Report === --- User-Friendly Information --- Message: 自定义模型 custom-local:ERNIE-5...

2026年10月07日 15:43 14.43 秒 success

错误信息

=== Error Report === --- User-Friendly Information --- Message: 自定义模型 custom-local:ERNIE-5.1 错误,请切换模型或重试。 --- Technical Details --- Error Code: 10000 Request ID: 01a1154c3dec775594928ef3e5c7ec54 Trace ID: f918a2c877b74acb8666a74f20494757 Timestamp: 2026/10/07 15:38:03 (UTC+8) Server Detail: {"code":-32603,"message":"Internal error","data":{"details":"No response received from model","category":"internal"}} App Version: 5.7.6 User ID: 17bb7b83-78dc-4cdd-8d12-dfce40716631

AI 解决方案

🌐 错误翻译


原文:自定义模型 custom-local:ERNIE-5.1 错误,请切换模型或重试。
译文:自定义模型 custom-local:ERNIE-5.1 出现错误,请切换其他模型或重试请求。

原文:No response received from model
译文:未从模型接收到响应

🎯 原因分析


该错误表明你调用的自定义模型 custom-local:ERNIE-5.1 在请求过程中未能返回任何响应。底层服务器返回 Internal error(内部错误),属于服务端偶发异常,通常由以下原因导致:
  • 模型服务暂时不可用或已下线

  • 模型名称/标识符配置错误,服务端无法找到对应模型

  • 请求超时或模型加载失败
  • 💡 解决方案


    针对此错误,建议按以下步骤处理:

    # 方案1:添加重试机制,应对偶发服务端异常
    import time
    
    def call_model_with_retry(prompt, model="ERNIE-5.1", retries=3):
        for attempt in range(retries):
            try:
                response = model.generate(prompt)  # 你的模型调用逻辑
                return response
            except Exception as e:
                if attempt < retries - 1:
                    time.sleep(2 ** attempt)  # 指数退避重试
                else:
                    raise e
    
    # 方案2:会选择可用模型进行降级处理,保证服务稳定性
    def call_model_with_fallback(prompt):
        model_configs = [
            ("ERNIE-5.1", "custom-local"),    # 优先尝试
            ("ERNIE-4.0", "custom-local"),    # 降级方案1
            ("default", "baichuan"),          # 降级方案2
        ]
        for model_name, model_type in model_configs:
            try:
                return call_model(prompt, model_name, model_type)
            except Exception as e:
                logging.warning(f"模型 {model_name} 调用失败: {e}")
                continue
        raise RuntimeError("所有模型均调用失败")
    

    🛡️ 预防措施


  • 配置校验:定期验证自定义模型的可用性,在服务启动时进行模型连通性检查,避免请求不可用的模型

  • 监控告警:对模型调用失败率进行监控,当错误率超过阈值时及时告警,便于快速定位模型服务问题

  • 使用官方API端点:确保模型服务地址配置正确,避免因配置错误导致的无响应问题