标签： LLM

用户在使用 RAGFlow 处理数万份文档时，启用了标签、Raptor 摘要、知识图谱提取等所有功能。整个解析过程耗时数周，且已通过 DeepSeek API 花费数千元人民币。然而，由于网络故障，大量文档在最后的“知识图谱提取”步骤失败。用户发现没有机制可以仅重试失败文档，当前实现似乎是重试任务最

用户在 RAGFlow 中配置了飞书（Feishu/Lark）机器人，通过聊天通道（Chat Channel）与机器人对话时出现该错误。

用户在 Linux 系统上使用 IntelLLVM 2026.0.0 编译的 llama.cpp (version 9763, commit dec5ca557) 启动 llama-server，指定 --device SYCL0 并加载 Qwen 3.6-27B 模型。程序启动后在 GPU ker

用户在 vLLM 的 EngineCore 启动时，加载含有 tie_word_embeddings: true 且经过 ModelOpt 量化（NVFP4 或 FP8）的模型（例如 Gemma 系列）时失败。非量化且带有 tie_word_embeddings 的模型不受影响。

用户在 ROCm 环境（AMD MI355X gfx950）上使用 vLLM 推理 glm_moe_dsa 架构的稀疏 MLA 模型（如 GLM-5.1-FP8）时，当 prefill prompt 长度超过约 20,000 tokens，模型产生乱码输出。此问题影响 prefill 路径（非 de