【Bug已解决】[serge] integration failure triage - 2026-06-30 解决方案一、现象长什么样serje 为了省去每次请求都重新加载模型把模型tokenizer 做成模块级单例所有聊天请求共用同一个model实例。升级 transformers 后出现一类「时好时坏」的怪现象第一个用户请求正常第二个用户请求开始重复、截断、或停不下来你改了某个生成参数比如把repetition_penalty设成 1.2调试结果所有后续请求都带上了 1.2即使你代码里没再传重启服务后第一个请求又正常过几个请求又乱偶尔不同会话之间「串味」——A 用户设置的temperature影响到了 B 用户。最迷惑的是单看每一行代码都没问题但多请求并发/连续后就错。这是典型的「单例被请求间共享状态污染」。二、背景很多集成为了性能会这么写# module-level 单例 _MODEL None _TOKENIZER None def get_model(): global _MODEL, _TOKENIZER if _MODEL is None: _MODEL AutoModelForCausalLM.from_pretrained(your-model) _TOKENIZER AutoTokenizer.from_pretrained(your-model) return _MODEL, _TOKENIZER def chat(text, repetition_penalty1.2): model, tok get_model() # 错误直接改了单例的 generation_config会持久化 model.generation_config.repetition_penalty repetition_penalty ids tok(text, return_tensorspt).input_ids.to(model.device) out model.generate(ids) return tok.decode(out[0][ids.shape[1]:])问题核心model.generation_config是挂在单例上的可变对象。你在一个请求里改了它这个改动会一直留在单例上污染后续所有请求。升级 transformers 后generation_config的默认值/字段有调整这种「改了不还原」的写法更容易暴露——比如新版默认eos_token_id变了你某次调试又改了它后续请求全受影响。另一个污染源把inputs/attention_mask/past_key_values缓存在单例属性上跨请求没清导致 A 的上下文泄漏到 B。三、根因根因一句话serje 用模块级单例复用模型却在请求处理里直接修改了单例上可变、跨请求共享的状态如generation_config、缓存的输入/历史导致一次请求的改动污染后续所有请求。三点展开共享可变状态model.generation_config是单例上的可变对象被请求直接改改动持久化。改动不还原改了repetition_penalty/temperature/max_new_tokens后没还原后续请求继承脏值。跨请求串味A 用户的参数/历史缓存在单例属性B 用户请求读到造成串味。不是模型问题是「单例 可变共享状态 请求间不隔离」的经典陷阱。四、最小可运行复现不依赖真实模型模拟「单例 generation_config 被请求污染」class FakeGenerationConfig: def __init__(self): self.repetition_penalty 1.0 self.temperature 1.0 class FakeModel: def __init__(self): self.generation_config FakeGenerationConfig() _SINGLETON FakeModel() def chat_buggy(text, repetition_penalty1.2): # 直接改单例的 generation_config错误 _SINGLETON.generation_config.repetition_penalty repetition_penalty return _SINGLETON.generation_config.repetition_penalty print(请求1 设 1.2 -, chat_buggy(hi, 1.2)) # 1.2 符合预期 print(请求2 不设 -, chat_buggy(hi)) # 期望 1.0实际 1.2被污染 print(请求3 不设 -, chat_buggy(hi)) # 还是 1.2跑出来请求1 设 1.2请求2/3 即使没传也变成 1.2——单例状态被污染后续请求全受影响。这就是「时好时坏 / 串味」的精确复现。五、解决方案第一层最小直接修复最小修复绝不修改单例上的generation_config等共享可变对象每次请求把生成参数作为kwargs传给generate让 transformers 在调用内合并不改原式。_MODEL None _TOKENIZER None # 注意把「每请求默认参数」放在单例之外作为不可变模板 DEFAULT_GEN {max_new_tokens: 256, do_sample: True, temperature: 0.7} def get_model(): global _MODEL, _TOKENIZER if _MODEL is None: _MODEL AutoModelForCausalLM.from_pretrained(your-model) _TOKENIZER AutoTokenizer.from_pretrained(your-model) return _MODEL, _TOKENIZER def chat(text, repetition_penalty1.2): model, tok get_model() ids tok(text, return_tensorspt).input_ids.to(model.device) # 关键参数只作为本次 generate 的 kwargs不改 model.generation_config out model.generate( ids, repetition_penaltyrepetition_penalty, **DEFAULT_GEN, ) return tok.decode(out[0][ids.shape[1]:], skip_special_tokensTrue)要点生成参数一律通过generate(**kwargs)传入transformers 会在调用内部临时合并不改model.generation_config原对象。每请求参数隔离互不污染DEFAULT_GEN作为不可变模板不复用可变对象。绝不写model.generation_config.xxx ...除非你明确要在进程生命周期内固定它且清楚后果。这一步单独就让「串味 / 时好时坏」消失。六、解决方案第二层结构性改进第一层是「不修改单例状态」。但多个入口都可能手滑改generation_config或缓存输入。更稳的做法把「单例如何安全复用、请求参数如何隔离」收敛成单一加载器。from dataclasses import dataclass, field from typing import Dict, Any, Optional import copy dataclass class SergeModelSingleton: serje 模型单例 请求参数隔离的单一管理。 model_name: str # 不可变的默认生成模板每次请求基于它做副本 default_gen: Dict[str, Any] field(default_factorydict) _model None _tokenizer None def get(self): if self._model is None: from transformers import AutoModelForCausalLM, AutoTokenizer self._model AutoModelForCausalLM.from_pretrained(self.model_name) self._tokenizer AutoTokenizer.from_pretrained(self.model_name) return self._model, self._tokenizer def generate(self, text: str, **per_request) - str: model, tok self.get() # 基于不可变模板做浅拷贝绝不改原对象 kwargs copy.copy(self.default_gen) kwargs.update(per_request) # 仅本次请求生效 ids tok(text, return_tensorspt).input_ids.to(model.device) out model.generate(ids, **kwargs) # kwargs 传参不改 generation_config return tok.decode(out[0][ids.shape[1]:], skip_special_tokensTrue) def reset_defaults(self, **kw): # 若真要改默认只改模板副本不动单例可变状态 self.default_gen.update(kw) # 用法 sg SergeModelSingleton(your-model, default_gen{max_new_tokens: 256, temperature: 0.7}) r1 sg.generate(你好, repetition_penalty1.2) # 仅本次带 1.2 r2 sg.generate(继续) # 不带 1.2用默认结构收益单例安全复用模型只加载一次性能不变但请求参数通过copy kwargs隔离。不可变模板default_gen是模板改默认用reset_defaults不碰model.generation_config。可审计所有生成走generate()不会再有人手滑改单例状态。七、解决方案第三层断言 / CI 守护写 pytest 守三条(1) 单例只加载一次(2) 请求参数不污染默认模板(3) 多次请求互不串味。import pytest from your_lib import SergeModelSingleton def test_singleton_loads_once(): loads {n: 0} class FakeModel: pass class FakeTok: pass sg SergeModelSingleton.__new__(SergeModelSingleton) sg.model_name m sg.default_gen {} sg._model None sg._tokenizer None def fake_get(): loads[n] 1 if sg._model is None: sg._model, sg._tokenizer FakeModel(), FakeTok() return sg._model, sg._tokenizer sg.get fake_get sg.get(); sg.get(); sg.get() assert loads[n] 1, 单例应只加载一次 def test_per_request_does_not_pollute_default(): sg SergeModelSingleton.__new__(SergeModelSingleton) sg.model_name m sg.default_gen {temperature: 0.7} sg._model None sg._tokenizer None # 模拟 generate 只基于副本 base dict(sg.default_gen) kwargs dict(sg.default_gen); kwargs.update({repetition_penalty: 1.2}) assert sg.default_gen base, 默认模板不应被改动 assert kwargs[repetition_penalty] 1.2 def test_no_cross_request_leak(): # 连续请求参数互不影响 captured [] def fake_generate(text, **kw): captured.append(kw) sg SergeModelSingleton.__new__(SergeModelSingleton) sg.model_name m sg.default_gen {temperature: 0.7} sg._model None sg._tokenizer None sg.generate lambda text, **pr: fake_generate(text, **{**sg.default_gen, **pr}) sg.generate(a, repetition_penalty1.2) sg.generate(b) # 不带 repetition_penalty assert repetition_penalty not in captured[1] assert captured[0][repetition_penalty] 1.2CI 常驻跑这三条后任何「又改单例 generation_config」「请求间串味」的回归都会立刻爆红。八、排查清单serje「单例 时好时坏 / 串味」时按顺序查先确认是不是「第一个请求正常、后续乱」——是的话高度怀疑单例状态污染。全局搜model.generation_config./tokenizer.xxx 看是否在某请求里修改了单例可变状态。把所有生成参数改为generate(**kwargs)传入绝不写model.generation_config.xxx 。确认没有把inputs/past_key_values/ 对话历史缓存在单例属性上跨请求复用。每请求基于「不可变默认模板的副本」合并参数改默认用专门的reset_defaults不动单例。多线程/多请求时确认单例加载有锁if None竞态也会偶尔炸。升级 transformers 后跑「连续 5 个不同参数请求」冒烟断言输出互不影响。九、小结serje 升级后的「时好时坏 / 请求串味」根子是模型做成了模块级单例复用但请求处理里直接修改了单例上可变、跨请求共享的状态最典型是model.generation_config一次请求的改动持久化污染后续所有请求。修复三层次第一层绝不修改单例可变状态生成参数一律generate(**kwargs)传入第二层用SergeModelSingletondataclass 安全复用单例、请求参数基于不可变模板副本隔离第三层用 pytest 守「单例只加载一次」「不污染默认」「不串味」。工程启示模型单例化是合理优化但单例身上的任何可变状态都是跨请求污染的火药桶。生成参数、对话历史、缓存输入一律「按请求隔离、传参不修改原式」。记住共享可变状态 多请求 迟早串味。