这是 ClickHouse 26.8+ 与 Langfuse 自托管部署的兼容性问题，不是 Langfuse 逻辑 Bug。ClickHouse 26.8 将 input_format_read_datetime_number_as_raw_value 的默认值从 1 改为 0 ，导致 Worker
![[BUG]: Agent clarifying questions does not work while suing the desktop assistant.](https://www.chat-gpts.plus/wp-content/uploads/2026/09/6033-99b743cb-768x403.jpg)
该报错通常出现在 AnythingLLM 桌面版使用“桌面助手（Desktop Assistant）”功能，并且 Agent 技能启用了“允许 Agent 询问澄清问题（Allow agent to ask clarifying questions）”时。优先检查 AnythingLLM 桌面版版本
![[Question]: why my RAPTOR always use the wrong embedding model?](https://www.chat-gpts.plus/wp-content/uploads/2026/09/7679-06f85f40-768x403.jpg)
RAGFlow 的 RAPTOR 任务没有继承你在知识库中设置的默认 Embedding 模型，而是错误地调用了 SiliconFlow 的 Embedding API，导致长文本触发 “input must have less than 512 tokens” 报错。优先检查 RAPTOR 相关配
![[Bug]: asyncio.CancelledError in aiohttp transport bypasses retry logic, logging, and exception mapping](https://www.chat-gpts.plus/wp-content/uploads/2026/09/22100-91b73b02-768x403.jpg)
当 LiteLLM Proxy 使用默认 aiohttp 传输层调用 /v1/responses 端点时，DNS 解析期间偶发的 asyncio.CancelledError 不会被任何错误处理层捕获，导致直接返回裸 500、没有重试也没有日志。优先排查 aiohttp 传输层的异常映射代码是否已包
当使用 --rope-scaling yarn --rope-scale 4 等参数试图扩展 llama-server 的上下文窗口时，llama-server 会检查模型元数据中的原始 context_length，并强制把上下文截断回训练长度（如 4096），导致长上下文请求失败。优先排查方向是
这个报错通常发生在 Dify 1.17.0 升级后，模型插件无法加载、默认模型无法配置的场景，优先排查 plugin_daemon 镜像版本是否与 1.17.0 匹配（应为 langgenius/dify-plugin-daemon:0.6.10-local ）。
这个 bug 发生在 LangChain 的 AIMessage.content_blocks 属性被读取时，Anthropic、Bedrock、Google GenAI 和 Vertex AI 的翻译器会直接修改原始消息内容，导致数据静默丢失或增加。优先检查你使用的 provider 是否属于这四
该报错发生在 Transformers 库中 PPFormulaNet 模型训练时，原因是 ForCausalLMLoss 默认对 labels 左移一位，但 PPFormulaNet 是 encoder-decoder 架构，logits 与 labels 已对齐，导致训练标签错位、丢失最后一个目
该报错通常出现在 Langfuse 自托管 server 3.225.5 搭配 ClickHouse 26.8+ 的环境下，新生成的 trace 写入 ClickHouse 成功但无法在 Observability → Tracing 界面显示。优先排查 ClickHouse 版本，并检查 `tra
![[Feature Request]: Add MonkeyOCRv2 as a document parsing backend (working adapter included)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/18671-00b219e6-768x403.jpg)
这是一个功能请求（Feature Request），不是运行时报错。用户希望将 MonkeyOCRv2 作为 RAGFlow 的文档解析后端，并提供了一个与 MinerU HTTP API 兼容的适配器。维护者强调：此类集成需要自行维护，且需关注与上游 MinerU 代码的兼容性。