标签： Python

该报错发生在 LlamaIndex 的 Ollama 集成中，当调用 `chat`/`stream_chat`/`achat`/`astream_chat` 方法并传入 `think=False` 时，该参数被内部逻辑错误地忽略，导致仍然返回思考模型的推理 token。优先排查并修复 `llama-

该报错是 llama.cpp 在 Windows 下多 GPU（2× RTX 3090）CUDA 张量并行（tensor split）或层并行（layer split）推理时出现的稳定性问题，表现为 CUDA illegal memory access 或进程无提示崩溃。优先排查多 GPU 异步 C

当 vLLM 的推理解析器（reasoning parser）与工具调用解析器（tool parser）指向同一个解析器引擎时，Strict Tool Calling 模式下可能不会附加结构约束标签（structural tag），导致模型输出不受 JSON Schema 约束。优先排查 --rea