[XPU] Segfault in WanVAE CausalConv3d during VAE encode/decode on Intel GPU
![[XPU] Segfault in WanVAE CausalConv3d during VAE encode/decode on Intel GPU](https://www.chat-gpts.plus/wp-content/uploads/2026/06/14513-4e558d86-768x403.jpg)
用户在 ComfyUI 中加载 WanVAE 模型(例如 Qwen-Image VAE)执行 VAE encode(图生视频或视频处理)时,在 Intel XPU 设备上触发段错误。该问题影响所有基于 WanVAE 架构的模型,包括 Wan 2.1/2.2 视频模型和 Qwen-Image 模型。
![[XPU] Segfault in WanVAE CausalConv3d during VAE encode/decode on Intel GPU](https://www.chat-gpts.plus/wp-content/uploads/2026/06/14513-4e558d86-768x403.jpg)
用户在 ComfyUI 中加载 WanVAE 模型(例如 Qwen-Image VAE)执行 VAE encode(图生视频或视频处理)时,在 Intel XPU 设备上触发段错误。该问题影响所有基于 WanVAE 架构的模型,包括 Wan 2.1/2.2 视频模型和 Qwen-Image 模型。

用户在一台无法访问互联网的专用机器上运行 ComfyUI,并通过本地网络使用 Krita AI Diffusion 插件。当 Krita 连接该 ComfyUI 实例时,服务器控制台出现大量重复报错,Krita AI Diffusion 在此过程中不可用,直到递归深度耗尽后才恢复正常。

用户运行自托管 LangFuse 服务(版本 3.187.0 ),通过 MCP 协议调用工具时,发现 Observations 和 Metrics 两个类别下的 MCP 工具完全缺失。用户已确认其他类别工具(如 Prompts、Scores、Datasets 等)均正常工作。

用户使用 MCP Python SDK 客户端连接一个 内部集群 URL (仅集群内可解析和访问),而客户端运行在集群外部,触发了连接失败。用户同时提到,同样的代码连接其他公网 URL 时正常工作。
![[Bug]: shorten_message_to_fit_limit grows content instead of trimming when half_length is 0](https://www.chat-gpts.plus/wp-content/uploads/2026/06/28128-a655e25a-768x403.jpg)
用户在调用 LiteLLM SDK 的 shorten_message_to_fit_limit 函数时触发,通常出现在需要将消息内容裁剪以适应较小 token 上限的场景中。该 Issue 中的复现脚本显示,当传入一个较长的字符串并尝试裁剪到 1 个 token 时,函数未能缩小内容,反而返回了更

用户在运行 AutoGen Core 快速启动示例(Quick Start Sample)时,在已有 Modifier 和 Checker 代理的基础上注册了第二个 Modifier 代理(命名为 "modifier2"),运行时程序进入无限循环。

用户在 vLLM 服务中加载 Qwen3-VL 系列模型(如 Qwen3-VL-235B-A22B-Instruct、Qwen3-VL-30B-A3B-Thinking)时,通过 VLLM_ATTENTION_BACKEND 环境变量尝试切换到 FLASHINFER 、 TRITON_ATTN 或

用户在运行 Kohya SS GUI训练LoRA时触发报错。报错出现在脚本执行阶段,具体是对 train_network.py 的调用中,配置了 --mixed_precision=bf16 和 --save_precision=bf16 参数。

用户在使用 Stable Diffusion WebUI Forge(版本 f0.0.10-latest-104-g5a7e7555 至 f0.0.11-latest-105-gac94f38d)时,尝试启用 ControlNet(内置)、IP-Adapter 或 Instant-ID 进行图片生成
![[BUG] cannot upsert files via api](https://www.chat-gpts.plus/wp-content/uploads/2026/06/3897-373e89d2-768x403.jpg)
用户使用 Flowise 搭建了一个 RAG Flow,包含 PDF 文件上传、文本分割、向量化及 Postgres 向量数据库节点。目标是通过 Python 的 requests.post 方法调用 Flowise 的 Prediction API,将本地 PDF 文件 upsert 到 Chat