标签： LLM

用户运行 llama-server.exe 并启用内置工具 edit_file。当 LLM 决定调用该工具来追加内容到一个已存在的文本文件时，特别是在 append 模式下传入 -1 作为 line_start/line_end 参数，llama-server 进程会直接崩溃，退回到命令行提示符，不

用户在使用 llama.cpp 的 llama-server 或 llama-cli 进行分布式投机解码时，尝试通过 --spec-draft-model 指定远端 GPU 机器上的草稿模型（例如笔记本电脑上的 GPU 草稿模型，服务器上的 CPU 目标模型）。但现有参数要求草稿模型文件必须位于本地

用户在 Windows PowerShell 中运行 llama.exe（版本 b9733-f449e0553），尝试使用子命令如 llama serve 、 llama cli 、 llama version 时触发。其中 llama version 能正常显示版本号，但子命令无法识别。

用户使用 llama-server 加载 Qwen3-Embedding GGUF 模型（0.6B-Q8_0 或 4B-Q4_K_M），启动进程中触发断言失败。涉及 Intel Arc 系列显卡（B70 / B570），编译工具链为 IntelLLVM 2026.0.0，GGML backend 为

用户运行 llama-server 服务（通过 llama-server -m model.gguf 启动），在浏览器（如 Firefox、LibreWolf）中打开内置 Web UI，发送多个提示词并等待 AI 生成回答。当生成内容超过一页时，页面滚动行为异常。

用户使用 llama-server 在 Mac/Linux 上以 CUDA 后端运行 unsloth/Qwen3.6-35B-A3B 模型，采用了 --jinja 和外部 --chat-template-file 自定义聊天模板（XML 工具调用方言： <function=NA