Skip to content

修复 Chief 执行故障与快照反馈,保留 Agent 自主恢复和路由决策 #2393

Open

Description

@zy95-12

Written-by: Codex

目标分支与负责人

核心原则:框架增强不能牺牲 Agent 自主性

Owner 明确:不是禁止新增框架层,而是不能加入一堆写死的业务机制,替 Agent 决定下一步。

  • 框架提供持久化、消息交接、权限与证据校验、真实执行状态、清晰且可操作的错误反馈。
  • Chief / 角色 Agent 决定如何诊断、是否修正、续测、续审、返工、换资源、咨询、等待或结束。
  • 禁止“测挂必回 Developer”“失败 N 次必转人工”“按异常类型自动选择下一角色”等固定路线;不新增固定 DAG、恢复业务调度器或另一套状态存储。
  • 复用现有 Run、Task、Attempt、Session、snapshot、correction、Effects 和配置预算。预算用于限制资源消耗,不作为自动选路或转人工的业务规则。
  • 自主性不授予越权、伪造验收证据、复用失效收据或跳过未知执行退出的权利。

背景与核实边界

OpenToday 报告 Chief inspect / 定时巡检反复出现 route / return / needs-human / blocked 抖动,已有 approve 的 Living Memory 仍显示 Chief execution did not complete。报告涉及项目 project-b8151e86-…、主任务 task-5f91954b…、Living Memory task-4efe68b…,以及宿主从 e6405532 到 d39e70bc 的版本变化。

现场 run / 时间线依据用户提供的记录;当前核查环境没有报告中的 /home/box/.flybot-backend,没有独立读取现场状态或 transcript。以下是对交付提交 d39e70bc35d3c88cf36b9726ccc025c6e946686f 同树代码的隔离验证结果,不将现场推测写成已证明根因:

  1. **JSON correction 已存在。**把 "passed":true 改为报告中的无效 JSON 后,当前 parseChiefResponse 返回 bot/chief-protocol,实际 callback 进入 correction-pending,invocationHistory.length=1,未应用业务决策。当前 parser 不会直接把裸 V8 语法错误写入 run.failure。
  2. **快照范围预检仍有整批耦合。**snapshot 仅含 Task t,却返回 t/u 两个决策时,当前整批进入 correction,t 的合法决策也未应用。
  3. **Interrupted 续 Tester/Reviewer 已实现。**当前 validateRecovery / resumeVerification 在候选、同 SHA 测试、退出证明等满足时允许恢复,不应重新开发一条替代路径。相关4个恢复回归通过。
  4. 执行失败会污染 Task 阻塞表达。result.ok=false 会被概括为 Chief execution did not complete,并在当前非终态 Task 的 collaboration.block 写入该原因。隔离复现中 Review 的 approve 证据仍在,并非被撤销;是否实际卡住 merge 需另查 merge Effect / policy / checks。
  5. **收据 generation 漂移存在具体分类缺口。**旧收据被拒绝是正确行为,但隔离复现中被归类为 execution-failed,随后覆盖 Task block;应识别为快照过期。输入保持 accepted,未伪造 handled。
  6. unmanaged 原生 Chief 专用退出证明已存在。reconcileChiefExit → priorHostProcessExited 核验 bootId、PID namespace、startTicks 和原生 Chief 边界。通用 priorScopeExited 对 unmanaged 返回 false 是安全边界,不能简单改成 PID 消失即释放任意资源。历史缺字段、独立 SDK / Docker worker 或工具子进程需要各自真实证明。

现有 Chief/process/recovery 测试42例及验证续跑测试4例通过;另做5个隔离探针。报告中大量失败 invocationHistory 为空,是后续定位重点:当前 JSON parse 前已记录响应 hash,不能把这些失败全部归因于模型 JSON typo。

实施范围与顺序

1. 先修正信息失真:执行故障、业务阻塞和已有验收分离

  • Chief 调用、传输、退出、解析、协议、过期快照、业务前置条件与验收不满足,应提供可区分的原因和实际对象引用;优先复用已有错误/恢复字段,不另造通用机制。
  • 执行故障归属对应 Chief Run,不应无条件覆盖当前 Task 的业务阻塞原因,更不能覆盖已经推进的新 generation / claim。
  • 保留已核验的 candidate / tests / Review / merge 证据。区分 Reviewer approve、Chief Task acceptance 与真实合入,不能仅凭 approve 绕过现有合入门禁。
  • 从实际接收结果/失败阶段保留必要的状态、响应 hash、证据引用与底层原因。不要把失败一律压成 did-not-complete;不把完整 transcript、私密上下文或凭据复制进状态。
  • close 被拒时给出实际缺失或失效的 criteria / evidence / gate;执行器失败不能冒充验收不通过。
  • 向 Chief 提供这些事实,由它判断重试、换资源、继续、咨询或等待;不因分类而自动选路。

2. 修现有反馈链路:格式、范围与过期快照

  • 无效 JSON / 字段类型 / 决策范围错误走原有 correction,反馈准确字段、当前允许范围和必要上下文。
  • 明确本轮 snapshot 内可裁决的 Task ID。域外决策显式拒收并反馈,不静默丢弃、不擅自扩大快照或执行其它 Task;Chief 可以修正输出或通过获准的现有入口获取更多上下文。
  • Task 局部错误应明确定位;保留已经实际应用的决策和拒绝记录,不无区分报告整轮执行失败,也不重放已完成的业务动作。在现有逐 Task 处理和 correction 上最小修正,不增加通用编排层。
  • generation / requirements / candidate / inbox manifest 变化要反馈为当前事实已变,供 Chief基于新快照重新判断。需要刷新时复用原有 Chief Session / snapshot / correction 入口,保留旧轮次审计。
  • 禁止把旧收据直接 rebase 到新 generation,禁止丢弃后假装已读/已处理;旧输入保留真实待处理状态。foreign / revoked / changed-content 等仍保持权限与内容校验。
  • Harness 已支持时优先复用结构化输出能力,并与原有 parser / correction 配合;不为统一形式放开 Chief 的通用工具权限。不做正则修补 passed 或自动推断验收结论。

3. 最后核对已有恢复能力是否可发现、可使用

  • 保留并验证既有 Tester/Reviewer 续跑能力;反馈当前缺什么证据、有哪些合法能力,不规定 Agent 应选哪一个。
  • 历史“必须回 Developer”等拒因保留审计,并标明历史范围/时效;不要继续作为当前硬约束注入提示,也不篡改或清空历史记录。
  • 原生 Chief、宿主、SDK / Docker worker、工具子进程和 preparation 的退出证明保持分层。证据不足如实报告未知;历史记录补证走已有明确授权入口,不猜 PID namespace / generation。
  • claim 退场和代次隔离复用 Reconcile proven execution exit with durable claim retirement before integration admission #2375 的统一对账,避免本条重复实现。不把 attempt.stop 的取消语义改成暂停或恢复。
  • 精简 Chief 提示词:当前授权内自主推进优先、依据当前事实行动、避免无新事实的重复转交;宿主不替 Chief决定是否向个人代理/运维求助。

验收与测试

  • 坏 JSON / 错字段可得到准确 correction,保留当前轮次和响应证据,不泄漏裸私密输出、不自动修改验收布尔值。
  • 单 Task snapshot + 多 Task 决策有明确逐项反馈;不越界、不静默丢弃,不重放已应用动作。
  • generation / batchId / 内容与权限分别变化时,错误分类准确;旧收据不确认新输入,Chief 能拿到当前事实并自主重新裁决。
  • 已有 approve / tests / merge 事实不会因 Chief 执行失败被删除或改成业务失败;旧轮次失败不覆盖新 claim / generation 的业务状态。close 拒因可定位真实缺失项。
  • 满足证据的 interrupted / failed 候选能沿已有入口续 Tester/Reviewer;证据不足则返回具体事实,不强制返工或转人工。
  • 新旧 unmanaged 原生 Chief 与独立 SDK / Docker 的退出边界分别验证;缺失/不匹配证明不误释放。与 Reconcile proven execution exit with durable claim retirement before integration admission #2375 衔接而非建立第二套对账。
  • 同样的宿主错误反馈下,Chief 可合法选择不同下一步;测试不得把“必须选择某角色/转人工”固化为验收。
  • 所有真实缺口有修复前失败、修复后通过的关键回归;区分 fixture、实际 SDK/DSH 与真实现场证据,不以通过测试代替现场归因。
  • 同步长期记忆、相关架构、提示词与必要的 API / OpenAPI 文档;继续遵守完整上下文预算和历史保留约束。

非目标

不重构 Control Plane / UI,不新增固定 DAG 或恢复业务调度器,不自动选择下游/升级人工,不通过重启或手改状态掩盖缺口,不扩大权限,不替代 #2365 的 PR 正式采纳或真实 App 验收,不重写已修复功能,也不把源码合入当作现场验收完成。

补充:2026-11-04 22:50 报告的已确认缺口与验收边界

目标分支仍为 delivery/ai-centric-development-service;核对基线为 d39e70bc35d3c88cf36b9726ccc025c6e946686f。Owner 同意仅按可以确认的代码缺口推进,不以现场附件为开发前置条件。

需要覆盖的回归

  • 执行结果 ok=false 时,保留实际失败阶段和安全的原因/证据引用,不能只返回通用 did-not-complete;执行故障只更新所属 Run,不无条件覆盖 Task 当前业务 block、新 generation/claim 或既有 tests/approve/merge 事实。
  • Chief 裁决因快照代次、候选或输入变化而失效时,继续拒绝旧动作;通过原 Session/snapshot/correction 链提供新事实和准确反馈。已经应用的动作不得重放,旧输入不得伪装成已处理。
  • 区分“Chief 文本已输出”“裁决已接受”“动作已持久应用”“外部结果已确认”。中断/保存失败/重复回调时状态可查询、可恢复,不把可见文本当作路由执行成功。
  • Chief closure needs explicit acceptance-criteria evidence 是正确门禁:反馈缺少的具体 criteria/evidence,不能因为 PR MERGED 就跳过逐项验收。
  • 加入确定性故障注入与重启/迟到结果回归,同步长期记忆、架构和受影响 API 状态说明。是否重试、换资源、找下游或咨询仍由 Chief 决定。

暂不作为已确认根因

  • 仅有 unmanaged-process 不能证明退出核验不支持;此提交已有原生 Chief 专用核验。未知退出继续保留安全屏障。
  • health=overdue 是健康投影,不能据此断言定时触发缺失。先区分 occurrence 未创建、排队阻塞、执行失败和退出未确认;不在本条新增写死巡检周期或第二套补偿调度器。
  • 不在缺少证据时把现场 OAuth、容器控制器丢失或 seed 输入继承认定为本条根因。

Activity

  1. self-assigned this
    on Nov 4, 2026
  2. Birfy commented on Nov 4, 2026

    @Birfy
    Collaborator

    Written-by: Triage

    Parked: 第 2 条(范围:文件 + 可执行验收)与第 3 条(非组间 / 非 tracking)都不过。

  3. added
    needs-humanThe agent loop stopped; a person must decide (reason in the last comment)
    on Nov 4, 2026
  4. zy95-12 commented on Nov 4, 2026

    @zy95-12
    CollaboratorAuthor

    Written-by: Codex

    代码已通过 #2415 合入 delivery/ai-centric-development-service,合入提交 5e71a07e037979e4fbb9280d7cf55b1f1da734df。已 fetch 核验:合入后的文件树与验证过的最终 head 40a2df43ebcb94e5a6ad4f87d01a2ceeac1b1b03 完全一致。

    已修复:Chief Run 的执行/解析/协议/快照/验收错误分层;保留 Task 原业务 block 及 tests/Review/merge 证据;合法 Task 决策单次应用、局部错误进入现有 correction;输入源变更与过期/权限错误分别反馈;纠错传输中断有真实状态;旧 claim 通过 #2375 原入口显式退场,严格匹配当前 Chief invocation,避免自身巡检租约挡住对账。提示词提供合法恢复能力,不指定下一角色或自动转人工。

    验证:最终 head 完整 npm run verify 共 4,968 passed / 0 failed,含8个真实、一次性隔离的 DSH 场景。关键原缺陷有修复前失败与修复后通过记录;测试、PROJECT/ROADMAP 长期记忆、架构/运维文档、OpenAPI、规范生成补丁同步更新,完整上下文预算上限未提高。

    GitHub 状态查询存在不一致:API 仍显示 queued,但下载的最终 head Node 24 job 已完成、无失败步骤;tests-ok job 明确记录 test: success, plugins: skipped, package: skipped 并完成清理。依据实际基本 CI 执行证据及 Owner 已授权的 delivery 分支简化门禁合入,未修改检查状态或使用 admin 绕过。

    边界:源码/隔离测试完成不等于 OpenToday 现场根因全部复现。未读取或修改现场任务、凭据、资源配置,未部署/重启服务,未修改原前端。真实现场轨迹与实际私仓 App 验收仍需独立记录,不以源码合入冒充完成。

  5. reopened this on Nov 20, 2026
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Metadata

Metadata

Assignees

Labels

area:automationScheduled tasks and automationbugSomething isn't workingneeds-humanThe agent loop stopped; a person must decide (reason in the last comment)

Type

No type

Projects

No projects

    Milestone

    No milestone

    Relationships

    None yet

    Development

    No branches or pull requests

    Issue actions