.

app/main.py

@@ -174,21 +174,24 @@ logger.info("Using SAFE_MIN_FREE_MB = %d MB", SAFE_MIN_FREE_MB)
 @app.on_event("startup")
 async def warm_up_mp_pool():
     """
-    启动即预热：
+    GPU: 建立多进程池预热
-      - GPU 模式：建立多 GPU 进程池（官方默认逻辑）
+    CPU: 单进程预热，但先临时把 torch 看到的 GPU 设为 0 张
-      - CPU 模式：单进程跑一次，避免 fork
     """
     try:
         if DEVICE.startswith("cuda"):
             logger.info("Warm-up (GPU) → 预生成多进程池")
-            _ = model.encode(["warmup"], return_dense=True)          # 多 GPU 池
+            _ = model.encode(["warmup"], return_dense=True)          # 多 GPU
         else:
             logger.info("Warm-up (CPU) → 单进程初始化")
+            # --- 关键 3 行 ---------------------------------------------------
+            orig_cnt = torch.cuda.device_count                      # 保存原函数
+            torch.cuda.device_count = lambda: 0                     # 伪装无 GPU
             _ = model.encode(["warmup"], return_dense=True,
-                             num_processes=1)                       # 禁 fork
+                             num_processes=1)                       # 单进程
+            torch.cuda.device_count = orig_cnt                      # 恢复
+            # ----------------------------------------------------------------
     except Exception as e:
-        # 预热失败不会阻止服务启动，只给警告
+        logger.warning("Warm-up failed: %s — 将在首条请求时再退避", e)
-        logger.warning("Warm-up failed: %s — will fallback at first request", e)
 
 
 class EmbeddingRequest(BaseModel):