# Solução de problemas

> Correções para problemas comuns do PentAGI — um flow que falha na sua primeira chamada de modelo, erros no tool-call parser, avisos do instalador no macOS e modelos pequenos travados.

Comece pelos logs de ambos os lados de uma conexão: `docker compose logs -f pentagi` para o PentAGI e os logs do backend ou proxy do seu modelo.

## [Um flow falha com "failed to select primary docker image via llm call"](https://pentagi.com/pt-br/docs/deployment/troubleshooting/#a-flow-fails-with-failed-to-select-primary-docker-image-via-llm-call)

A primeira coisa que um [flow](https://pentagi.com/pt-br/docs/glossary/#flow) faz é pedir ao modelo para escolher uma imagem Docker, por meio do [agent type](https://pentagi.com/pt-br/docs/glossary/#agent-type) `simple`. Esse erro quase sempre aponta para o backend do modelo, não para o Docker:

1. Verifique os logs do PentAGI e os logs do backend do seu modelo.
2. Confirme se a URL base, a chave de API e o nome do modelo estão corretos e acessíveis a partir do container.
3. Essa chamada não envia ferramentas, então ela falha na conexão, na chave ou no modelo, e não em [tool](https://pentagi.com/pt-br/docs/glossary/#tool) calling: verifique se o modelo do `simple` [agent](https://pentagi.com/pt-br/docs/glossary/#agent) responde a uma solicitação de chat simples. Um tool-call parser ausente aparece mais tarde, quando os agents começam a chamar ferramentas.

## [Erros de tool-call parser com modelos auto-hospedados](https://pentagi.com/pt-br/docs/deployment/troubleshooting/#tool-call-parser-errors-with-self-hosted-models)

O PentAGI conduz os agents por meio de [tool calls](https://pentagi.com/pt-br/docs/glossary/#tool-call), então um backend personalizado deve retornar JSON de tool call válido no estilo OpenAI. Sintomas de um analisador ausente ou incompatível incluem `Failed to parse tool call arguments as JSON`, flows que param após algumas etapas e tool calls que entram em loop sem convergir.

* Habilite o tool-call parser e o template de chat recomendados para o modelo que você está servindo no llama.cpp, SGLang ou vLLM.
* Valide o [provider](https://pentagi.com/pt-br/docs/glossary/#provider) com o utilitário `ctester` antes de executar um flow completo.
* Atualize o PentAGI: builds recentes sanitizam argumentos malformados, portanto, uma resposta ruim não trava mais um flow.

## [O macOS sinaliza o instalador](https://pentagi.com/pt-br/docs/deployment/troubleshooting/#macos-flags-the-installer)

As compilações para macOS são assinadas e notariadas. Se o macOS ainda avisar sobre o instalador, não ignore o aviso com **Abrir assim mesmo**: exclua o arquivo e baixe novamente o arquivo correspondente à sua CPU a partir dos links oficiais — `darwin/amd64` para Intel, `darwin/arm64` para Apple silicon. Nunca reutilize um arquivo de uma fonte não oficial.

## [Modelos menores travam](https://pentagi.com/pt-br/docs/deployment/troubleshooting/#smaller-models-get-stuck)

Habilite o [monitoramento de execução e planejamento de task](https://pentagi.com/pt-br/docs/concepts/agents/#safeguards) e forneça ao agent `adviser` um modelo mais robusto ou uma configuração de raciocínio mais alta.

## [Ainda está travado?](https://pentagi.com/pt-br/docs/deployment/troubleshooting/#still-stuck)

Pergunte no [Discord](https://discord.gg/2xrMh7qX6m) ou [abra uma issue](https://github.com/vxcontrol/pentagi/issues) com as linhas de log relevantes.