"输出 token 上限"截断：DSH 调本地模型时 max_tokens 沿用了在线模型的默认值，偏小；Qwen3.8 27B 带思考模式，thinking 部分也算输出 token，小任务写长一点就顶到上限被截断。在 DSH 的本地模型配置里把 max_tokens 调到 8192 以上，截断基本消失。

一轮就占满上下文：Ollama 默认 num_ctx 只有 4096，27B 答个稍长的题加思考部分，一轮 4K token 就吃光了。把上下文窗口提到 16384~32768，日常 agent 就够用了。

24G 显存能撑多大：27B Q4_K_M 权重约 16GB，剩 8G 左右给 KV 缓存。q8 量化 KV 约 37KB/token：16K 上下文约 0.6GB，32K 约 1.2GB，都塞得进显存。但楼上那位说的 51200/256000 别学——那是显存富余场景的设置，256K 光 KV 就约 9.5GB，权重+KV 直接超 24G，Ollama 会把缓存倒腾到内存，速度掉到个位数 t/s。8K~32K 是 24G+27B 的甜点区间。

还能再省：开 KV 量化（q8_0）KV 显存再省一半；日常小任务把思考模式关掉（Qwen3 系 Ollama 默认开 thinking，可在 Modelfile 或请求参数里关），输出短一截、配额消耗小一截，速度还快。

扩展坞不用担心：3090 走雷电口，带宽影响只在启动加载权重时慢几秒，跑起来推理在卡内完成，解码速度不掉。你的组合（32G 内存 + 3090 24G + 27B Q4）完全够用，调完参数趣味性就回来了。