💡 知识卡片
原始会话经 LLM 提炼后的结构化知识。比原始会话更好读、更好搜。
问答
DSH 报 503 model_not_found 排查
问题：DSH 桌面版调用 DeepSeek API 报错：503 model_not_found，No available channel for model deepseek-v4-1-flash under group ds4.1flash99缓 (distributor)。配置文件里写的是 deepseek-v4-flash（无 -1-），但实际请求出去变成了 deepseek-v4-1-flash。
方案：1) 解读错误：503=服务不可用，model_not_found=模型找不到，group ds4.1flash99缓 是 API 后端分发组，该组下没有该模型的 channel；request id 用于找客服。2) 根因：DSH 客户端内部把 deepseek-v4-flash 自动改写成 deepseek-v4-1-flash 发出（DeepSeek 官方改名/改路由到 V4.1 Flash，处于内测阶段），但账号所在 group 未开通新模型。3) 修复优先级：①找 API 提供方（platform.deepseek.com 或三方分销客服）开通 v4.1-flash 权限或切到有 channel 的 group，带上 request id；②在 ~/.dsh/settings.yaml.imported 中把 agent-default-model.model 换成账号下已知可用的模型（如 deepseek-v4-pro），settings.yaml 热加载无需重启；③尝试用环境变量/显式 model id 锁住版本避免自动改名（变量名需查 llm-pi-ai 插件实现）；④必要时降级到 0.1.7-rc.1 或更早版本。4) 附带说明：每次请求 503 会触发客户端重试/等待，是体感变卡的原因之一。
问答
排查知识卡片功能未生效
问题：auto_cards.py 脚本和任务计划 NAS-Auto-Cards 都已安装，但知识卡片从未生成，cards.db 数据库不存在，auto_cards.log 无任何记录。
方案：逐项排查：1) 检查 auto_cards 进程是否在运行；2) 检查 cards.db 是否存在；3) 检查 LLM 配置中 api_key 是否为空——auto_cards.py 第34行 `if not cfg.get('api_key'): return` 会直接跳过；4) 检查任务计划触发方式，当前为 At system startup 只启动一次，应改为每10分钟重复触发；5) 检查 auto_cards.log 是否有记录。修复：配置 LLM api_key（如 DeepSeek，约¥1/百万token，38个会话成本约¥0.01），并将任务计划改为每10分钟循环，或直接运行 `python auto_cards.py --daemon --interval 600`。