error loading model: unknown model architecture: ‘mllama’ (Llama3.2-vision)
该报错通常出现在用 Ollama 运行 Llama3.2-vision 这类架构为 mllama 的多模态模型时，模型 Manifest 下载正常，但 llama-server 在加载模型阶段无法识别 mllama 架构。应优先确认 Ollama 版本与该模型架构的兼容性，并先用其他模型排除环境问题
分类： AI 工具排错
typing.Dict[str, X] return annotation is wrapped in {“result”: …}, unlike dict[str, X]
![typing.Dict[str, X] return annotation is wrapped in {"result": ...}, unlike dict[str, X]](https://www.chat-gpts.plus/wp-content/uploads/2026/10/3745-7e2d6b6c-768x403.jpg)
在 MCP Python SDK 2.x 的 MCPServer 中，如果工具函数返回值注解用 typing.Dict[str, Any] 而不是 dict[str, Any] ，生成的 outputSchema 和 structuredContent 会被额外包一层 {"result": ...}
[BUG] LanceDBStorage.list_records() returns oldest records instead of newest first due to premature query truncation
![[BUG] LanceDBStorage.list_records() returns oldest records instead of newest first due to premature query truncation](https://www.chat-gpts.plus/wp-content/uploads/2026/10/7394-ea476651-768x403.jpg)
当使用 CrewAI 的 LanceDBStorage.list_records() 读取记忆记录时，返回结果可能不是最新的记录，而是最早的一批记录。优先排查该方法是否在排序前就按 limit + offset 截断了候选行：[BUG] LanceDBStorage.list_records() r
[Bug]: decisions (typesafe): missing usage becomes zero cost, a 200 with an invalid body becomes a 500, and the error body is only in the me
![[Bug]: decisions (typesafe): missing usage becomes zero cost, a 200 with an invalid body becomes a 500, and the error body is only in the me](https://www.chat-gpts.plus/wp-content/uploads/2026/10/48147-5054fca8-768x403.jpg)
在 LiteLLM v1.106.2 通过 litellm.adecisions(custom_llm_provider="typesafe", ...) 调用 TypeSafe System One 时，响应缺少 usage 会被记为 0 token、$0 成本；200 响应校验失败会被误报为 5
DeepSeek V4 reasoning_effort (“high”/”max”) not passed through to API — stripped to `thinking: {“type”: “enabled”}`
用 LiteLLM 通过 DeepSeek V4（Pro/Flash）发起请求时，无论传 reasoning_effort="high" 还是 "max" ，都会被丢弃并统一改写为 thinking: {"type": "enabled"} ，导致无法请求分级推理强度；优先排查 LiteLLM 的
RuntimeError: causal_conv1d does not support spec-decode and non-spec tokens in the same invocation (MTP + chunked prefill)
该报错通常出现在 Intel XPU 上同时启用 MTP 投机解码与 chunked prefill 时：同一批次中混入了“投机解码 token”和“非投机（普通 prefill）token”，而当前版本的 causal_conv1d XPU kernel 不支持在同一调用中处理这两类 token，
RuntimeError: causal_conv1d does not support spec-decode and non-spec tokens in the same invocation (MTP + chunked prefill)
该报错通常出现在 Intel XPU 上同时启用 MTP 投机解码与 chunked prefill 时：同一批次中混入了“投机解码 token”和“非投机（普通 prefill）token”，而当前版本的 causal_conv1d XPU kernel 不支持在同一调用中处理这两类 token，
Feature: Structured compliance audit logging for EU AI Act (Article 12)
严格来说，这不是一个可修复的运行报错，而是一条已被关闭的功能请求（Feature）。原始 Issue 标题为 Feature: Structured compliance audit logging for EU AI Act (Article 12)，讨论的是 LangChain 缺乏面向合规审计
issue: The More and Eject buttons on model picker rows are too small to click easily
在 Open WebUI 模型选择器中，“...”对应的 More Options 按钮和已加载 Ollama 模型旁的 Eject model 按钮没有设置独立尺寸，点击区域只有图标本身大小，紧邻图标的点击会落到可点击的模型行上，导致误选模型并关闭选择器；优先排查这两类按钮的命中区域尺寸是否达到
issue: MCP tool errors reach the model as a Python list dump instead of the server’s error text
当模型通过 MCP（Streamable HTTP）调用工具，而传入参数是合法 JSON 但不符合工具 schema 时，Open WebUI 会把 MCP 服务器返回的 content 列表用 Python repr 序列化成 {"error": "..."} 交给模型，导致模型看不到「哪个参数缺