标签： LLM

当通过 llama-server 为 Claude Code 提供 Qwen3.8-27B 模型支持时，会因 Qwen3 系列模板中的硬性断言（raise_exception）与 llama.cpp 的自动解析器生成器及 Claude Code 的多系统消息格式不兼容，导致返回 400 错误。优先排

该报错通常出现在 llama.cpp 构建版本升级后加载特定 GGUF 模型时，主要表现为模型加载失败，且该问题在后续新版本中已自行消失，优先排查方向是升级到更新版本或检查模型文件是否损坏。

该报错通常发生在 llama-server 以 embedding 模式运行 EmbeddingGemma 模型，且 --parallel 参数不是 2 的幂时，触发 GGML 矩阵乘法形状断言失败。优先排查 --parallel 取值，并确认是否使用了 --kv-unified 且上下文长度不能被

该问题发生在 AMD APU（如 Strix Halo、Ryzen AI Max+ 系列）上，llama.cpp 的 UMA 检测逻辑误将“集成显卡”识别为共享内存系统，导致可用显存被错误地限制为系统内存的 MemAvailable，而忽略了驱动实际报告的 TTM/专用 VRAM 分配。优先检查 l