Ollama v0.30.0 fails on Tesla V100: `CUDA error: device kernel image is invalid`

用户在使用Ollama 0.30.0及更高版本时,在NVIDIA Tesla V100(sm_70)、RTX 3050、Quadro RTX 6000(sm_75)、RTX A2000(sm_86)等显卡上加载模型时触发此错误。问题发生在Ollama从GGML架构切换到llama.cpp架构后,预编

用户在使用Ollama 0.30.0及更高版本时,在NVIDIA Tesla V100(sm_70)、RTX 3050、Quadro RTX 6000(sm_75)、RTX A2000(sm_86)等显卡上加载模型时触发此错误。问题发生在Ollama从GGML架构切换到llama.cpp架构后,预编
![[Bug]: Error occurs when I connect to RAGFlow through MCP(OpenAI compatible endpoint) with VLM models.](https://www.chat-gpts.plus/wp-content/uploads/2026/06/16333-aa954ba1-768x403.jpg)
用户在 Hyper-V 上的 Linux(trisquel_12)环境中运行 RAGFlow(镜像版本 v0.26.1),通过 MCP(OpenAI 兼容端点)连接时,使用 Qwen3.6-35B-A3B-UD-Q4_K_XL(带 VLM)或 gemma-4-E4B-it-UD-Q4_K_XL(带
![[Bug]: use_sql Markdown separator adds extra column when Source is enabled](https://www.chat-gpts.plus/wp-content/uploads/2026/06/16312-ffb5e02c-768x403.jpg)
用户在 RAGFlow 中启用了 Source 列(即文档 ID 和文档名称列),并通过 use_sql 功能生成 Markdown 格式的表格时,发现分隔符行(separator line)多出一个空列,导致 GFM(GitHub Flavored Markdown)表格渲染异常。

谷歌正与部分出版商洽谈,要求其授权内容用于在谷歌新闻中测试新的人工智能功能,条款中包括了出版商内容可能被用于训练谷歌AI模型的权利。这一条款引发了关于内容价值与AI训练数据权利的新一轮争议。

针对团队协作场景,开发者推出了一款名为 OpenKnowledge 的开源 MacOS 应用,意图成为 Obsidian/Notion 的“AI 优先”替代品。其核心卖点是:支持所见即所得(WYSIWYG)的 Markdown 编辑、无缝集成 Claude/Codex/Cursor 等 AI 桌面端工具,并通…
![[Bug]: MTP Speculative Decoding with NVFP4: Weight Shape Mismatch](https://www.chat-gpts.plus/wp-content/uploads/2026/06/35031-2c47d432-768x403.jpg)
用户在 vLLM 中运行 nvidia/Qwen3-Next-80B-A3B-Instruct-NVFP4 模型,启用 NVFP4 量化与 MTP 投机解码(speculative decoding)时,模型加载阶段抛出 AssertionError (权重形状不匹配)。该问题同时存在于多个环境(N
![[Bug]: Gemma 4 (31B / 26B-A4B) generates infinite repetition loops, especially with structured output (JSON schema)](https://www.chat-gpts.plus/wp-content/uploads/2026/06/40080-e1044c70-768x403.jpg)
该问题在 vLLM 中通过 OpenAI 兼容 API 或直接使用 response_format=json_schema 参数调用 Gemma 4 系列模型(包括 31B 和 26B-A4B 指令版)时触发。受结构化输出的语法约束编码(xgrammar)限制影响,模型 token 空间受限,容易陷

一个名为 forensic-deepdive 的开源工具面世,它能对任何代码库进行深度分析,生成持久化的代码知识图谱和 MCP 服务器,让 AI 编程代理(如 Claude Code、Cursor 等)获得结构化的代码理解能力,而非仅依赖模糊的上下文窗口。
![[Bug]: Markdown parser rejects valid GFM table separator rows with fewer than 3 dashes](https://www.chat-gpts.plus/wp-content/uploads/2026/06/16314-8fe9d5f8-768x403.jpg)
用户在使用 RAGFlow 解析 Markdown 文档时触发。具体是在 deepdoc/parser/markdown_parser.py 中的 _is_table_separator_row 方法校验表格分隔行时,将诸如 :-- 、 --: 等有效的 GFM 分隔符判定为无效,导致表格内容被逐行
![[Bug]: ExcelParser.__call__ drops cells with value 0, False, or empty string](https://www.chat-gpts.plus/wp-content/uploads/2026/06/16313-cea78a57-768x403.jpg)
在使用 RAGFlow 导入(ingest)Excel 电子表格文件时触发。具体代码路径位于 rag/app/naive.py 和 rag/app/one.py 调用的解析流程中。问题核心在 deepdoc/parser/excel_parser.py 文件的 __call__ 方法。