标签： LLM

用户在 Open WebUI v0.8.12（Docker 部署，Debian 13）中配置了推理模型（如 kimi-k2.5 通过 Moonshot API 或 OpencodeGO 提供商），启用了本地函数调用（ function_calling: native ）和至少一个工具（如网络搜索、代

用户在运行 Ollama 0.30.x (0.30.0 ~ 0.30.8) 时，调用多模态模型（如 Qwen3.5:4b）进行图片 OCR 或图片加载时发生。模型正常加载，但卡在“processing image... encoding image slice...”步骤，CPU 满负载，进程无响应

用户在 RAGFlow v0.22.1 中，使用 "Table"（表格）解析方法创建知识库并上传 Excel 文件后，在对话中提问时，系统仅返回检索到的原始表格数据，没有通过 LLM 生成自然语言回答。

用户在 RAGFlow 中上传 Excel 文件（ test.xlsx ）并进行文档解析时，系统报错文件不存在，同时用户需要知道如何配置 MinIO 的 AccessKeyId。用户通过 Docker 部署 RAGFlow，后端使用了 MinIO 作为对象存储后端。

用户在 vLLM 0.20.0 上，使用 FP8（E4M3）量化的 MoE 模型（如 Mixtral 8x7B 等），并同时加载 LoRA 适配器进行推理服务时触发。该问题同样可能影响其他基于 Triton 的 MoE+LoRA 推理流程。Issue 作者是在 vLLM 的 main 分支上（而非稳

用户在 vLLM 服务中配置了 LoRA adapter，随后发送针对基座模型（不应用 LoRA）的推理请求。在 MoE 架构的基座模型上，部分请求的输出被错误地叠加了 LoRA 的 delta 权重，导致推理结果出现偏差。

用户在 Ubuntu 22.04 系统上，通过 Ollama 0.30.5 运行 ollama run gemma4:12b-it-q8_0 --verbose 时，出现 llama-server 内部 CUDA 错误。用户使用的显卡为 Tesla V100-SXM2-32GB（Compute Ca