共 736 个文件，6641 个函数，734 个类。每个模块子页面列出该模块全部文件（含文件级职责讲解）与每个函数的行数，文件名旁的「查看源码」可直达真实源码。
/（根模块 + compilation 图编译）27 文件515 函数含 compilation/ 14 文件
插件入口与全局基础设施：__init__.py 的平台/模型/connector 注册链路、platform.py 的 NPUPlatform 平台能力声明与配置校验、ascend_config.py 的 Ascend 配置中心（1473 行）、ascend_forward_context.py 的 forward 上下文与 MoE 通信方式选择、batch_invariant 批不变模式、cpu_binding 绑核、utils 工具集（1570 行，多流/NZ 变换/自定义算子环境）。compilation/ 子目录实现 torch.compile 编译器接口、ACL graph 捕获重放与图融合 pass（乘加、Norm+量化、QK-Norm+RoPE）。
进入 root 模块 →core/（定制调度器与 KV 规格）8 文件18 类155 函数
vLLM-Ascend 定制调度器族：batch_job_aware_scheduler（批任务感知调度：作业分桶 + EWMA decode 长度预测 + KV 块预留）、dyntra_lb_scheduler（多实例动态负载均衡：KV 预取、请求迁入迁出）、recompute_scheduler（抢占请求重计算恢复）、short_request_first_scheduler（短请求优先三泳道队列 + 防饿死老化）、profiling_chunk_predictor（二次延迟模型动态 chunk）；kv_cache_interface 定义 NPU 专属 MLA/SFA KV cache 规格。
进入 core 模块 →attention/（注意力后端）18 文件55 类412 函数
全部注意力后端的 NPU 实现：attention_v1（通用 FlashAttention：FIA/PA 双路径 + INT8 KV 的 C8 变体）、mla_v1（DeepSeek MLA：prolog 融合预处理 + chunked prefill）、sfa_v1（稀疏 Flash Attention：lightning indexer + topk 选择）、dsa_v1 与 dsa_attn_kv_plan（DeepSeek-V4 稀疏注意力族与 A5 BF16 方案）、sfa_kv_offload（KV 卸载到 CPU）、utils 共享工具；context_parallel/ 子目录实现 DCP（decode 序列分片）与 PCP（prefill 上下文并行）的 GQA/MLA/SFA/DSA 四类变体。
进入 attention 模块 →ops/（自定义算子）111 文件75 类594 函数
自定义算子层：linear/linear_op（并行线性层与可定制通信算子）、layernorm/rotary_embedding/activation/vocab_parallel_embedding（归一化、RoPE 族、激活、词嵌入与 logits 处理）、dsa/mla/gdn/kimi_kda（新型注意力算子入口）；fused_moe/ 实现 MoE 全链路——路由器（fused/grouped top-k）、token 分发器（MC2/AllGather/All2All）、共享与路由专家、量化 MLP、EPLB 映射；triton/ 是 NPU Triton kernel 库：FLA 线性注意力、KDA、Mamba、批不变算子、拒绝采样、采样惩罚、分裂+RMSNorm+RoPE 融合。
进入 ops 模块 →worker/（执行器）34 文件27 类349 函数
推理执行层：worker.py 的 NPUWorker（设备生命周期、睡眠唤醒、权重传输引擎）、model_runner_v1.py（V1 运行器，全仓最大 5368 行）、v2/model_runner.py（V2 新架构运行器）、block_table/npu_input_batch（块表与输入批）、dcp_utils（DCP 元数据）、encoder_acl_graph（视觉编码器图捕获）；v2/sample/ 是 Triton 采样器族（温度/Gumbel/惩罚/logprob），v2/spec_decode/ 是 draft speculator 族（自回归/Eagle/DFlash/DSpark）与 ACL graph 管理器。
进入 worker 模块 →models/（模型定义）26 文件70 类398 函数
Ascend 定制模型实现：deepseek_v4/ 全家桶（主模型、lightning indexer、KV 压缩器、SWA 缓存、DSpark draft、MTP）、kimi_k3 系列（MoE/MLA 适配 + DSpark/MTP draft）、minimax_m3 系列（块稀疏注意力 + 多模态 + MSA NPU/Triton 算子）、qwen3_dflash2/dspark 与 llama_eagle3 系列 draft 模型、layer/attention 的 DSA 注意力层定义。__init__.py 的 register_model 把它们注册进 vLLM 模型注册表。
进入 models 模块 →distributed/（分布式通信）51 文件909 函数
分布式通信层：parallel_state 的 Ascend 专属通信组（MC2/OTP/LM head TP）、device_communicators 的 HCCL 直驱通信器、eplb/ 专家负载均衡（状态扩展 + FlashLB/SwiftBalancer/Default 三策略 + D2D 权重搬运）；kv_transfer/ 是最大板块——Mooncake 三代 connector（基础/混合/层级式）、AscendStore KV 池（后端抽象 + memcache/mooncake/yuanrong 三实现 + 层级复用布局）、CPU offload 系列（native/simple/recompute）、SFA PD 远端 D2H 传输；weight_transfer/ 提供 HCCL 与 NPU IPC 两种 RL 权重传输引擎。
进入 distributed 模块 →其余模块（310P/量化/加载/patch 等）183 文件1261 函数
其余全部功能模块：_310p/（Atlas 310P 专属：注意力后端、GDN、采样器、量化 scheme、V1/V2 运行器）、device/（设备配置、硬件档案、1596 行设备算子适配器）、device_allocator/（内存池与睡眠唤醒）、lora/（Punica wrapper、MoE LoRA、BGMV/SGMV 算子）、model_executor/warmup（kernel 预热）、model_loader/（NetLoader 弹性加载 + RFork 种子 fork）、patch/（platform 22 个 + worker 17 个运行时 patch）、quantization/（ModelSlim/compressed-tensors/fp8 配置 + W4A4/W4A8/W8A8/wna16 全量化 scheme + TP 权重切换）、sample/ 与 spec_decode/（采样与 proposer 族）、xlite/（图运行时适配）。
进入 rest 模块 →