【Bug已解决】Fix mutable default argument in lora_base.py 解决方案一、现象长什么样diffusers 的lora_base.pyLoRA 基础工具里有个函数用了「可变默认参数」导致诡异的跨调用状态污染# lora_base.py 里的错误写法 def set_adapters(self, adapter_names[], weightsNone): for name in adapter_names: ...现象第一次调用pipe.set_adapters([style_a])正常第二次调用pipe.set_adapters([style_b])时发现adapter_names里既有 style_a 又有 style_b——上一次的参数被记住了或者某次调用没传adapter_names用默认[]结果它修改了那个默认列表后续所有调用都带着上次残留多进程/多线程下偶尔出现「adapter 列表越来越长」直到逻辑错乱。最迷惑的是你每次都传了明确的 list却还是被上次调用影响。这是 Python 经典的「mutable default argument」陷阱——默认参数对象在函数定义时创建一次之后所有调用共享同一个可变对象。二、背景Python 里这么写是反模式def f(x[]): # x 的默认对象在 def 时创建所有调用共享 x.append(1) return x f() # [1] f() # [1, 1] - 同一个默认列表被复用lora_base.py里若某函数如set_adapters、_merge_adapters、register_adapter参数默认值是[]或{}且函数内部对这个默认对象做了原地修改append /dict[k]v就会第一次用默认值 → 修改了那个共享默认对象后续任何用默认值的调用 → 拿到的是「已被上次修改过的」对象即使你每次都传新 list若该 list 在函数内被原地改且又赋回默认也会污染。在 LoRA 场景set_adapters(adapter_names[], weightsNone)如果内部adapter_names.append(...)或把它存成实例状态跨调用的残留就会让「当前激活的 adapter 集合」错乱风格叠加错误。三、根因根因一句话lora_base.py中某函数把可变对象list/dict用作默认参数并在函数内原地修改它导致该默认对象跨调用共享并被污染adapter 状态跨请求错位。三点展开默认对象共享可变默认参数在def时创建一次所有调用共用。原地修改函数内append/pop/dict[k]v改了默认对象。状态泄漏被改的默认对象被当成「累积状态」后续调用继承脏值。不是 LoRA 逻辑错是「Python 可变默认参数」经典陷阱。四、最小可运行复现不依赖真实代码模拟「可变默认参数污染」def set_adapters_buggy(adapter_names[]): # 错误默认 [] 在所有调用间共享且原地 append 污染它 adapter_names.append(default_style) return adapter_names print(调用1:, set_adapters_buggy([a])) # [a, default_style] print(调用2:, set_adapters_buggy([b])) # [b, default_style]? # 实际更糟不传参时 print(调用3(无参):, set_adapters_buggy()) # [default_style] print(调用4(无参):, set_adapters_buggy()) # [default_style, default_style] - 污染! # 修复 def set_adapters_fixed(adapter_namesNone): if adapter_names is None: adapter_names [] adapter_names list(adapter_names) # 副本绝不改默认 adapter_names.append(default_style) return adapter_names print(fix1:, set_adapters_fixed([a])) print(fix2:, set_adapters_fixed()) # [default_style] print(fix3:, set_adapters_fixed()) # [default_style] 不再累加跑出来buggy 版本不传参时默认列表被反复 append 污染fixed 版本每次干净。这就是「可变默认参数污染」的精确复现。五、解决方案第一层最小直接修复最小修复把所有可变默认参数改成None函数内if x is None: x []或{}并在需要修改时操作副本绝不改默认对象。# lora_base.py 修复前 def set_adapters(self, adapter_names[], weightsNone): self._active adapter_names # 若 adapter_names 是默认 []多个实例共享! ... # 修复后 def set_adapters(self, adapter_namesNone, weightsNone): if adapter_names is None: adapter_names [] # 用副本避免修改传入的 list也不碰默认 adapter_names list(adapter_names) self._active adapter_names ... # 另一个常见写法默认 dict def register_adapter(self, name, config{}): # 错误 config dict(config) # 修复总是复制 self.adapters[name] config要点默认参数用None内部if None: [] / {}。若需修改传入的 list/dict先list(x)/dict(x)复制不污染调用方。多实例多个 pipeline各自有独立状态不共享默认对象。这一步单独就让 adapter 状态不再跨调用污染。六、解决方案第二层结构性改进第一层是「改一处默认参数」。但lora_base.py及整个代码库可能多处有这陷阱。更稳的做法把「禁止可变默认参数」做成单一规则 自动化检测。from dataclasses import dataclass, field from typing import List, Any dataclass class MutableDefaultGuard: 检测并禁止可变默认参数的单一规则。 # 视为「可变」的类型 MUTABLE_TYPES: tuple field(default(list, dict, set), initFalse, reprFalse) def is_mutable_default(self, default_value: Any) - bool: return isinstance(default_value, self.MUTABLE_TYPES) def safe_default(self, default_value: Any) - Any: 把可变默认转成 None约定调用方内部初始化。 if self.is_mutable_default(default_value): return None return default_value def check_signature(self, param_defaults: dict) - List[str]: param_defaults: {参数名: 默认值} - 违规列表 bad [] for name, val in param_defaults.items(): if self.is_mutable_default(val): bad.append(name) return bad # 用法CI/静态检查 guard MutableDefaultGuard() violations guard.check_signature({ adapter_names: [], # 可变 - 违规 weights: None, # OK config: {}, # 可变 - 违规 }) assert violations [adapter_names, config]结构收益单一规则可变默认参数的判定与修正集中在MutableDefaultGuard。可检测check_signature供静态检查/CI 用扫出所有违规参数。可培训规则清晰review 时一眼识别。七、解决方案第三层断言 / CI 守护写 pytest 守三条(1) 可变默认被识别(2) 修复后不污染(3) 多实例状态独立。import pytest from your_lib import MutableDefaultGuard def test_mutable_default_detected(): g MutableDefaultGuard() assert g.is_mutable_default([]) is True assert g.is_mutable_default({}) is True assert g.is_mutable_default(None) is False assert g.is_mutable_default(0) is False def test_signature_scan(): g MutableDefaultGuard() bad g.check_signature({a: [], b: None, c: {}}) assert bad [a, c] def test_fixed_no_pollution(): def set_adapters(adapter_namesNone): if adapter_names is None: adapter_names [] adapter_names list(adapter_names) adapter_names.append(x) return adapter_names r1 set_adapters() r2 set_adapters() assert r1 [x] assert r2 [x] # 不再累加 def test_multi_instance_independent(): class P: def __init__(self): self._active None def set_adapters(self, adapter_namesNone): if adapter_names is None: adapter_names [] self._active list(adapter_names) a, b P(), P() a.set_adapters([x]); b.set_adapters([y]) assert a._active [x] and b._active [y]CI 常驻跑这四条后任何「又写回可变默认参数」的回归都会立刻爆红。八、排查清单LoRA 相关函数出现「adapter 状态跨调用污染」时按顺序查先确认是不是「不传参/重复调用后 adapter 列表变长」——是的话定位可变默认参数。全局搜def ...(..., x[], ..., y{})这类可变默认参数尤其lora_base.py。把可变默认改成None内部if None: [] / {}。函数内如需修改传入的 list/dict先复制不污染调用方。检查实例状态如self._active是否直接引用了默认对象应存副本。多实例/多线程场景确认状态独立不共享默认。用MutableDefaultGuard ruff/flake8B006 规则做 CI 静态扫描。九、小结lora_base.py的「可变默认参数」bug 根子是函数把list/dict当默认参数并在内部原地修改导致默认对象跨调用共享并被污染adapter 状态错位。修复三层次第一层把可变默认改成None、内部初始化副本、不污染调用方第二层用MutableDefaultGuarddataclass 把「禁止可变默认」做成单一规则与检测第三层用 pytest 守「可变默认被识别」「修复不污染」「多实例独立」。工程启示Python 的「mutable default argument」是最高频的隐性 bug 之一——默认对象在def时创建一次、所有调用共享一旦函数内原地修改就跨调用泄漏。任何库的任何函数可变默认参数一律用None替代这是写 Python 的基本纪律尤其对「管理状态列表/dict」的工具函数LoRA adapter、注册表来说更是生命线。