标签： LLM

当你在 LlamaIndex 0.14.22 及以上版本中，用 Refine 或 CompactAndRefine 并设置 streaming=True 时，流式输出会退化成一次性返回单个 chunk。优先确认是否调用了受影响版本，并在能改动 response mode 的前提下先切到 TREE_S

这个报错通常出现在用 LlamaIndex 的 FunctionAgent 构建工作流、并在 workflow.run(...) 阶段执行时，属于 llama-index-workflows 与 llama-index-core 版本不匹配导致的兼容问题。优先排查这两个包的版本组合，而不是先去改 A

这个报错通常出现在使用 LlamaIndex ContextChatEngine 、 CondenseQuestionChatEngine 或 CondensePlusContextChatEngine 进行流式对话时：调用 astream_chat() 或 stream_chat() 后，异步/同

当你已经配好 OpenAI 兼容的 FLUX 图片生成端点、Playground → Images 能出图，但普通聊天里看不到 Image/Image Generation 入口、模型只把 dalle.text2im 当纯文本吐出来时，先把排查重点放在聊天输入框的 Integrations 菜单里

这个报错通常出现在用 llama-server 跑 MiMo-V2.6-Distill-Qwen-9B（GGUF）并调用 OpenAI 兼容 tools API 时，模型自带的 chat template 被误判为 Qwen3-Coder 模板，导致工具调用永远走不到正常结束。优先排查 llama.

这类静默检索损坏通常出现在 ROCm/gfx942 上运行 DeepSeek-V4-Flash/Pro 并启用 AITER 稀疏索引器（DSA indexer）的长上下文场景中；当压缩后的候选 token 超过 index_topk 、开始真正发生 top-k 选择后，服务器不会报错，但 needl

当你在 Ollama 中通过 top_logprobs 请求超过 20 个候选 token 时，请求会在进入后端前被 Ollama 自己的请求校验拦截，报错信息为 top_logprobs is capped at 20, but nothing downstream requires that 。