--- 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__.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 '' ~/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 ~/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 /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 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。