fix(session-pool): 给图执行侧的常驻会话上空闲 TTL，堵住一节点一进程的泄漏

SessionPool 此前只有三条回收路径：换新会话 / reset() / killActive()。「正常跑完」和「不可重试的报错」都不在其中，而 getKey 里带了 taskId —— 每个图节点一个新 key，于是一节点一进程、永不释放，且**不报错**。实测 23 小时漏出 7 个图执行进程。修法与 agent-chat 侧同一套：调用开始时停表（getOrCreate 里 cancel），调用结束时上弦（agent-manager 两个出口调 armIdle），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。旋钮共用 AGENT_SESSION_IDLE_MS（默认 30 分钟）。守卫：server/tests/unit/session-pool-idle-reclaim.test.js Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

fix(session-pool): 给图执行侧的常驻会话上空闲 TTL，堵住一节点一进程的泄漏
SessionPool 此前只有三条回收路径：换新会话 / reset() / killActive()。「正常跑完」和「不可重试的报错」都不在其中，而 getKey 里带了 taskId —— 每个图节点一个新 key，于是一节点一进程、永不释放，且**不报错**。实测 23 小时漏出 7 个图执行进程。修法与 agent-chat 侧同一套：调用开始时停表（getOrCreate 里 cancel），调用结束时上弦（agent-manager 两个出口调 armIdle），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。旋钮共用 AGENT_SESSION_IDLE_MS（默认 30 分钟）。守卫：server/tests/unit/session-pool-idle-reclaim.test.js Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
yibo · 宜博
1 parent 87b776cb
Showing 3 changed files with 153 additions and 0 deletions
server/src/core/agent-manager.js
server/src/core/session-pool.js
server/tests/unit/session-pool-idle-reclaim.test.js
@@ -438,6 +438,9 @@ class AgentManager extends EventEmitter {
         });
  
         this.sessionPool.activeKey = null;
+        // 调用结束 = 会话进入空闲，上弦。不上的话它就永远留在池子里：
+        // getKey 带 taskId，下一个图节点是新 key，这个会话再没人查得到，也再没人杀得掉。
+        this.sessionPool.armIdle(session.key);
  
         if (logSession) await logSession.logAgentEnd(agentName, stdout, 'success');
         return { agent: agentName, output: stdout, status: 'success' };
@@ -463,6 +466,9 @@ class AgentManager extends EventEmitter {
         }
  
         if (logSession) await logSession.logAgentError(agentName, err);
+        // 报错退出同样要上弦 —— 「跑挂的会话」正是 agent-chat 侧漏得最凶的那一类：
+        // 子进程活得好好的，错的是 API 调用，没人回收就是纯泄漏。
+        this.sessionPool.armIdle(session.key);
         throw new Error(`Agent ${agentName} (${protocolName}) failed: ${err.message}`);
       }
     }
@@ -15,6 +15,22 @@
 const { EventEmitter } = require('events');
 const { randomUUID } = require('crypto');
 const { createProtocol } = require('./protocol-factory');
+const { IdleTimer } = require('../engine/idle-timer');
+
+/**
+ * 会话空闲上限。与 routes/agent-chat.js 的 `sessions` 池共用同一个旋钮和同一个含义
+ * —— 两边存的都是**常驻**的 claude CLI 子进程，回收判据也一样。
+ *
+ * 在此之前这个池子只有三条回收路径：换新会话 / reset() / killActive()。
+ * 「正常跑完」和「不可重试的报错」都不在其中，而 getKey 里带了 taskId
+ * —— 每个图节点一个新 key，于是一节点一进程、永不释放，且不报错。
+ * 实测 23 小时漏出 7 个图执行进程（另有 38 个来自 agent-chat 侧的另一个洞）。
+ *
+ * 每次读 env 而不是模块加载时读一次：单测要能改这个值，不然只能等 30 分钟。
+ */
+function idleMs() {
+  return Number(process.env.AGENT_SESSION_IDLE_MS) || 30 * 60 * 1000;
+}
  
 class SessionPool extends EventEmitter {
   constructor() {
@@ -101,6 +117,7 @@ class SessionPool extends EventEmitter {
       launcher,
       sessionId,
       callQueue: Promise.resolve(),
+      idleTimer: null, // 由 armIdle 上弦；新建会话在首次调用期间故意不计时
     };
  
     this.sessions.set(sessionKey, session);
@@ -115,6 +132,7 @@ class SessionPool extends EventEmitter {
     const existing = this.sessions.get(key);
  
     if (existing?.protocol?.isConnected) {
+      existing.idleTimer?.cancel(); // 请求在途期间不计空闲
       this._emit(agentName, protocolName, 'reused', existing.sessionId, key);
       return existing;
     }
@@ -132,10 +150,37 @@ class SessionPool extends EventEmitter {
   }
  
   /**
+   * 调用结束后给会话上弦；调用开始时由 getOrCreate 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
+   * —— 与 agent-chat 侧同一套写法，比在流式回调里 touch() 少一处要维护的调用点。
+   *
+   * ponytail: 这是**兜底**不是精算 —— 一次性 taskId（图节点跑完就不会再用）也要
+   * 白占一个 TTL 周期的内存，天花板是「并发会话数 × 单进程 RSS（实测约 300MB）× TTL」。
+   * 要更紧的话，调用方在明知 taskId 一次性时直接 reset(key) 立刻释放；这里不替它判断，
+   * 因为 devloop 的 retry-with-reflection 复用同一个 taskId，一刀切关掉会砍掉复用能力。
+   */
+  armIdle(sessionKey) {
+    const session = this.sessions.get(sessionKey);
+    if (!session) return;
+    session.idleTimer?.cancel();
+    const ms = idleMs();
+    session.idleTimer = new IdleTimer(
+      ms,
+      () => {
+        console.log(`[SessionPool] 🧹 会话空闲超过 ${Math.round(ms / 60000)} 分钟，回收 ${sessionKey}`);
+        this.reset(sessionKey).catch(() => {});
+      },
+      { label: `pool-session:${sessionKey}` }
+    ).start();
+  }
+
+  /**
    * 重置（断开 + 清理）单个会话
    */
   async reset(sessionKey) {
     const session = this.sessions.get(sessionKey);
+    session?.idleTimer?.cancel();
     if (session?.protocol) {
       this._emit(
         session.agentName, session.protocolName, 'closed',
@@ -197,6 +242,7 @@ class SessionPool extends EventEmitter {
     if (!this.activeKey) return null;
     const session = this.sessions.get(this.activeKey);
     if (!session?.protocol) return null;
+    session.idleTimer?.cancel();
  
     this._emit(
       session.agentName, session.protocolName, 'closed',
+/**
+ * SessionPool 空闲回收守卫
+ *
+ * 背景：这个池子存的是**常驻**的 claude CLI 子进程，而 getKey 里带了 taskId
+ * —— 每个图节点一个新 key，跑完之后再没人查得到那个会话，也再没人杀得掉它。
+ * 修之前池子只有三条回收路径（换新会话 / reset / killActive），「正常跑完」和
+ * 「不可重试的报错」都不在其中，实测 23 小时漏出 7 个进程（约 2GB RSS）。
+ *
+ * 症状是**静默的**：不报错、不写日志、git status 干净，只有内存一路涨。所以这里盯三条：
+ *   1. 上弦之后到点必须真的杀子进程 + 摘出池子
+ *   2. 会话被复用时必须停表（否则长任务跑到一半被 TTL 打断，比泄漏更难查）
+ *   3. reset 之后计时器不许还活着（否则回收完还会再摸一次已经不存在的会话）
+ *
+ * 不起真 CLI：直接把假会话塞进 pool.sessions，只验回收机制本身。
+ */
+import { describe, it, expect, beforeEach, afterEach } from 'vitest';
+import { createRequire } from 'node:module';
+
+const require_ = createRequire(import.meta.url);
+const { SessionPool } = require_('../../src/core/session-pool');
+
+const TTL = 30; // ms —— idleMs() 每次读 env，所以能在测试里调小
+const AGENT = 'graph-node-agent';
+const CONFIG = { client: 'claude', deploy: 'local', companyId: 'e2e-demo', taskId: 'run_dead_beef' };
+const WORKDIR = '/tmp/does-not-need-to-exist';
+
+const sleep = (ms) => new Promise((r) => setTimeout(r, ms));
+
+/** 一个只记录 disconnect 有没有被调过的假 protocol */
+function fakeSession(pool, { connected = true } = {}) {
+  const key = pool.getKey(AGENT, CONFIG, WORKDIR);
+  const session = {
+    key,
+    agentName: AGENT,
+    protocolName: 'claude-cli',
+    protocol: { isConnected: connected, sessionId: 'sess-1', disconnected: false,
+                disconnect() { this.disconnected = true; this.isConnected = false; } },
+    launcher: null,
+    sessionId: 'sess-1',
+    callQueue: Promise.resolve(),
+    idleTimer: null,
+  };
+  pool.sessions.set(key, session);
+  return { key, session };
+}
+
+describe('SessionPool 空闲回收', () => {
+  let prevEnv;
+  let pool;
+
+  beforeEach(() => {
+    prevEnv = process.env.AGENT_SESSION_IDLE_MS;
+    process.env.AGENT_SESSION_IDLE_MS = String(TTL);
+    pool = new SessionPool();
+  });
+
+  afterEach(() => {
+    if (prevEnv === undefined) delete process.env.AGENT_SESSION_IDLE_MS;
+    else process.env.AGENT_SESSION_IDLE_MS = prevEnv;
+  });
+
+  it('上弦后到点：子进程被杀，会话从池子里摘掉', async () => {
+    const { key, session } = fakeSession(pool);
+
+    pool.armIdle(key);
+    expect(session.protocol.disconnected).toBe(false); // 还没到点，不许提前动手
+
+    await sleep(TTL * 3);
+
+    expect(session.protocol.disconnected).toBe(true);
+    expect(pool.sessions.has(key)).toBe(false);
+  });
+
+  it('会话被复用时停表 —— 在途请求不会被 TTL 打断', async () => {
+    const { key, session } = fakeSession(pool);
+
+    pool.armIdle(key);
+    const reused = await pool.getOrCreate(AGENT, CONFIG, {}, 'claude-cli', WORKDIR);
+    expect(reused).toBe(session); // 命中复用，没有新建
+
+    await sleep(TTL * 3);
+
+    expect(session.protocol.disconnected).toBe(false);
+    expect(pool.sessions.has(key)).toBe(true);
+  });
+
+  it('reset 之后计时器不再触发', async () => {
+    const { key, session } = fakeSession(pool);
+
+    pool.armIdle(key);
+    await pool.reset(key);
+    expect(session.protocol.disconnected).toBe(true);
+    expect(pool.sessions.has(key)).toBe(false);
+
+    // 看 IdleTimer.fired 而不是「有没有再杀一次子进程」：会话已经不在池子里了，
+    // 超时回调本来就空转，拿 disconnected 断言等于什么都没测（写第一版时就是这么假绿的）。
+    // fired 直接答的是「这只表还在不在走」—— 没取消的话它会留一个吊着的 setTimeout。
+    await sleep(TTL * 3);
+    expect(session.idleTimer.fired).toBe(false);
+  });
+});