vllm-multimodal-open-issue-analyzerlisted

# vllm 多模态 Open Issues 分析 ## 工作流 1. 运行 `scripts/fetch_multimodal_issues.py` 2. 脚本自动抓取、去重、分类，生成 Markdown 报告 3. 报告默认保存至 `<skill_root>/outputs/vllm_multimodal_issues_<timestamp>.md` 4. 告知用户报告路径及 issue 总数 ## 运行脚本 ```bash python3 scripts/fetch_multimodal_issues.py ``` 可选参数： | 参数 | 说明 | 示例 | |------|------|------| | `--token` | GitHub token（有 gh CLI 时不需要） | `--token ghp_xxx` | | `--output-dir` | 自定义报告输出目录 | `--output-dir /tmp/reports` | | `--keywords` | 追加额外关键词（逗号分隔） | `--keywords "DeepSeek-VL,Kimi"` | | `--stdout` | 输出到终端而非文件 | `--stdout` | ## 搜索关键词覆盖范围 **通用术语**: multimodal, multi-modal, VLM, vision language, image input **VL 模型**: Qwen-VL/2/2.5, LLaVA, InternVL, MiniCPM-V, Phi-3/4-vision, PaliGemma, Florence, Pixtral, CogVLM, LLaMA-Vision, Idefics **Omni/音频**: Qwen-Omni/2/2.5, audio, whisper, speech **视频**: video understanding, video input, temporal **特性关键词**: ViT, visual encoder, cuda graph, EPD, prefix caching, image token, image patch ## 问题类型分类逻辑 脚本对每个 issue 的标题、label、body（前 500 字符）做关键词匹配，归入以下类别（一个 issue 可属于多个类别）： - Bug / 错误报告 - Feature Request / 功能请求 - Performance / 性能问题 - CUDA Graph / 计算图 - EPD / 编解码分离 - Prefix Caching / 前缀缓存 - ViT / 视觉编码器 - Video Multimodal / 视频多模态 - Audio / Speech / 音频语音 - VL Model: Qwen-VL系列 / Qwen-Omni系列 / LLaVA系列 / InternVL系列 / 其他模型 - Image Token / 输入处理 - Compatibility / 兼容性 - Documentation / 文档 - 其他 / Other ## 报告结构 生成的 Markdown 报告包含三部分： 1. **Issue 总览**（表格）：编号、标题、作者、创建日期、Labels 2. **按问题类型分类**：每个类别列出匹配 issue（含链接、创建日期） 3. **分类统计**：各类别 is