Not utilizing Intel QuickSync iGPU
这个报错通常发生在 Ollama 以 Docker 容器方式运行、同时接入了 Intel iGPU 的机器上——容器只看到 CPU，日志里明确写出 "Not utilizing Intel QuickSync iGPU"，原因是集显被 Ollama 默认丢弃。优先排查是否设置了 OLLAMA_IGP
分类： AI 工具排错
OpenCode Zen provider stuck on “loading models” indefinitely
使用 Open Interpreter 的 /models 选择器加载 OpenCode Zen 提供商时，界面会一直卡在 "loading models" 且无法自行结束，通常与提供商型号列表请求无法完成有关。优先确认 Open Interpreter 是否已升级到包含修复的版本。
Install with bundled dependencies (Linux)
这个报错通常出现在 Linux 上安装 SwarmUI、系统 Python 被标记为 externally managed（如 Ubuntu 24+）导致 pip 无法全局安装依赖时。优先确认是否可以直接用官方 Docker 方案，或系统里是否存在可用的 Python 二进制供 SwarmUI 创建
Unrestricted caching keyed by generated types causes memory leak in multi-threaded regimes
当你在多线程环境（例如 Web 服务）中反复调用 OpenAI.responses.parse 并传入 Pydantic 模型作为 text_format 时，出现过 Unrestricted caching keyed by generated types causes memory leak i
responses.parse() throws a PydanticSerializationUnexpectedValue error in v2.21.0
这个报错通常出现在调用 OpenAI Python SDK v2.21.0 的 responses.parse() 并传入自定义 Pydantic 模型（例如 text_format=GuardrailDecision ）时，序列化解析后的响应会触发 PydanticSerializationUne
Apply more fixes for Pydantic schema incompatibilities with OpenAI structured outputs
当你在 openai-python 的 Structured Outputs（如 client.beta.chat.completions.parse ）里使用 Pydantic 模型，且模型包含带默认值的可选字段或 datetime / 日期字段时，Pydantic 生成的 JSON Schema
[Bug]: Refine/CompactAndRefine streaming collapsed to a single chunk since 0.14.22 (#21374)
![[Bug]: Refine/CompactAndRefine streaming collapsed to a single chunk since 0.14.22 (#21374)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/22831-856a571a-768x403.jpg)
当你在 LlamaIndex 0.14.22 及之后版本中使用 Refine 或 CompactAndRefine 并开启 streaming=True 时，流式输出会退化成一次性返回单个 chunk（完整答案在生成结束后才吐出），核心报错表现为：[Bug]: Refine/CompactAndRe
Eval bug: qwen4exp / deepseek-v4 abort at first decode on Vulkan (RADV, gfx1151)
这个报错通常发生在 llama.cpp 以全量 GPU offload 加载 qwen4exp / deepseek-v4 后、首次 decode 阶段；最先排查的是容器或启动环境里是否误设了 embeddings-only 相关变量（如 LLAMA_ARG_EMBEDDINGS=true ），而不
AttributeError: Layer mlp.experts has no parameter ‘w13_weight.weight’ for checkpoint weight ‘mlp.experts.gate_up_proj.weight’
这个问题通常出现在用 vLLM 加载 Aria 的 MoE 专家权重时——checkpoint 里的专家名是 experts.fc1.weight / experts.fc2.weight ，但 vLLM 的融合专家加载器却去查询 w13_weight.weight / w2_weight.weig
[Bug] DFlash2 spec decode + xgrammar: deterministic “Failed to advance FSM” on json_object grammar (same draft token every time)
![[Bug] DFlash2 spec decode + xgrammar: deterministic "Failed to advance FSM" on json_object grammar (same draft token every time)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/53777-75f62c55-768x403.jpg)
该报错通常出现在 vLLM 同时启用 DFlash2 推测解码（spec decode）与 xgrammar 结构化输出（ response_format: {"type": "json_object"} ）时，xgrammar 后端在推进 FSM 时收到一个违反语法的草稿 token（本 Issu