【环境】单张A100 80GB显存【vllm0.19.0（同等效果）】在0.19.0中，遇到了：1.无法使用0.9.1中的--task参数；2.去除参数启动后，原本只需占用1GB~，却异常占用70GB+显存；下面将分别分析上述两个问题。

docker run -it --gpus all --network=host --ipc=host --rm --name qwen3.5-test \-v /home/vllm-models/Qwen3___5-35B-A3B:/home/vllm-models/Qwen3___5-35B-A3B \--entrypoint /bin/bash \vllm/vllm-openai

completion建议 ≤ 8192，总 Token 控制在 32768 内128K 扩展场景：需 YaRN 配置 + 充足显存，completion可适度放宽，但仍需预留 messages 空间优先保证输入完整性，再调整生成长度，避免因 completion 过大导致上下文截断。

存在问题：不管打开或关闭思考模式，偶尔还是会输出小片段的思考过程在回答中，即思考过程并不会100%不输出，甚至会填充至content字段中。按设计，思考过程应该只填充至reasoning_content字段中的。关键参数：extra_body={"chat_template_kwargs": {"enable_thinking": False}}原本qwen3-32b是可直接通过enable_th

在模型vllm启动时，添加两个参数：# --enable-auto-tool-choice --tool-call-parser hermes。参考：https://blog.csdn.net/qq_42869979/article/details/146226982。

打算长期使用或部署：采用的方式更规范。

LLM 与外部工具 / 服务通信的标准化协议，统一接口格式，解决 “怎么连”。Skill（技能）：Agent 可执行的功能单元，含工具调用、提示词、业务逻辑，解决 “能做什么、怎么做”。功能上：现在的 Skill = 早期 “MCP 工具 + 硬编码 Prompt 逻辑”，本质是同一个东西。架构上：Skill 是把原来混在 MCP 里的业务知识 / 流程拆出来，单独标准化、工程化。目的：解决 MC

存在问题：不管打开或关闭思考模式，偶尔还是会输出小片段的思考过程在回答中，即思考过程并不会100%不输出，甚至会填充至content字段中。按设计，思考过程应该只填充至reasoning_content字段中的。关键参数：extra_body={"chat_template_kwargs": {"enable_thinking": False}}原本qwen3-32b是可直接通过enable_th