuser 机制的高级示例，三个设计点尤其值得学习：① 不依赖属性名的纯结构发现（fx 图 + 宽度签名 + 排除法），对上游实现变动有强韧性；② 接口级 KV 展开旁路（vllm_mla 三参数接口），把性能收益建立在接口契约而非内部改写上；③ 融合失败时的告警 + 回退策略（padded 全注意力 + VLLM_MLA_DISABLE），保证了可用性底线。对计划扩展 Transformers 后端支持新注意力结构的开发者有直接借鉴价值。

修复 collect_env 在 XPU 平台收集 oneccl 版本错误的问题

不值得精读，属于低风险的常规维护 PR。值得留意的一点是 `collect_env.py` 中 `get_pkg_version` 的分支设计：把“通过 pip 安装的包”和“通过系统包管理器安装的包”分开处理，这种按安装来源分派查询方式的调整思路，对后续新增依赖包诊断有参考价值。

修复多模态 seq-cls 分类头 num_labels 解析错误

值得精读。_resolve_num_labels 的 fallback 决策体现对 HF 复合配置约定的理解——多模态顶层 config 拥有标签空间而 text_config 只是文本子配置；测试矩阵用 Gemma3Config 构造复合配置，清晰覆盖五种解析分支，可作为同类 config 解析修复的测试范式。建议关注后续是否将逻辑上移到 ModelConfig 层，统一所有 num_labels 读取。

修复 DeepGEMM CUDA 12.9 编译缺头文件，升级 pin 到 e21c821f

值得快速了解但不建议深入精读。核心价值在于：一是展示了一个最小化修复的范例（保持基线、只补缺失声明）；二是提醒维护者 DeepGEMM 这类外部 kernel 依赖在两个文件中同步 pin 的机制。若关心构建系统或 CUDA 12.9 支持，可关注后续 PR#50796 的更大范围升级。

为 Rust gRPC 服务新增图像多模态推理

值得精读。核心看点：一是如何在 server 层不复制逻辑，仅通过 ChatLlm::prepare_media 复用既有多模态管线；二是 prepare_request 对 unary/stream 的统一收口与请求级日志设计；三是维护者直接 commit 复用 HTTP 消息上限常量的协作方式。建议结合 convert.rs 与 inference.rs 阅读，并优先跟进 SSRF host 校验的补强。

对齐 Rust K3 渲染器 tool 声明缺省行为

值得精读，尤其是关注 Rust/Python 前端双栈一致性的工程师。核心看点在 `write_tool_declare` 的 Option 驱动序列化方式（描述、strict 缺省省略、显式保留）以及 golden fixture 测试的组织方法（`expect_file` + 输入 JSON + 输出文本）。对于只使用 Python 前端的用户，本 PR 属于配套对齐，了解行为即可。

修复 Rust benchmark SSE 跨 chunk UTF-8 乱码

值得快速精读：PR 虽小，但体现了一个可复用的流式协议处理模式——先累积原始字节、再按完整消息边界解码，并用 Cow 临时视图做投机解析而不破坏字节缓冲。对 Rust 后端开发者和 benchmark 维护者都有参考价值；建议关注 SSE buffer 在字节层面切分与 UTF-8 解码时机的权衡，以及 `windows(2)` 查找与 `String::find` 在语义上的等价性。