Crash in Vulkan backend on Intel Arc when using Ollama through VS Code Continue (Exception 0xe06d7363 during llama_decode)

快速结论：此报错发生在 Windows 11 + Intel Arc GPU（如 Arc 140V）上，仅当通过 VS Code Continue 插件调用 Ollama 进行流式解码时触发。直接使用终端 `ollama run` 不会崩溃。优先排查 Ollama Vulkan 后端在高频小批量解码下的同步问题，或 Intel Arc Vulkan 驱动兼容性。

问题场景

用户在 Windows 11 系统上使用 Ollama 0.15.6 运行 Qwen2.5-7B（Q4_K 量化）模型，通过 VS Code Continue 扩展发送流式请求。模型加载成功，29 层全部卸载到 Intel Arc 140V GPU，Flash Attention 已启用。在 Continue 触发解码流程（`llama_decode`）后，Ollama runner 进程崩溃，返回 500 错误。

报错原文

Exception 0xe06d7363 0x19930520 0x1de98f9550 0x7ffa3647a80a signal arrived during external code execution
llama_decode → crash
wsarecv: An existing connection was forcibly closed by the remote host

原因分析

可能原因包括：

Vulkan 后端在高频解码调用下的 bug： Continue 触发流式、增量、小批量解码请求，与直接终端调用的模式不同，导致 GPU 后端在 `llama_decode` 期间出现未处理的异常。
Intel Arc Vulkan 驱动兼容性问题： 类似的高频解码工作负载在 GGML 项目中也出现过崩溃，可能与驱动的内存同步或批处理处理有关。
CPU↔GPU 同步失败： 增量解码时的同步机制可能触发 `Exception 0xe06d7363`（微软结构化异常 C++ 异常），这表明是从 C++ 运行时抛出的未处理异常。

环境排查

Ollama 版本：0.15.6（建议更新到最新版测试）
显卡驱动：Intel 32.0.101.8425（可能原因；有用户更新驱动后问题缓解）
Vulkan API：1.4.333
操作系统：Windows 11
模型：Qwen2.5-7B（Q4_K 量化）
触发方式：仅 VS Code Continue 扩展，终端直接运行无问题

解决步骤

更新 Ollama 和 Vulkan 后端： 升级到最新版 Ollama（Issue 关闭时版本为 0.15.6 后的版本），可能已包含后端修复。
更新 Intel 显卡驱动： 从 Intel 官网更新显卡驱动到最新版本（社区用户反馈某些驱动版本可缓解此问题）。
尝试关闭 Flash Attention： 在 Ollama 配置或模型中禁用 Flash Attention，可降低崩溃频率（但非根治）。
减少 GPU 层数或降低批次大小： 调整 num_gpu_layers 或 batch_size 参数，降低 GPU 负载，可优先尝试。
切换后端（如果可用）： 尝试使用 CUDA 或 CPU 后端（若硬件支持），确认问题是否仅存在于 Vulkan。
检查 Ollama 服务器日志： 查看 ollama server 的完整日志，定位崩溃前的 Vulkan 内存报告或层卸载信息，有助于进一步调试。