Qwen_local_model

README.md

@@ -29,6 +29,7 @@
 项目只读取一个配置文件：`config.json`。
 
 - `services.openai.host` / `services.openai.port`：OpenAI 协议服务监听地址与端口（默认 `0.0.0.0:8001`）
+- `public_model_name`：对外固定模型名，切换底层模型时可保持调用方参数不变
 - `api_key`：OpenAI 接口访问密钥
 - `tensor_parallel_size`：张量并行数，双卡建议 `2`
 - `dtype`：推理精度，默认 `bfloat16`
@@ -82,14 +83,14 @@ curl http://localhost:<services.openai.port>/v1/models
 curl -X POST "http://localhost:8001/v1/chat/completions" \
   -H "Content-Type: application/json" \
   -H "Authorization: Bearer <config.json中的api_key>" \
-  -d "{\"model\":\"Qwen3.5-35B-A3B-GPTQ-Int4\",\"messages\":[{\"role\":\"user\",\"content\":\"你好，介绍一下你自己\"}],\"temperature\":0.7}"
+  -d "{\"model\":\"Qwen_local_model\",\"messages\":[{\"role\":\"user\",\"content\":\"你好，介绍一下你自己\"}],\"temperature\":0.7}"
 ```
 
 ## OpenClaw 调用说明
 
 - Base URL 使用 `http://<服务器IP>:8001/v1`
 - API Key 使用 `config.json` 中 `api_key`
-- 模型名使用 `config.json` 中 `models.profiles.<模型名>.served_model_name`
+- 模型名固定使用 `config.json` 中 `public_model_name`（默认 `Qwen_local_model`）
 - 若使用工具调用，`config.json` 中应配置 `tool_call_parser` 与 `enable_auto_tool_choice`
 - 服务强制离线模式，不会回退到 Hugging Face 远程下载
 - 所有路径按 Ubuntu 规范填写，本地模型建议使用 `/opt/model/<模型目录>`
@@ -105,5 +106,6 @@ curl -X POST "http://localhost:8001/v1/chat/completions" \
 
 - 报错 `model type ... Transformers does not recognize this architecture` 时，说明当前模型与镜像内依赖不兼容，建议更换模型或升级镜像版本。
 - 报错 `model config (gptq) does not match quantization argument (gptq_marlin)` 时，将该模型配置改为 `dtype=float16` 且 `quantization=gptq`。
+- 报错 `RPC call to sample_tokens timed out` 或出现 `GPU core dump` 时，先下调模型配置为更稳参数：`ctx=32768`、`max_num_seqs=4`、`max_tokens=2048`、`gpu_util=0.90`，并开启 `enforce_eager=true`。
 - 若模型目录存在但仍加载失败，检查挂载路径是否为 `/opt/model:/opt/model:ro`，并确认容器内可见模型文件。
 - 如果看到 `No services to build`，说明未触发重建；需要先执行 `docker compose build --no-cache` 再 `up`。