![[Bug]: encrypted_content_affinity has no fallback when the pinned deployment is unavailable or removed, permanently bricking multi-turn Resp](https://www.chat-gpts.plus/wp-content/uploads/2026/09/43000-8bc728a3-768x403.jpg)
当多轮 /v1/responses 请求被 encrypted_content_affinity 钉在某个 deployment 上，而该 deployment 因为 cooldown/限流/瞬时故障被移出 healthy_deployments ，且同一 model group 内每个 deplo
这个报错通常出现在 TextGen WebUI 加载 GGUF 模型（llama.cpp loader）时，根因可能是当前安装环境缺少部分依赖，其中评论中直接点名的就是 ModuleNotFoundError: No module named 'auto_gptq' 。优先排查依赖是否完整安装，再考
![[Bug]: --gpu-device-id has no effect when used with --directml on an AMD GPU](https://www.chat-gpts.plus/wp-content/uploads/2026/09/4024-b3734cdf-768x403.jpg)
在 AMD 显卡上使用 --directml 时， --gpu-device-id 不会切换 DirectML 设备，Fooocus 仍可能继续使用核显或 0 号设备。优先检查你是否把设备号写在了 --directml 后面，而不是依赖 --gpu-device-id 。
Fooocus 在启动或出图时被观察到占用 CPU 而非 GPU，通常意味着安装目录里实际装的是 CPU 版 Torch，或者 CUDA 版 Torch 没被正确安装。优先确认 Torch 是否为 cu121 构建版本。
这个报错通常出现在 Ubuntu + ROCm 环境下、机器装有 2 张及以上 AMD GPU 时，llama-server 加载任意模型都会直接崩溃。优先排查多 GPU 环境与当前 llama.cpp 构建是否匹配（重新构建后是否仍能识别全部设备、是否有 I2C/EEPROM 读取失败）。
该报错出现在 llama-server 的 Browser UI 中，当你让模型生成 SVG 图片时，预览显示不完整（缺失部分元素）；但复制或下载同一张图后内容是完整的。这不是模型生成能力的问题，而是 UI 渲染/复制环节输出差异导致的。
这个报错通常出现在 Linux CUDA 环境下运行 llama.cpp 的 test-backend-ops 测试套件时，由 ADD_ADD 融合算子的 f16/f16 用例触发。它并非 CUDA kernel 本身算错，而是 fused ADD 保留 FP32 中间结果、CPU 每次 ADD 都
这个报错通常出现在 Dify 1.17.0 自托管环境下，知识库数据集 `hit-testing` 接口在 embedding、Qdrant 检索、rerank 都很快的情况下，整条请求仍频繁超过 1 秒。优先排查 retrieval 路径上被重复执行的 provider 配置解析与 model 构
这个 Issue 的问题在用户补充说明后已标记为 Resolved，原始报错信息并未在 Issue 中给出。讨论集中在两点：一是提交 bug report 时必须附上 WebUI 生成的 sysinfo 文件，否则报告会被直接关闭；二是 Extra networks（如 Textual Invers
在使用 langchain-openai 的 Responses API 流式输出（ use_responses_api=True 且 llm.stream(...) ）时，若服务端返回 response.failed 或 error 事件，转换器会把这些终止事件直接丢弃，调用方拿到的结果和“成功完