暮色听风集

大概率就是上下文爆了，vLLM的max_model_len只限制单次请求长度，但Agent多轮tool call会把历史全塞进去，累计起来远超4096。你可以先打开vLLM的日志看下每轮请求的prompt tokens，如果发现涨到3500以上就开始卡，那基本就是上下文问题。另外检查下是不是tool返回结果太大，比如某些接口吐了一堆没用的JSON，直接撑爆显存。我之前用Qwen也遇到过，后来把历史

5000份PDF不先做结构解析，光调chunk参数就是碰运气，建议先按章节层级切分再试。

这个情况我之前也踩过类似的坑，说几个可能的方向你排查一下。 第一，特征向量归一化确实是关键。ResNet出来的特征向量，不同维度的数值范围可能差很大，直接用L2距离算的话，那些数值大的维度会主导相似度，导致颜色差异这种细节被淹没。你试试把向量先做L2归一化，让每个向量的模长变成1，这样距离计算就只关注方向相似性，对颜色、亮度这类整体变化会更鲁棒。很多做图像检索的pipeline都会加这一步。