bug(python-sdk): Langchain base tool handled errors are considered like successful outputs
用户在使用 Langfuse Python SDK 集成 LangChain 回调管理器时，创建了一个继承 BaseTool 并设置了 handle_tool_error = True 的 LangChain 工具。当工具抛出 ToolException 时，LangChain 正确调用了 on_t
标签： Python
bug(sdk-python): LangChain tool observations should use structured inputs when available
用户在使用 Langfuse Python SDK（ langfuse.langchain.CallbackHandler ）与 LangChain 结构化工具（如通过 @tool 装饰器定义的工具）时，在 Langfuse UI 中发现工具观测的输入字段显示的是原始 Python 字典字符串（例如
[Bug]: MCP Gateway returns hardcoded `serverInfo.name = “litellm-mcp-server”` for every `/mcp/{alias}` endpoint
![[Bug]: MCP Gateway returns hardcoded `serverInfo.name = "litellm-mcp-server"` for every `/mcp/{alias}` endpoint](https://www.chat-gpts.plus/wp-content/uploads/2026/06/29800-abdeaae3-768x403.jpg)
用户在 LiteLLM 代理的 config.yaml 中配置了多个 mcp_servers （如 Grafana、Home Assistant、N8N 等），并通过 /mcp/{alias} 端点访问每个服务器。MCP 客户端（如 VS Code MCP 选择器、MCP Inspector、Fas
bug: session/trace cost mis-aggregates for multi-agent runs traced via the OpenInference Claude Agent SDK instrumentor
用户在 Langfuse 4.x 版本中，通过 OpenInference Claude Agent SDK 探针（ openinference-instrumentation-claude-agent-sdk ）将多 Agent 工作流的追踪数据通过 OTel 协议导入 Langfuse。典型场景
AttributeError: ‘ThriftInfinityClient’ object has no attribute ‘_is_connected’
用户通过 Docker 部署 RAGFlow (v0.17.1 slim) 后启动服务，发现日志中 Elasticsearch 和 Infinity 均连接失败，最终无法登录 Web 页面。报错集中在 Infinity 客户端尝试连接远程 Thrift 端口 (23817) 时出现 TimeoutE
[Question]: Why does reranking need to recalculate the scores for vector search and full-text search?
![[Question]: Why does reranking need to recalculate the scores for vector search and full-text search?](https://www.chat-gpts.plus/wp-content/uploads/2026/06/7784-f56cea63-768x403.jpg)
用户在使用 RAGFlow 进行检索增强生成（RAG）时，从数据库中通过向量搜索和全文搜索获取了一批数据后，观察到 rerank 阶段（在 Python 脚本中）重新计算了分数，而没有直接使用数据库原始分数。用户质疑这种重算行为可能破坏基于原始相关性的排序，从而降低查询准确性。
[Bug]: Missing supports_assistant_prefill on AWS Bedrock Claude 3.x entries in model_prices_and_context_window.json
![[Bug]: Missing supports_assistant_prefill on AWS Bedrock Claude 3.x entries in model_prices_and_context_window.json](https://www.chat-gpts.plus/wp-content/uploads/2026/06/30863-5a8096d3-768x403.jpg)
用户在 LiteLLM SDK（Python 包，版本 v1.89.2）中加载 model_prices_and_context_window.json 模型配置时，发现多个 AWS Bedrock 上的 Claude 3 条目缺少 supports_assistant_prefill 字段。任何依
ValueError: tool parameter instruction not found in tool config
该 Issue 发生在自托管（Self Hosted Docker）环境的 Dify 1.0.0 中，用户使用默认代码解析工具（Code Parser Tool），结合 qwen-max 模型，调用策略设置为 FunctionCalling 时触发了该错误。
transformers 5.x: from_pretrained silently returns random-init weights for custom PreTrainedModel subclasses (clean loading_info, no warning
在 transformers 5.x （如 5.12.0）中，用户定义了一个自定义的 PreTrainedModel 子类（非内建架构），通过 save_pretrained() 保存后，使用 from_pretrained() 重新加载。加载后的模型权重变成随机值，但 from_pretraine
ValueError: too many values to unpack (expected 4)
用户在使用 Hugging Face Transformers 库中的 Flex Attention 机制（ --attn-type flex_attention ）并启用静态缓存（ --use-static-cache ）运行 Qwen/Qwen3-4B 模型推理时触发。具体操作包括执行 run_