2026-07-15 平台基础测试失败修复记录

现象

提交 29 已成功构建镜像，但 benchmark-agent 任务运行约 38 分钟后失败。用户补充的完整页面日志仍不是完整 docker 文件尾部，而是平台 UI 中截取的 docker 日志片段；片段里没有逐条功能测试失败项，但出现大量 [PROF] 逐层 profiling 输出。

调度日志中的实际启动命令缺少 --enforce-eager，而本地当前 computility-run.yaml 已包含该参数，说明当次平台提交没有使用到本地最新配置，或提交时该修复尚未推送到官方仓库。

当前失败首先不是性能问题，而是基础准入阶段的稳定性/兼容性问题：

平台实际启动未带 --enforce-eager，245K 上下文下可能走 CUDA Graph 路径，BI-V100 上容易 OOM、卡住或初始化不稳定。
docker 日志中出现大量 [PROF]，说明当次镜像包含默认开启的代码级 profiling，严重拖慢请求并放大日志。
官方基础测试会覆盖更宽的 OpenAI 兼容面，当前裸 vLLM 风格接口对 tool_choice="required"、多模态 content blocks、n=2 等请求存在 4xx 或调度死锁风险。

computility-run.yaml
- 保留并确认 --enforce-eager。
- 显式加入 PROF_TRACE=0、PROF_MOE_SUMMARY=0，防止平台镜像误开 profiling。
- 显式加入 MOE_DECODE_NATIVE=0，关闭尚未稳定收益的 decode native 实验路径。
qwen3_6_scripts/protocol.py
- 将 tool_choice="required" 归一化为首个工具的强制 named tool choice。
- 允许 assistant 消息 content=null 且带 tool_calls，避免历史工具调用消息 4xx。
- 将 OpenAI multimodal content blocks 中的图片/视频剥离为文本占位，避免文本模型加载多模态数据失败；保留文本片段。
qwen3_6_scripts/serving_chat.py
- 当 n > max_num_seqs 时不再返回 400，而是降级为 n=max_num_seqs，避免官方 n=2 采样测试失败或调度死锁。
qwen3_6_scripts/chat_template_multi_system.jinja
- 历史 assistant tool_calls 的 arguments 同时兼容 dict 和 JSON string，避免多轮工具调用模板渲染失败。

使用 AST 解析检查了核心 Python 文件：

结果均为 AST OK。

python -m py_compile 在 Windows 本地因 qwen3_6_scripts/__pycache__ 目录权限拒绝失败，非语法错误。