最近在做一个基于Qwen2.5的简单Agent，就是在工具调用循环里反复让模型推理、解析动作、执行工具再拼回对话历史。用的vLLM离线推理（OfflineBatch），但跑十几个回合之后显存就涨到爆，只能重启进程。我已经把history列表做了截断，只保留最近几轮，token长度也控制了。怀疑是vLLM的cache机制在长循环里没释放旧序列，或者是我对OfflineBatch的调用方式不对？有没有大佬遇到过类似情况，是应该换用HF原生pipeline还是给vLLM加什么参数？救救孩子，真不想每个Agent任务都手动清显存。