用途：生成 SGLang 服务器运行的端到端性能剖析（profiling）追踪，便于用 Chrome tracing 或 Perfetto 分析推理过程的耗时分布。
主要能力与流程：
- 启动服务：CUDA_VISIBLE_DEVICES=<gpu_id> sglang serve --model-path <model> --port <port> &，默认模型 Qwen/Qwen3-8B，默认端口 30000。
- 等待就绪：轮询 http://127.0.0.1:<port>/health，直至返回 ok/healthy；通常 30-90 秒。
- 精度校验：sgl-eval run gsm8k --base-url http://127.0.0.1:<port>/v1 --num-examples 20，能力较好的模型期望精度 > 0.8；若异常偏低不要继续剖析。
- 生成剖析：python3 -m sglang.test.send_one --profile，默认剖析 5 步，trace 输出到 /tmp/<timestamp>/，包含 <timestamp>-TP-0.trace.json.gz 与 server_args.json。
- 清理：pkill -9 -f "sglang.launch_server|sglang serve|sglang.srt"。
- 返回剖析目录路径及文件列表。
可选参数：--profile-steps N 指定步数，--profile-by-stage 分阶段（prefill/decode），--profile-prefix <path> 自定义输出前缀。多 GPU 可用 --tp <N>，按 TP rank 生成 trace。
查看方式：将 .trace.json.gz 拖入 Perfetto UI（https://ui.perfetto.dev/）或 chrome://tracing。
限制：需可用的 SGLang 安装与至少一块 CUDA GPU；精度校验仅为快速健全性检查，非严格基准。不同安装方式的细节、价格与平台信息资料暂未提供。