SKILL.md 6.02 KB

name: wechat-auto-reply-ops description: 微信自动回复管线的运维排错——watcher/orchestrator 架构与文件地图、「发消息没反应」分诊、drain 日志判读、失败批重放(orch_state.json cursor 回滚 + 去重安全)、root 锁竞争、stage 拷贝瞬时故障、HITL 契约积压、以及「回复里断言系统状态前必须核实」的纪律。触发词:自动回复没反应、消息漏回、重放失败批、cursor 回滚、处理 #N 失败、no such table rcontact、drain 进度、orchestrator 排错。 version: 1.0

category: wechat

微信自动回复管线运维(wechat_reply)

适用:用户报「给 XX 发消息没反应 / 消息没回 / 自动回复坏了」,或 orchestrator.log 出现 处理 #N 失败。策略与回复口径归 wechat-auto-reply(唯一权威参考),本 skill 只管管线运维。 判「微信收不收得到消息」(收信侧)归 wechat-recv-liveness-triage,两者互不替代。

一、架构与文件地图(谁起谁、东西在哪)

wechat_reply_watcher.py   ← root 起的常驻进程(inotify 监听 EnMicroMsg.db 变更)
  ├─ 写事件 → ~/pixelphone/wechat_reply/incoming.jsonl(全量追加,34k+ 行是常态)
  └─ 自动拉起 → wechat_reply_orchestrator.py --drain(root 子进程)
        ├─ cursor    = orch_state.json   {"last_msgId": N}
        ├─ 去重      = processed_ids.json(按 msgId,skip 也记)
        ├─ 库副本    = _stage_orch/en.db(处理完删)
        ├─ 人工契约  = _q/ct_<ts>_<msgId>.json(V-verify FAIL / notwhitelist / sensitive 落这里)
        └─ 发送     = event_bus/wechat_hook_send.py(发送前过 wechat-login-gate)
  • watcher/orchestrator 都是 root:ps 要 su -c 'ps -ef | grep wechat_reply'(termux 侧 ps -eo 看不到)。 watcher 必须 root(要读 /data/user/0)——别"修"这个。
  • DB 路径按上下文:termux 直接读用 /data/data/com.tencent.mm/...;su 环境里用 /data/user/0/com.tencent.mm/... (su -c 下 /data/data 路径打不开,报 unable to open database file)。
  • 日志双写是已知机制(log() 同时 print+写文件,daemon stdout 也重定向到同一文件)⇒ 每行成对出现 ≠ 双实例。判双实例用 su -c ps -ef。

二、「发消息没反应」分诊(按序三步)

  1. 链路死活:su -c ps -ef | grep wechat_reply 有无 watcher;没有 ⇒ 先拉 gateway(见 post-reboot-recovery-chain——重启后 watcher 会自己活,但 drain 等 gateway 复活才推进)。
  2. 事件进没进队列:grep '<msgId 或关键词>' ~/pixelphone/wechat_reply/incoming.jsonl。 进了 ⇒ 管线收到过;没进 ⇒ 收信侧问题(转 wechat-recv-liveness-triage)。
  3. drain 处理没处理:grep <msgId> ~/pixelphone/wechat_reply/orchestrator.log。 四种终态:skip(公众号/系统消息,正常)/ review … → 人工(草稿落 _q/,见 §五)/ auto OK verified(status=2)(已发出已送达)/ 处理 #N 失败(见 §四)。

三、drain 日志判读

  • drain:N 条候选 后每条一行结果,真人消息起草 ~1-6min/条(LLM 起草+校验),大积压(如重启后 38 条) 要跑半小时以上,盯着推进别催。
  • V-verify FAIL … too_short draft='早' ⇒ 落契约进人工,不是故障。
  • admin fallback → member mode 是 admin 草稿超时/为空后的降级重试,正常。
  • 发出后核验:auto OK verified(status=2) 即送达(status=2 = 对端已收)。

四、失败批重放(cursor 回滚,安全不重发)

签名:处理 #N 失败: sqlcipher 失败: Parse error near line 8: no such table: rcontact 连发多条且同一秒 ⇒ stage 副本拷坏了(空/损坏库)。瞬时故障,手动 su -c 'cp <db> /tmp/test.db' 能成 ⇒ 链路本身好的,是拷贝竞态(如 watcher 同时在拷 _stage/en.db)。

重放程序(实测 2026-10-10):

  1. su -c ps -ef 确认此刻没有 drain 在跑(有就等它完)。
  2. 回滚 cursor:orch_state.json 的 last_msgId 改到失败批之前(如失败批 45989-45998 ⇒ 改 45988)。
  3. 等 root watcher 自己触发下一轮 drain(新消息进来自动拉起)。⇠ 不要自己跑 --drain: orchestrator.lock 多半是 root 属主,termux 侧起必 return 秒退(无日志无声),白烧一次调用。
  4. 安全性:processed_ids.json 按 msgId 去重且失败条目不在其中 ⇒ 重放不会重发已回过的; 已成功的(如 cursor 被并发 drain 推走后处理掉的那条)会被去重跳过。
  5. 验收:grep <msgId> orchestrator.log 看到终态(auto OK / review / skip)。

已知窗口:重启/恢复瞬间的第一批处理最容易整批失败且 cursor 已前移 ⇒ 用户在死链路末尾发的那条 (如「你挂了?」)恰落在里面且不会自动重试 ⇒ 恢复后主动查 orchestrator.log 有无 失败 段,有就 §四 重放。

五、HITL 契约积压(沉默的「没回」)

_q/ct_*.json 是「想回但被拦进人工」的草稿(notwhitelist 陌生联系人 / sensitive 敏感词 / V-verify 太短)。 它们不会自动发出,也不会通知用户 ⇒ 用户说「XX 没回我」时,除了查 drain 日志,还要 ls -lt ~/pixelphone/wechat_reply/_q/ | head 看有没有对应时间的契约文件。要不要放行由用户拍板。

六、回复内容纪律:断言系统状态前必须核实

给用户的回复里任何关于系统状态的断言("调度没受影响""日报照常""没重启过")必须先查执行记录 (executions.db / cron/output 当日 md / orchestrator.log),不许从单一读数(如 uptime 23h)外推。 事故样本(2026-10-10):机器 uptime 23h 没假 ⇒ 自动回复断言"调度都没受影响",实际 gateway 死了 23h、 cron 全停、丢了一期日报——用户两句"你咋想的"打脸。错了就认,别嘴硬;纠错回复里给出核实后的时间线。