[Bug]: [ERROR][Exception]: Exceptions from Trio nursery

快速结论：该报错在 RAGFlow v0.22.1 大规模（上万文件）解析和生成知识图谱时，常由并发嵌入节点时超时、资源耗尽或后端子线程死锁引发。优先排查 LLM 超时设置、并发数限制以及上下文长度是否超出模型限制。

问题场景

用户使用 RAGFlow v0.22.1，上传包含 10,382 个文件的知识库进行大规模解析，并点击生成知识图谱（Knowledge Graph）。在嵌入节点处理到约 1809/1894 步时，服务返回 500 错误，解析任务中断且无法通过界面按钮继续。

报错原文

00:12:09 [ERROR][Exception]: Exceptions from Trio nursery (2 sub-exceptions) --
Error code: 500 - {'error': {'message': 'Request processing failed due to an unknown error.', 'type': 'bad_response_status_code', 'param': '', 'code': 'bad_response_status_code'}}

原因分析

可能原因包括：

• 任务并发过多导致资源耗尽： 大规模嵌入节点时，大量并发任务涌入，导致 Trio nursery（异步任务管理器）抛出异常。
• LLM 请求超时： 默认超时时间不足以完成大规模批次的嵌入请求。
• 模型上下文长度溢出： 分块（chunk）大小超出了所用模型的上下文窗口限制。
• 后端死锁或子线程挂起： 大量并行嵌入操作可能触发 Python 或其他后端的死锁状态。

以上均为已知 issue 中的推测，在 v0.22.1 中尚无明确根因修复。

环境排查

• RAGFlow 版本：v0.22.1
• 提交 ID（commit）：26d3480e
• 硬件：Intel E5-2637v4，64GB 内存，Synology NAS
• 需检查的配置项：
  • LM_TIMEOUT_SECONDS（LLM 超时设置，默认值可能偏小）
  • GRAPH_EXTRACTOR_MAX_WORKERS（知识图谱提取最大并发数）
  • 所使用的嵌入模型及其上下文长度
  • 分块（chunk）大小设置

解决步骤

1. 调整超时与并发设置：
   可优先尝试在环境变量或配置文件中增大 LM_TIMEOUT_SECONDS=1200，并降低 GRAPH_EXTRACTOR_MAX_WORKERS=2。
2. 关闭影响性能的功能：
   在大规模解析期间，建议暂时关闭以下功能（如有开启）：reranker、RAPTOR、auto-keyword 和 auto-question。
3. 检查分块大小：
   确保分块（chunk）大小不超过所用嵌入模型的上下文长度限制，并确认所选解析器（parser）遵守 chunk size 设置。
4. 重新触发解析：
   因为当前版本没有提供“继续解析”按钮，失败的任务需要手动重新触发。可通过修改文档的解析器（例如临时改为其他解析器再改回），使文档状态变为“未处理”，然后重新开始解析。此操作可通过 API 编写脚本批量完成，但官方未提供标准文档。
5. 收集关键日志：
   向开发者提供以下日志以进一步诊断：
   • ragflow-server 容器日志，特别聚焦于报错发生时间点附近
   • 任何带有 [ERROR][Exception] 及 Trio nursery 错误的任务执行日志
   • 任务执行器日志（rag/svr/task_executor.py），关注嵌入和分块步骤

验证方法

执行上述调整后，重新运行解析流程，观察是否能稳定完成所有文档的嵌入过程，不再出现 [ERROR][Exception]: Exceptions from Trio nursery 和 HTTP 500 错误。同时检查所有文档的解析状态是否标记为成功。

参考来源

infiniflow/ragflow #12545

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。