fix(agent-chat): 后台调用按 kind 区分标注与回收策略，pipeline 重试不再冷启动

承接 310a2b2 的两个遗留： ① 四类被错标成心跳 company-heartbeat-service._sendAgentChat 给五类调用（心跳巡检 / Pipeline 步骤 / 日程 / 告警 / 日报）无差别打 isHeartbeat:true，于是对话列表里全都显示成「⏱️ 自主心跳巡检」、meta.type 一律 'heartbeat'。改成显式传 kind，五类各自标注。 isHeartbeat 仍然发，但只对真心跳为真，老消费方行为不变。 ② 310a2b2 让 Pipeline 重试变成了冷启动 Pipeline 步骤的 convId 是 `pipeline-{runId}-step-{i}`，被驳回重做时**复用同一个**。 310a2b2 按 isHeartbeat 一刀切回收，等于每次重试都要走 buildPrompt 场景 C 重注入历史。现在回收策略挂在 CALL_KINDS 表上，判据只有一条：**convId 会不会被下一轮复用** —— 会复用的（pipeline / 人类对话）留着走 TTL，不复用的（心跳 / 日程 / 告警 / 日报）跑完即回收。不按「是不是后台调用」分：五类后台调用里 pipeline 就是要留的那一类。守卫补到 12 条（原 3 + kind 标注 5 + 回收策略 4）。对 310a2b2 跑过：8 红 4 绿。 convId 一律用固定字面量而非拼时间戳 —— 撞上 test-id-stability 那道防线后按它的判据改的，固定之后第二次跑还顺带走了「复用已有对话」那条分支。文档： - CLAUDE.md 注意事项加一条（新增会话创建路径时必须同时定回收路径，附症状与守卫位置） - 28-followups 守卫清单补第五条，并把「前四条守单一持有者」与第五条「守资源生命周期」的形状差异写明；顺手修掉表格已有 4 行、结尾却仍写「这三条」的失配 - .env.example 补 AGENT_SESSION_IDLE_MS 全量单测 667/667 绿。重启后 /api/health 正常，心跳照常挂载。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

fix(agent-chat): 后台调用按 kind 区分标注与回收策略，pipeline 重试不再冷启动
承接 310a2b2 的两个遗留： ① 四类被错标成心跳 company-heartbeat-service._sendAgentChat 给五类调用（心跳巡检 / Pipeline 步骤 / 日程 / 告警 / 日报）无差别打 isHeartbeat:true，于是对话列表里全都显示成「⏱️ 自主心跳巡检」、meta.type 一律 'heartbeat'。改成显式传 kind，五类各自标注。 isHeartbeat 仍然发，但只对真心跳为真，老消费方行为不变。 ② 310a2b2 让 Pipeline 重试变成了冷启动 Pipeline 步骤的 convId 是 `pipeline-{runId}-step-{i}`，被驳回重做时**复用同一个**。 310a2b2 按 isHeartbeat 一刀切回收，等于每次重试都要走 buildPrompt 场景 C 重注入历史。现在回收策略挂在 CALL_KINDS 表上，判据只有一条：**convId 会不会被下一轮复用** —— 会复用的（pipeline / 人类对话）留着走 TTL，不复用的（心跳 / 日程 / 告警 / 日报）跑完即回收。不按「是不是后台调用」分：五类后台调用里 pipeline 就是要留的那一类。守卫补到 12 条（原 3 + kind 标注 5 + 回收策略 4）。对 310a2b2 跑过：8 红 4 绿。 convId 一律用固定字面量而非拼时间戳 —— 撞上 test-id-stability 那道防线后按它的判据改的，固定之后第二次跑还顺带走了「复用已有对话」那条分支。文档： - CLAUDE.md 注意事项加一条（新增会话创建路径时必须同时定回收路径，附症状与守卫位置） - 28-followups 守卫清单补第五条，并把「前四条守单一持有者」与第五条「守资源生命周期」的形状差异写明；顺手修掉表格已有 4 行、结尾却仍写「这三条」的失配 - .env.example 补 AGENT_SESSION_IDLE_MS 全量单测 667/667 绿。重启后 /api/health 正常，心跳照常挂载。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
yibo · 宜博 · 宜博 · 宜博
1 parent 310a2b2e
Showing 6 changed files with 123 additions and 23 deletions
.env.example
CLAUDE.md
docs/todo/system-design/28-followups.md
server/routes/agent-chat.js
server/services/company-heartbeat-service.js
server/tests/unit/agent-chat-session-reclaim.test.js
@@ -24,6 +24,11 @@ export WHATSAPP_TRIGGER=@Andy
 export WHATSAPP_BOT_NAME=Andy
 export WHATSAPP_SELF_CHAT=true
  
+# agent-chat 会话池：空闲多久回收一个常驻 claude CLI 子进程（毫秒，默认 30 分钟）
+# 调小能更快释放内存，代价是多轮对话更容易冷启动重注入历史。
+# 一次性调用（心跳 / 日程 / 告警 / 日报）不受这个值影响，它们跑完即回收。
+# AGENT_SESSION_IDLE_MS=1800000
+
 # Open API（外部接入）
 # 逗号分隔的 API Key 列表
 OPEN_API_KEYS=sk-your-key-1,sk-your-key-2
@@ -145,6 +145,12 @@ auto-dev &quot;&lt;task&gt;&quot;                 # bin 入口 → server/src/cli/auto-dev.js
 - 生产环境只跑 `server/index.js`：它会同时托管 API + `web/dist/` 静态文件（`NODE_ENV=production`）。
 - `start.sh` **只**做：kill 占用 3010/5173 的进程 → 起 `server/index.js` → 起 `vite`。**不**会自动 `skills:sync` / `web:build` / 起 bot —— 那些要单独跑。
 - `server/index.js` 与 `agent-server.js` 都内置了 **body-sanitizer 中间件**：在 `express.json()` 之前清掉 `\x00-\x1F` 控制字符，避免外部 Agent 通过 `curl` 传未转义换行/制表符导致的 `Bad control character` 报错。修改请求体解析链路前先看这两段。
+- **agent-chat 的 `sessions` 池存的是常驻 claude CLI 子进程**（stream-json 模式，不是一次性的 `claude -p`）。
+  新增一条会创建会话的调用路径时，必须同时想清楚它的回收路径 —— 判据只有一条：**convId 会不会被下一轮复用**。
+  不复用的（心跳 / 日程 / 告警 / 日报）在 `CALL_KINDS` 里标 `true`，跑完即回收；会复用的（pipeline 被驳回重做、
+  人类多轮对话）标 `false`，靠空闲 TTL 兜底（`AGENT_SESSION_IDLE_MS`，默认 30 分钟）。
+  漏标的症状是**静默的**：不报错、不写日志、`git status` 干净，只有内存一路涨（曾经 2h43m 漏出 82 个进程 / 17.5 GB）。
+  守卫：`server/tests/unit/agent-chat-session-reclaim.test.js`。
 - 模块别名 `@server` → `server/`（`module-alias` 注册），跨子包 require 时可用。
 - Claude CLI 进程默认带 `--dangerously-skip-permissions`，写入受限路径前自己评估风险。
 - DevLoop 详见上方「DevLoop 子系统」一节；需要 wireframe / SVG 图表 / 完整人类阅读版时才回查 `_spec/*.md` 同名的 `*.html`。
@@ -95,9 +95,12 @@
  
 ## 五、已经立起来的守卫（别重复造，也别删）
  
-这几条是沉淀下来的不变式测试（前三条出自 agent 目录重构那一轮，第四条出自 27-P3C 批 1）。它们守的都是「同一个事实只能有一处持有者」，
-而且都带**「样本非空」前置断言** —— 少了那一条，扫描路径一写错就会以「零违例」的形式全绿，
-一条永远通过的不变式测试和没有这条测试是一回事。
+这几条是沉淀下来的不变式测试（前三条出自 agent 目录重构那一轮，第四条出自 27-P3C 批 1，第五条出自 CLI 进程泄漏那一轮）。
+**前四条**守的都是「同一个事实只能有一处持有者」，而且都带**「样本非空」前置断言** —— 少了那一条，扫描路径一写错就会以
+「零违例」的形式全绿，一条永远通过的不变式测试和没有这条测试是一回事。
+
+第五条形状不同：它守的不是「持有者唯一」而是**资源生命周期**（每一条创建路径都要有对应的回收路径），
+判据也不靠扫源码，而是把回收行为当黑盒去探。列在一起是因为「别重复造，也别删」这条规矩对它同样适用。
  
 | 测试 | 守什么 | 违例时 |
 |------|--------|--------|
@@ -105,12 +108,23 @@
 | `no-stale-templates-path.test.js` | 活定义里不许出现已死的 `system/templates`（判据：git 跟踪的才是定义，未跟踪的是运行态产物） | 同上 |
 | `repo-hygiene.test.js` | tracked 与 ignored 不重叠 | 列出越界文件 |
 | `runs-root-single-holder.test.js` | 凡是把 `process.env.GRAPH_RUNS_DIR` 绑到标识符上的模块，那个标识符必须在**代码里**（不是注释里）真正被用到 | 精确点名到文件行号 |
+| `agent-chat-session-reclaim.test.js` | agent-chat 的 `sessions` 池：一次性 convId 的调用跑完必须回收，可复用的（pipeline / 人类对话）必须留下并受 TTL 兜底；顺带锁 `CALL_KINDS` 的标注 | 探针 `/chat/:convId/stop` 报告会话还在 |
  
 > 第四条的来历值得记：`goal-contract.js` 里曾有一行 `const RUNS_ROOT = process.env.GRAPH_RUNS_DIR || null`，
 > 注释白纸黑字写着「与 graph-engine.RUNS_ROOT 是同一个变量（测试隔离在用）」，**全文件却零引用**。
 > 一个声明了意图、代码却不兑现的常量，比没有这个常量更容易骗人 —— 读的人会据此认为该模块认这个覆盖。
 > 它同时也是「实现在、零调用方」这个惯犯模式的又一例（本仓库有人数到第五次，有人写「十几次」）。
  
-**改动它们之前先想清楚**：这三条的价值全在于「红了才有用」。
+> 第五条的来历同样值得记：`sessions` 池存的是**常驻**的 claude CLI 子进程，回收路径只有四条
+> （协议 error / 子进程 disconnected / 手动删对话 / 手动 stop），**「正常跑完」不在其中**。
+> 两路心跳又都用一次性 convId 打进来，于是每 5 分钟漏一个进程，实测单次运行 2h43m 攒到
+> **82 个进程 / 17.5 GB RSS**。它不报错、不写日志、`git status` 干净，唯一的症状是机器变慢 ——
+> 和第四条一样属于「读代码读不出来、要去看运行态才发现」的一类。
+>
+> 回收策略的判据写在 `agent-chat.js` 的 `CALL_KINDS` 表里，只有一条：**convId 会不会被下一轮复用**。
+> 会复用的（pipeline 被驳回重做、人类多轮对话）留着走 TTL，不复用的跑完即回收。
+> 不要按「是不是后台调用」来分 —— 五类后台调用里 pipeline 就是要留的那一类。
+
+**改动它们之前先想清楚**：这几条的价值全在于「红了才有用」。
 放宽判据、加例外、或者把断言改成永远成立的形式，等于把守卫拆掉 ——
 本仓库有过「隔离是表演」的测试污染前科。
@@ -772,6 +772,31 @@ function closeSession(key, reason) {
 }
  
 /**
+ * 后台调用的种类 → [对话标题, meta.type, 会话是否一次性]
+ *
+ * 在此之前后台五条调用（心跳巡检 / Pipeline 步骤 / 日程 / 告警 / 日报）无差别打 `isHeartbeat:true`，
+ * 于是对话列表里全都显示成「⏱️ 自主心跳巡检」—— 四类被错标成第五类。
+ *
+ * 「一次性」那一列不是标签，是**回收策略**，判据只有一条：convId 会不会被下一轮复用。
+ *   - 心跳 / 日程 / 告警 / 日报：convId 带时间戳，用完即弃 → 跑完立刻回收
+ *   - Pipeline 步骤：convId 是 `pipeline-{runId}-step-{i}`，**被驳回重做时会复用同一个**，
+ *     留着会话能让重试直接接上下文（否则要走 buildPrompt 场景 C 冷启动重注入历史）。
+ *     它不会变成泄漏 —— 有空闲 TTL 兜底。
+ */
+const CALL_KINDS = {
+  heartbeat: ['⏱️ 自主心跳巡检', 'heartbeat', true],
+  pipeline:  ['🔧 流水线步骤',   'pipeline',  false],
+  schedule:  ['📅 日程任务',     'schedule',  true],
+  alert:     ['🚨 告警',         'alert',     true],
+  report:    ['📊 日报',         'report',    true],
+};
+
+/** 没带 kind 的老调用方（heartbeat-service 只发 isHeartbeat）按心跳算，行为不变 */
+function resolveKind(body) {
+  return CALL_KINDS[body.kind] || (body.isHeartbeat ? CALL_KINDS.heartbeat : null);
+}
+
+/**
  * 请求结束后给会话上弦；请求开始时由 getOrCreateProtocol 停表。
  * 计时器只在「没有在途请求」的间隙走，所以再长的单次生成也不会被 TTL 打断
  * —— 这比在流式回调里 touch() 少一处需要维护的调用点。
@@ -2451,14 +2476,16 @@ router.post(&#39;/:agentId/chat&#39;, async (req, res) =&gt; {
   const sendSSE = setupSSE(res);
   const identity = loadIdentity(agentDir);
  
+  const kind = resolveKind(req.body);
+
   // 确保 meta.json 存在
   let meta = loadMeta(agentId, convId);
   if (!meta) {
     meta = {
       conversationId: convId,
       agentId,
-      title: req.body.isHeartbeat ? '⏱️ 自主心跳巡检' : message.slice(0, 50),
-      type: req.body.isHeartbeat ? 'heartbeat' : 'chat',
+      title: kind ? kind[0] : message.slice(0, 50),
+      type: kind ? kind[1] : 'chat',
       createdAt: new Date().toISOString(),
       updatedAt: new Date().toISOString(),
       status: 'running',
@@ -2753,10 +2780,9 @@ ${resultsText.join(&#39;\n\n&#39;)}
   } finally {
     agentChatLocks.delete(agentId);
     res.end();
-    // 心跳会话是一次性的（heartbeat-service 每次都生成新 convId），留在池子里就是纯泄漏。
-    // 普通对话保留会话复用能力，只上空闲 TTL。
+    // convId 用完即弃的那几类立刻回收（留着就是纯泄漏）；其余保留会话复用能力，只上空闲 TTL。
     const sessionKey = `${agentId}:${convId}`;
-    if (req.body.isHeartbeat) closeSession(sessionKey, '心跳结束');
+    if (kind?.[2]) closeSession(sessionKey, `${kind[1]} 结束`);
     else armSessionIdle(sessionKey);
   }
 });
@@ -256,7 +256,7 @@ class CompanyHeartbeatService {
       ].join('\n');
  
       // 通过 HTTP 触发 Agent Chat (异步，不阻塞心跳)
-      this._sendAgentChat(companyId, task.agent, taskMessage, `pipeline-${runMeta.runId}-step-${task.stepIndex}`);
+      this._sendAgentChat(companyId, task.agent, taskMessage, `pipeline-${runMeta.runId}-step-${task.stepIndex}`, 'pipeline');
     }
   }
  
@@ -278,7 +278,7 @@ class CompanyHeartbeatService {
       `5. 无事则回复 "[心跳正常]"`,
     ].join('\n');
  
-    this._sendAgentChat(companyId, ceoId, msg, `heartbeat-${Date.now().toString(36)}`);
+    this._sendAgentChat(companyId, ceoId, msg, `heartbeat-${Date.now().toString(36)}`, 'heartbeat');
   }
  
   // ═══════════════════════════════════════
@@ -304,7 +304,7 @@ class CompanyHeartbeatService {
       ].join('\n');
  
       console.log(`[Schedule] 📅 ${companyId} 触发日程: ${slot.time} → ${slot.agent} (${slot.task})`);
-      this._sendAgentChat(companyId, agentId, msg, `schedule-${slot.id}-${Date.now().toString(36)}`);
+      this._sendAgentChat(companyId, agentId, msg, `schedule-${slot.id}-${Date.now().toString(36)}`, 'schedule');
     }
   }
  
@@ -329,7 +329,7 @@ class CompanyHeartbeatService {
     ].join('\n');
  
     // 发给 Master Agent
-    this._sendAgentChat(null, 'master', msg, `alert-${companyId}-${Date.now().toString(36)}`);
+    this._sendAgentChat(null, 'master', msg, `alert-${companyId}-${Date.now().toString(36)}`, 'alert');
     console.log(`[Alert] 🚨 已向 Master 发送告警: ${companyId} - ${alertMessage.substring(0, 80)}`);
   }
  
@@ -376,7 +376,7 @@ class CompanyHeartbeatService {
       `请查看以上日报。如需调整策略或设定新目标，请下发指令给 CEO。`,
     ].join('\n');
  
-    this._sendAgentChat(null, 'master', msg, `daily-report-${companyId}-${today}`);
+    this._sendAgentChat(null, 'master', msg, `daily-report-${companyId}-${today}`, 'report');
     console.log(`[DailyReport] 📊 ${companyId} 晨会日报已发送给 Master`);
   }
  
@@ -467,12 +467,17 @@ class CompanyHeartbeatService {
   /**
    * 通过 HTTP 向 Agent 发送消息 (异步, 不阻塞)
    * companyId 为 null 时发给全局 Agent (如 master)
+   *
+   * kind 决定对方那边的对话标题 / meta.type / 会话回收策略（见 agent-chat.CALL_KINDS）。
+   * 之前这里给五类调用无差别打 isHeartbeat:true，对话列表里全成了「自主心跳巡检」。
+   * isHeartbeat 仍然发，但只对真心跳为真 —— 老的消费方（如果还有）行为不变。
    */
-  _sendAgentChat(companyId, agentId, message, conversationId) {
+  _sendAgentChat(companyId, agentId, message, conversationId, kind = 'heartbeat') {
     const postData = JSON.stringify({
       message,
       conversationId,
-      isHeartbeat: true,
+      kind,
+      isHeartbeat: kind === 'heartbeat',
     });
  
     const options = {
@@ -4,12 +4,14 @@
  * agent-chat 的 `sessions` Map 存的是**常驻**的 claude CLI 子进程（stream-json 模式，
  * 不是一次性的 `claude -p`）。修之前只有四条回收路径：协议 error / 子进程 disconnected /
  * 手动删对话 / 手动 stop —— 「正常跑完的对话」不在其中。而 heartbeat-service 每 5 分钟
- * 用一个**全新** convId（`heartbeat-${Date.now()}`）打进来，于是每次心跳都新起一个进程且
+ * 用一个**全新** convId（前缀 heartbeat- 后面拼时间戳）打进来，于是每次心跳都新起一个进程且
  * 永不释放。cto / coo 两个本体的 intervalMinutes 都是 5，正好对上观测到的「每 5 分钟涨 2-3 个」。
  *
  * 探针用现成的 `/chat/:convId/stop`：它只在 sessions 里查得到条目时才返回 success:true，
  * 所以不用为测试往模块里加导出口。断言全是「会话还在不在」，不看 chat 自己的响应内容。
  */
+// convId 一律用固定字面量（不拼时间戳）：见 test-id-stability —— 测试写进 system/agents/ 的东西
+// 都是正式条目，「每跑一次换一个 id」会变成注册表泄漏。固定之后第二次跑还顺带走了「复用已有对话」那条分支。
 process.env.LEMONBOSS_CLAUDE_MODE = 'mock';       // 必须早于 require：acp-core 的 mock 开关是模块级常量
 process.env.AGENT_SESSION_IDLE_MS = '400';        // 同理，SESSION_IDLE_MS 是模块级常量
  
@@ -24,10 +26,22 @@ const ROOT = path.resolve(__dirname, &#39;../../..&#39;);
 const AGENT = 'zz-session-reclaim';
 const BODY = path.join(ROOT, 'system', 'agents', AGENT);
  
+/** 只清运行态。本体定义（config/identity/agent.md）留下，与 zz-tenant-* 同一约定：
+ *  测试建出来的 agent 也是正式注册表条目，建了又删会让并行的全量遍历用例撞上
+ *  「列到了名字、进去时已经没了」的 flaky（见 test-id-stability 的头注）。 */
+function clearRuntimeState() {
+  for (const d of ['conversations', '_global', 'memory']) {
+    fs.rmSync(path.join(BODY, d), { recursive: true, force: true });
+  }
+}
+
 describe('agent-chat · 会话回收（心跳即时回收 + 空闲 TTL）', () => {
   let base, srv;
  
   beforeAll(async () => {
+    // 固定 convId 之后，上一次跑（尤其是中途失败那次）残留的 meta.json 会被 loadMeta 命中，
+    // 标题就不再重算 —— 断言会验到历史值。所以进来先清一遍运行态。
+    clearRuntimeState();
     fs.mkdirSync(BODY, { recursive: true });
     fs.writeFileSync(path.join(BODY, 'config.json'), JSON.stringify({ id: AGENT, type: 'skill', name: AGENT, status: 'active' }, null, 2));
     fs.writeFileSync(path.join(BODY, 'identity.md'), `# ${AGENT}\n`);
@@ -41,9 +55,7 @@ describe(&#39;agent-chat · 会话回收（心跳即时回收 + 空闲 TTL）&#39;, () =
  
   afterAll(async () => {
     if (srv) await new Promise((r) => srv.close(r));
-    // 本体定义（config/identity/agent.md）留下，与 zz-tenant-* 同一约定：测试建出来的 agent 也是
-    // 注册表条目，建了又删会让并行用例撞上「列到了名字、进去时已经没了」的 flaky。只清运行态。
-    for (const d of ['conversations', '_global', 'memory']) fs.rmSync(path.join(BODY, d), { recursive: true, force: true });
+    clearRuntimeState();
   });
  
   /** 跑完一轮对话（SSE 要读到流结束，否则 finally 还没执行） */
@@ -62,24 +74,56 @@ describe(&#39;agent-chat · 会话回收（心跳即时回收 + 空闲 TTL）&#39;, () =
     return (await res.json()).success === true;
   };
  
+  /** 探针：对话的 meta（标题 / type） */
+  const metaOf = async (convId) =>
+    (await fetch(`${base}/api/agent/${AGENT}/conversations/${convId}`)).json();
+
   const sleep = (ms) => new Promise((r) => setTimeout(r, ms));
  
   it('心跳会话跑完立刻回收（这是泄漏的正主）', async () => {
-    const conv = `heartbeat-${Date.now().toString(36)}`;
+    const conv = 'heartbeat-fixed';
     await chat(conv, { isHeartbeat: true });
     expect(await alive(conv)).toBe(false);
   });
  
   it('普通对话保留会话（复用能力不能被顺手砍掉）', async () => {
-    const conv = `conv-keep-${Date.now().toString(36)}`;
+    const conv = 'conv-keep';
     await chat(conv);
     expect(await alive(conv)).toBe(true);
   });
  
   it('普通对话空闲超过 TTL 后被回收', async () => {
-    const conv = `conv-ttl-${Date.now().toString(36)}`;
+    const conv = 'conv-ttl';
     await chat(conv);
     await sleep(700); // > AGENT_SESSION_IDLE_MS
     expect(await alive(conv)).toBe(false);
   });
+
+  // ── kind：四类一次性调用被错标成心跳，且 pipeline 不能跟它们同策略 ──
+
+  it.each([
+    ['heartbeat', '⏱️ 自主心跳巡检'],
+    ['schedule', '📅 日程任务'],
+    ['alert', '🚨 告警'],
+    ['report', '📊 日报'],
+    ['pipeline', '🔧 流水线步骤'],
+  ])('kind=%s 的对话按自己的类型标注，不再一律显示成心跳', async (kind, title) => {
+    const conv = `k-${kind}`;
+    await chat(conv, { kind });
+    const meta = await metaOf(conv);
+    expect(meta.type).toBe(kind);
+    expect(meta.title).toBe(title);
+  });
+
+  it.each(['schedule', 'alert', 'report'])('kind=%s（convId 用完即弃）跑完立刻回收', async (kind) => {
+    const conv = `r-${kind}`;
+    await chat(conv, { kind });
+    expect(await alive(conv)).toBe(false);
+  });
+
+  it('kind=pipeline 保留会话 —— 被驳回重做会复用同一个 convId，冷启动要重注入历史', async () => {
+    const conv = 'pipeline-run1-step-0';
+    await chat(conv, { kind: 'pipeline' });
+    expect(await alive(conv)).toBe(true);
+  });
 });