当 llama.cpp 服务端模型在一次完整生成中输出了非法 UTF-8 字节（例如 OCR/视觉模型或字节回退 token 产生的乱码），PEG 聊天解析器会抛出异常并导致 /chat/completions 返回 HTTP 500；优先确认是否是 PEG 解析路径在完整生成上失败，而同样的内容在
该问题通常出现在 llama.cpp 加载 qwen35 架构模型并同时挂载 mmproj（多模态投影）后，经过特定对话编辑与重新生成操作，模型推理（CoT）会崩溃成无限输出 /// 的乱码循环。优先排查是否在 b10040 附近引入了回归，并确认 mmproj 是否为触发条件。
该报错出现在双 Intel Arc Pro B70（Battlemage）上以 vLLM XPU 后端跑 TP=2 时，Worker 初始化阶段触发 GP fault 并伴随 xe BCS 引擎 reset，返回 RuntimeError: level_zero backend failed wit
当 Open WebUI 在单轮对话里连续触发大量工具调用（tool-calling）时，上下文压缩（context compaction）只在每轮开始前检查一次，工具循环中途不再复查，于是请求会在循环内悄悄超过模型上下文上限，最终以 HTTP 400 报错结束。优先排查方向是"压缩触发时机"，而不
softwarecrisis.dev 作者提出，基于对话的大语言模型之所以让人觉得“有智能”，机制上更像通灵师的冷读术——用听起来很具体、实则统计上普适的说法让用户自行对号入座。这一判断把“AI 是否在推理”的争论，拉回到用户体验层面的心理机制。
Hacker News 上一场讨论提出，与其让各家 AI 产品各自绑定自家工具和前端，不如把 AI 当作你自己带上下文的“个人中间层”，由它来调用外部工具和 API。这背后是对 Prompt 本质的重新审视：Prompt 可能并不是一个独立存在的东西，而是用户意图、上下文和工具接口的临时组合。
Hacker News 上一场关于 AI 编程的讨论指出，LLM 生成代码正让开源项目和团队被低质量 PR 淹没，而审查 AI 代码比亲手写代码更累。问题的关键不在 AI，而在软件开发流程和质量管理没有随之调整。
Hacker News 上围绕“编排 Claude Code Agent 的幕僚长模式”展开讨论：让 AI 代理像幕僚长一样统筹子任务可以提效，但多数开发者仍只敢把它用于琐碎工作，关键开发环节必须人工盯守。
![[Bug]: Qwen3.5 structured output doesn't work](https://www.chat-gpts.plus/wp-content/uploads/2026/09/35700-bd9ee480-768x403.jpg)
在 vLLM 上通过 OpenAI 兼容接口为 Qwen3.5 提供 structured output 时，thinking 模式下返回的 JSON 可能被 markdown 代码块包裹（如 ```json ... ```），或在启用 MTP 投机解码时违反 response_format 约束。
![[Model Support] DeepSeek-V4.1 Tracking Issue](https://www.chat-gpts.plus/wp-content/uploads/2026/09/56400-8f0f3572-768x403.jpg)
这是 DeepSeek-V4.1（DSv4.1）模型支持的 Tracking Issue，不是单一报错。若你在 vLLM 加载 DeepSeek-V4.1-Flash 时遇到模型无法解析（如 [Model Support] DeepSeek-V4.1 Tracking Issue ）、ROCm 段错