# Fehlerbehebung

> Lösungen für häufige PentAGI-Probleme – ein Flow, der beim ersten Modellaufruf fehlschlägt, Fehler des Tool-Call-Parsers, Warnungen des macOS-Installers und hängende kleine Modelle.

Beginnen Sie mit den Logs beider Seiten einer Verbindung: `docker compose logs -f pentagi` für PentAGI und die Logs Ihres Modell-Backends oder Proxys.

## [Ein Flow schlägt mit „failed to select primary docker image via llm call“ fehl](https://pentagi.com/de/docs/deployment/troubleshooting/#a-flow-fails-with-failed-to-select-primary-docker-image-via-llm-call)

Als Erstes fordert ein [Flow](https://pentagi.com/de/docs/glossary/#flow) das Modell über den [Agent Type](https://pentagi.com/de/docs/glossary/#agent-type) `simple` auf, ein Docker-Image auszuwählen. Dieser Fehler weist fast immer auf das Modell-Backend hin, nicht auf Docker:

1. Prüfen Sie die Logs von PentAGI und Ihres Modell-Backends.
2. Stellen Sie sicher, dass Basis-URL, API-Schlüssel und Modellname korrekt sind und vom Container aus erreicht werden können.
3. Dieser Aufruf sendet keine [Tools](https://pentagi.com/de/docs/glossary/#tool), daher schlägt er aufgrund der Verbindung, des Schlüssels oder des Modells fehl, nicht aber aufgrund von [Tool Calls](https://pentagi.com/de/docs/glossary/#tool-call): Prüfen Sie, ob das Modell des `simple`-Agenten auf eine einfache Chat-Anfrage antwortet. Ein fehlender Tool-Call-Parser zeigt sich erst später, sobald die [Agents](https://pentagi.com/de/docs/glossary/#agent) Tools aufrufen.

## [Tool-Call-Parser-Fehler bei selbst gehosteten Modellen](https://pentagi.com/de/docs/deployment/troubleshooting/#tool-call-parser-errors-with-self-hosted-models)

PentAGI steuert Agents über Tool Calls; daher muss ein eigenes Backend gültiges Tool-Call-JSON im OpenAI-Stil zurückgeben. Zu den Symptomen eines fehlenden oder nicht passenden Parsers gehören `Failed to parse tool call arguments as JSON`, Flows, die nach wenigen Schritten stoppen, sowie Tool Calls, die in einer Schleife laufen ohne zu konvergieren.

* Aktivieren Sie den Tool-Call-Parser und die Chat-Vorlage, die für das in llama.cpp, SGLang oder vLLM bereitgestellte Modell empfohlen werden.
* Validieren Sie den [Provider](https://pentagi.com/de/docs/glossary/#provider) mit dem Dienstprogramm `ctester`, bevor Sie einen vollständigen Flow ausführen.
* Aktualisieren Sie PentAGI: Aktuelle Builds bereinigen fehlerhafte Argumente, sodass eine einzelne ungültige Antwort einen Flow nicht mehr zum Stillstand bringt.

## [macOS warnt vor dem Installer](https://pentagi.com/de/docs/deployment/troubleshooting/#macos-flags-the-installer)

Die macOS-Builds sind signiert und notariell beglaubigt. Wenn macOS weiterhin vor dem Installer warnt, setzen Sie die Warnung nicht mit **Trotzdem öffnen** außer Kraft: Löschen Sie die Datei und laden Sie das Archiv für Ihre CPU erneut über die offiziellen Links herunter — `darwin/amd64` für Intel, `darwin/arm64` für Apple Silicon. Verwenden Sie niemals ein Archiv aus einer inoffiziellen Quelle erneut.

## [Kleinere Modelle bleiben hängen](https://pentagi.com/de/docs/deployment/troubleshooting/#smaller-models-get-stuck)

Aktivieren Sie die [Ausführungsüberwachung und Task-Planung](https://pentagi.com/de/docs/concepts/agents/#safeguards) und weisen Sie dem `adviser`-Agent ein leistungsstärkeres Modell oder eine höhere Reasoning-Einstellung zu.

## [Immer noch Probleme?](https://pentagi.com/de/docs/deployment/troubleshooting/#still-stuck)

Fragen Sie in [Discord](https://discord.gg/2xrMh7qX6m) nach oder [erstellen Sie ein Issue](https://github.com/vxcontrol/pentagi/issues) mit den relevanten Logzeilen.