ValueError: Could not find either of model.onnx, model_optimized.onnx in /var/folders/zn/0_np64n96r50prt1m5mlm7fr0000gn/T/fastembed_cache/fast-bge-small-en

问题场景

用户在全新虚拟环境中运行 AutoGen 官方仓库提供的 notebook/agentchat_qdrant_RetrieveChat.ipynb 笔记本示例，已按说明安装依赖并指定 gpt-3.5-turbo 模型。执行过程中出现两类错误：先是 No module named 'fastembed'；单独安装 fastembed 后，运行时模型下载缓存缺失导致失败；同时，示例代码中的 message_generator 参数也触发属性错误。

报错原文

locate_model_file
    raise ValueError(f"Could not find either of {', '.join(file_names)} in {model_dir}")
ValueError: Could not find either of model.onnx, model_optimized.onnx in /var/folders/zn/0_np64n96r50prt1m5mlm7fr0000gn/T/fastembed_cache/fast-bge-small-en

原因分析

根据维护者回复，该报错可能原因是 FastEmbed 下载 ONNX 模型文件时中断，导致缓存目录 /var/folders/.../fastembed_cache/fast-bge-small-en 中缺少 model.onnx 或 model_optimized.onnx 文件。新版 fastembed 已改进下载中断的处理逻辑。此外，笔记本中的 message_generator 调用方式与已发布的 pyautogen 版本不兼容，属于示例代码领先于正式发布版本导致的 API 变更问题。

环境排查

• 确认 Python 版本（Issue 中为 3.12.2）。
• 确认 pyautogen 版本是否为 v0.2.19 或更高（该版本已修复示例兼容性）。
• 确认 fastembed 版本是否为 0.2.2 或最新版。
• 确认本机 fastembed_cache 目录下模型文件是否完整。
• 确认是否通过 Docker 运行——该 Issue 确认在本机环境复现，Docker 环境未验证。

解决步骤

1. 升级 pyautogen 到 v0.2.19 或更高版本，然后重新运行笔记本中的原始代码。
2. 若仍遇到模型文件缺失报错，可优先尝试更新 fastembed 到 0.2.2 或最新版：pip install fastembed==0.2.2。
3. 如升级 fastembed 后提示“Requirement already satisfied”，可考虑删除本地 fastembed_cache 目录后重新运行，强制触发模型重新下载（该操作属于推断建议，Issue 中未明确验证）。
4. 若使用旧版 pyautogen，可将 ragproxyagent.initiate_chat(assistant, message=ragproxyagent.message_generator, problem=qa_problem) 临时改为 ragproxyagent.initiate_chat(assistant, problem=qa_problem) 以绕过 API 不兼容错误（Issue 作者验证此写法可行，但属临时方案）。

验证方法

重新运行完整笔记本，确认不再抛出 ValueError 或 AttributeError，且能正常创建 Qdrant 集合、检索分块并完成问答流程，输出结果与笔记本预期一致。

参考来源

microsoft/autogen #1889

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。