标签： Python

该报错通常出现在调用 RAGFlow 的模型目录分页接口（ GET /api/v1/models/all-models 或其管理端副本 GET /api/v1/admin/all-models ）并传入 page / page_size 参数时，分页切片上界未按实际长度裁剪，且页码按 0 起始偏移处

同一台机器、同一服务端上，Rust vllm-bench 与 Python vllm bench serve 的吞吐/延迟差异明显时，通常不是客户端计时或 HTTP 处理问题，而是两边的采样参数不一致（尤其 temperature）。优先检查两个客户端实际发给服务端的 temperature，并统一

该现象通常出现在 AMD ROCm 后端运行 Qwen4Exp（Qwen3.8-Flash-Next）并使用 PIECEWISE CUDA graph 的场景；当短批次重放时，PLE 的 n-gram ID 会读取到 query_start_loc 中上一次留下的旧尾部数据。应优先确认是否为该竞态，

该问题出现在 vLLM 的 V1 模型执行路径（MRV1，即 Model Runner V1）上，当“thinking budget”（思考预算）与投机解码（speculative decoding）同时启用，且 reasoning_end_str 对应多个 token 时，预算状态机在单步内只能强

当你在 Open WebUI 中挂载多个外部知识库（Qdrant / Milvus / pgvector）并开启 RAG 查询改写时，外部检索会按“每个生成查询串行 + 每个知识库串行”执行，延迟按知识库数 × 查询数 × 单次检索耗时线性叠加。核心报错描述为 perf: external know