宜博 / lemonboss

Commit ef20ceb6efa1a520056f7b07082a912557719ea6

Authored by yibo
1 parent f64ddc23

fix(graph-engine): reopenRunForRetry/孤儿清扫重挂 auto 驱动循环 (T-mtjh8sdt) 

reopenRunForRetry 与 _reapStaleRunningNodes（开机孤儿清扫 + 45号文档持续性存活
扫描共用）把 run 从 blocked/ready 拉回 running 走的是裸 admitOrRequeue，不是
startRun，只改了状态从没重新挂上 runAuto 自驱动循环——手动/自动重试推一步后没人
接着推，agentRunId 仍是 null，backward 重试每次都在这里再卡一次。两处都补上
startRun 收尾那段逻辑：真的推成 running 且 execution_mode==='auto' 才挂 driver。

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
Inline Side-by-side
Showing 1 changed file with 30 additions and 0 deletions
server/services/graph-engine.js
  View file @ef20ceb
... ... @@ -3204,6 +3204,7 @@ function stopWallclockWatchdog() {
3204 3204 */
3205 3205 function _reapStaleRunningNodes(rows, summary) {
3206 3206 const swept = [];
  3207 + const runIdsToRedrive = new Set();
3207 3208 for (const row of rows) {
3208 3209 try {
3209 3210 const run = getRun(row.run_id);
... ... @@ -3220,10 +3221,26 @@ function _reapStaleRunningNodes(rows, summary) {
3220 3221 const out = { activated: [], backwardEdgeId: null, loop: null, contractDiff: null, crossLayer: null, reset: [], infraRerun: false };
3221 3222 routeFailure(row.run_id, def, nodeRun, out, null);
3222 3223 swept.push({ runId: row.run_id, nodeRunId: row.id, infraRerun: out.infraRerun });
  3224 + runIdsToRedrive.add(row.run_id);
3223 3225 } catch (err) {
3224 3226 console.error(`[graph-engine] _reapStaleRunningNodes node=${row.id} 异常: ${err.message}`);
3225 3227 }
3226 3228 }
  3229 + // T-mtjh8sdt 同一个洞的第二个入口：routeFailure 把节点重置回 ready/running 只改了状态，
  3230 + // 不会重新挂上 runAuto 的自驱动循环（reopenRunForRetry 那次已经补过人工重试路径，这里
  3231 + // 是开机孤儿清扫 sweepOrphanedRunningNodes 与 45 号文档持续性存活扫描
  3232 + // sweepStaleRunningAgentCalls 共用的结算内层循环，同一缺陷的另一条触发路径）。
  3233 + // 异步补、不 await：sweepOrphanedRunningNodes 在服务器启动路径上同步调用，扫描可能
  3234 + // 命中好几个 run，不能让重新驱动的 agent 调用顶着启动耗时走；按 run 去重，避免同一个
  3235 + // run 里多个孤儿节点各自触发一次 runAuto。
  3236 + for (const runId of runIdsToRedrive) {
  3237 + const after = getRun(runId);
  3238 + if (after && after.run_status === 'running' && after.execution_mode === 'auto') {
  3239 + runAuto(runId).catch((err) => {
  3240 + console.error(`[graph-engine] 孤儿清扫重挂 auto 驱动异常 run=${runId}: ${err.message}`);
  3241 + });
  3242 + }
  3243 + }
3227 3244 return { scanned: rows.length, swept };
3228 3245 }
3229 3246  
... ... @@ -3802,6 +3819,13 @@ function descendantRuns(run) {
3802 3819 *
3803 3820 * @returns {void} 没有「失败」这个出口：要么推进了，要么被别人抢先推走了（都可以继续动节点），
3804 3821 * 要么抛 RunSlotBusyError（整条重试作废，节点一个字都没动）。
  3822 + *
  3823 + * **auto 模式重挂驱动循环**（T-mtjh8sdt）：这里把 run 从 blocked/ready 拉回 running 走的是
  3824 + * 裸 `admitOrRequeue`，不是 `startRun`——所以以前只改了状态，从没重新挂上 `runAuto` 的自驱动
  3825 + * 循环。手动 `nextStep` 推一步后没人接着推，agentRunId 仍是 null，backward 重试每次都会在
  3826 + * 这里再卡一次。`startRun` 的收尾那段（判 execution_mode==='auto' 才挂 driver）搬过来一份：
  3827 + * 只在真的把 run 推成了 running 且 execution_mode 是 auto 时才挂，manual 模式或没推动（requeued/
  3828 + * lost）都不挂，语义与 startRun 对齐。
3805 3829 */
3806 3830 function reopenRunForRetry(runId, reopenRun) {
3807 3831 if (!reopenRun) return;
... ... @@ -3813,6 +3837,12 @@ function reopenRunForRetry(runId, reopenRun) {
3813 3837 if (cur === 'blocked' || cur === 'ready') {
3814 3838 admitOrRequeue(runId, cur, 'running', { summary: `人工重试重开链路：${cur} → running` });
3815 3839 }
  3840 + const after = getRun(runId);
  3841 + if (after && after.run_status === 'running' && after.execution_mode === 'auto') {
  3842 + runAuto(runId).catch((err) => {
  3843 + console.error(`[graph-engine] 人工重试重挂 auto 驱动异常 run=${runId}: ${err.message}`);
  3844 + });
  3845 + }
3816 3846 }
3817 3847  
3818 3848 /**
... ...