逐条对着代码核初稿,最要命的一条是基础事实搞错了:
- createRun 在建行的事务里就按 readDefGraph 把 graph_run_nodes 全插好了。
初稿三处基于「queued run 没有节点行、进去就是空指针」的论证全部作废。
真实情况是 queued run 与 ready run 在数据上只差 run_status 一个字段,
所以「靠没有节点行自然报错」那道想象中的防线根本不存在,
唯一的闸门是 advanceOne 里 run_status !== 'running' 那一句,必须加断言钉死。
由此派生出一个既存、但被排队从毫秒窗口放大成必然事件的缺陷:
节点行在 createRun 时快照,而 getRunState 每次读都取当前定义。
排队期间点「重新规划组织」→ 新节点没有 run 行 → 出队即卡死。
补 syncRunNodesToDef,出队前对齐。
其余六处:
- 出队原语写错:markRunReady 把 from 写死成 planning,复用不了;
正解是 updateRunStatus(runId,'queued','ready') 这一条条件更新
- 唯一索引冲突是 throw 不是 changes=0,初稿的错误处理只覆盖一半
- 触发点枚举本身是漏的:stopRun 与预算耗尽→blocked 两条最常见的
释放路径都不走 settleRun。改为挂在唯一漏斗 transitionRun 上,
一个钩子覆盖全部路径(枚举法在这里靠不住,而漏的症状是静默的)
- report_to 只活在请求闭包里,排队后回调链路静默断掉 → 必须落库
- okr_node_id 逐 task 下发会反复覆写同一个 OKR 节点,
done 会被后来的 failed 翻掉 → task 的 run 一律不带 okr_node_id
- manual 任务占着 running 等人点「下一步」,会永久堵住队头
→ 不参与自动出队
补漏:存量回填脚本(不做的话批 1 反而让历史任务更看不见)、
任务级 rerun 与节点级 retry 的命名撞车、queuePosition 排序口径
必须与调度器同源、砍掉没有消费方的 goals.budget_json。
错误结论留档不删(§三 ⚠️ 块 / §五.1 / §九.1 开头)——
它们是最容易再犯一次的那类。验收从 12 条涨到 19 条。
Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>