15 Commits

Author	SHA1	Message	Date
ThearchyHelios	62aac187d8	工具审批三档、智能体护栏取代固定 12 步、检查脚本分道并行 ... MCP / 自定义工具的审批三档（tools/trust.py） - 平台看不出这两类工具做什么，以前审批关卡一律当它们安全、照跑不误。现在默认每次调用都等审批； 工具页可以逐个改成「始终允许 · 门控把关」或「始终允许」，审批卡上的「始终允许」等于前者 - 门控把关：每次调用先由门控模型审一遍工具说明、参数和节点任务；判可疑、出错、超时、答不成格式， 一律交还给人，不会变成放行。判定包进 checkpoint，审批恢复重放时不再问一遍 - agent 节点、工具节点、协作团队三处关卡都接上；团队成员停不下来等人，门控没放行的调用不执行 - 每次运行在发起时快照档位（runs.tool_trust），恢复和接着跑沿用同一份；正式运行不看档位，一律等审批； 升级前发起的运行照旧不问——它们可能正停在某个审批上，多问一次答复就会对错号 - 接口：GET /api/tools 带 trust / trust_key，PUT /api/tools/trust；设置新增门控模型；新事件 tool.gated - 界面：工具页三选一、审批卡「始终允许」、设置页门控模型、运行记录解码 tool.gated； 顺手修了 MCP 工具详情 404、工具审批被驳回却显示成放行 智能体护栏（engine/guards.py），取代固定的「最多 12 步」 - 步数只留兜底：默认 100，设置里可改；以前画布自动写进节点的 12 按「没填」处理 - 同一个工具、同样的参数第二次不再执行，把上次的结果交还给它；连续 3 步拿不到新信息就收尾 - 每个节点的令牌预算（默认 200 万）和金额预算（默认不限），都可以在设置里改成不限 - 上下文用到窗口的 60% 先压缩早期的工具结果，到 85% 就收尾；临近任何一个上限先提醒模型一次 - 下游结构化校验失败时写明是上游哪个 agent 提前收了尾；复核信号带上收尾原因， 问数据页只在真是步数用满时才给「放宽步数重跑」 - 上限在发起时快照（runs.agent_limits）；升级前发起的运行一字不改走旧逻辑 检查脚本 - check-all 默认 4 道并行：量时间最多的两项互不重叠；并行时没过的最后单独重跑一遍，重跑才过的 单列成「偶发」。16 项全量从约 21 分钟降到约 7 分钟（加上一次重跑约 10 分钟）；--lanes 1 回到串行 顺带修的 - 设置接口里的 limits 改为只读：库里存着旧版设置页写进去的一份（max_agent_steps: 25），从不生效， 却盖住了真实上限，问数据页照着错的数许诺 - test_kb 里嵌入模型那条测试不再真连 api.openai.com（代理慢时一条要等近 4 分钟） - check-stream 读滚动容器前先等它挂上，并行跑时不再偶发 验证（沙箱）：tsc 干净，生产构建通过，pytest 1655 passed（两遍），check-all 16 项检查、3562 项全过； 新增后端测试 53 条，关键逻辑做了 22 处变异验证、全部抓到。	2026-09-28 11:47:45 +08:00
ThearchyHelios	587bf7e27c	第三波前两批：六个「看着成功其实没干活」的平台漏洞堵上，记录页能回放，管理页与画布收尾 ... 起因是一次探索运行：Copilot 改节点时把工具绑定整份抹掉，agent 没有工具只能写「假设调用」， 校验节点的自动修复编出 total_count=0 让 schema 通过，协作成员把工具调用标记当文字输出了四轮， 轮数用完后节点把原话当成功结果交出去——运行标成已完成，数据库一次都没查。 平台可信度（先写失败测试） - Copilot 修改节点改为合并：没写的字段保留，null 才删除；协作成员按名字合并。前后端同一套规则， 工具集合变小时自查报警、改图回执列出变化 - 新校验规则：提示词点名了某个工具而节点没有绑定它，判错误，Copilot 自查会交回去修 - 校验修复只许改格式：冒出原文没有的值就判修复无效；修复这次模型调用计入用量 - 识别模型把工具调用写成文字的情况（DSML、<tool_call> 等标记）：纠正一次，仍然如此就判失败并说明原因 - 协作团队用完轮数不再按成功交付：默认失败，可选降档，点出一次都没派到的成员 - 审批恢复后，同一节点里已经执行过的工具调用复用结果，不再重复执行 后端 - 查询时限交给数据库执行（Oracle call_timeout、PG statement_timeout、MySQL max_execution_time、 SQLite progress handler），可按数据源配置；超时报错与实际耗时一致 - 等审批的运行可以真正取消；会话列表带最后一轮状态；测连接结果持久化；探查结构可只看不存； 自定义工具可草稿试跑、写坏的参数定义保存时拒绝；MCP 服务改动后作废旧工具缓存； 检索命中带贡献分解；重建索引在后台跑并报进度；报错统一收进 core/errors 前端 - 公共层：管理页共用件、失败说明（lib/explain）、健康状态进公共库；目录按表各自加载并有超时， 一张表卡住不再拖垮整站；上传显示真实字节进度；离线横幅只播报不变的句子 - 画布：卡片只说游标所在的那一次执行；等审批时可放弃运行；团队收尾判定与未完成说清楚； 回放用量取那一刻的值 - 编排页：Copilot 合并语义与工具变化回执；「用完轮数时」选项；正式运行期间锁住所有改图入口 - 回答流 / 问数据：新失败类型说人话并给下一步；画布与右栏互相定位；数据源范围、回收站、重新核对 - 记录页：「航迹」页签复用画布时间轴，可拖动回放、列出关键时刻；列表行带执行 / 等人 / 失败缩略条 - 外壳：统一的离开前确认（data router），导航、⌘K、快捷键、后退都会先问 验证（沙箱）：tsc 干净，pytest 838 passed（两遍），14 个检查脚本中 13 个全绿； check-ui 余 1 项旧断言（按旧日期格式找运行行），3c 更新。	2026-09-27 10:16:32 +08:00
ThearchyHelios	e10c4f23fc	界面与交互全面翻修（前两波）：运行态有了 HUD 和时间轴，终态会收尾，全站令牌、组件、文案统一 ... 来自 2026-09 的 UI/UX 审查（142 条）。本提交是前两波，第三波（记录页接入时间轴、跨页互链、check-ui 更新、全站扫尾）另行提交。 地基 - 设计令牌：全局规则和 .btn/.field/.chip 放进 CSS 层，Tailwind 工具类重新生效，选中态、开启态不再被吞掉；字号阶梯； 辅助文字在所有底色上 >= 4.5:1；状态色专用，节点类型色与之拉开色相；「跟随系统」真的跟随，首帧不闪深色；新字标与 favicon - 基础组件：confirmDialog / promptDialog 取代原生对话框；toast 出错不自动消失、可复制、读屏可播报；离线横幅与断线恢复； 九种剪影的状态徽标；唯一一份状态文案（lib/status）、格式化（lib/format）、术语（lib/terms）、报错人话（lib/errors） - 运行态内核：事件折成航迹（run/trace.ts），可投影到任意时刻；取消 / 失败 / 服务重启后统一收尾，不再永远转圈； run.status 随事件回写；token 事件不再堆进 events - 后端：协作成员逐个完成即发事件，调度者决策有事件；时长分执行 / 墙钟 / 等人；API 时间带时区； 中断的运行也发 stream.end；运行列表可筛选翻页；删除运行 / 工作流有保护；运行默认值接通；可测未保存的配置； 报错说清发生了什么、为什么、怎么办 功能 - 画布：状态四重编码、固定高度遥测槽、按缩放三档、运行胶囊与 HUD、航迹时间轴与回放、执行轨迹边、 等待闸门、跟随执行、正式运行只读、一次性时刻（开场点亮、回扫、阻断级联、出具印章） - 编辑：撤销重做、版本历史、问题面板可定位、三栏可收起、模板与表达式字段区分、变量血缘、快捷键、带搜索的选择器 - 回答流 / 问数据：贴底才跟随滚动、工件下钻、出具横幅列出缺口、答案可复制导出、按会话的忙闲、 答案不再在 2000 字处截断、重启后这一轮会收尾 - 记录页：待审批 / 运行中 / 失败页签、筛选翻页、实时接流、排错路径指到节点、封存凭证常驻 - 管理页：新的「数据」页、写操作失败都有反馈、弹窗里先测连接、统一持久的连接状态 - 外壳：导航改版、⌘K 命令面板、? 快捷键帮助、404、页面标题与 favicon 状态点、后台提醒 验证（沙箱）：tsc 干净，pytest 579 passed，14 个检查脚本中 13 个全绿；check-ui 剩 1 项旧断言（按旧日期格式找运行行），第三波更新。	2026-09-26 23:11:31 +08:00
ThearchyHelios	9d375f8f1c	循环跑满自己声明的轮数，不再被全局步数上限半路掐断 ... 「测试 1」按校验提示改好之后仍然跑不完：while 循环配了 1005 轮，每轮是"循环节点 + 循环体"两步，而整次运行的步数上限（max_graph_steps）是 200——跑到 100 轮上下 LangGraph 抛 GraphRecursionError，报错是一段英文，叫人去调一个界面上碰不到的 recursion_limit。 图没写错，是平台自己的两个上限在打架：校验通过，跑到一半才死。 全局上限防的是没人把关的环；loop 节点的 max_iterations 是作者明说的轮数上限。现在循环 按自己的轮数另记一份预算（schema.loop_steps），加在全局上限之上，子图同理。取上界： 一个节点最多跑 Π(包住它的各层循环 max_iterations + 1) 次，嵌套相乘；done 出口之后的 节点只跑一次，不按轮数记账，否则预算虚高、等于没有上限。 没有 loop 节点把关的环（分支连回上游）照旧由全局上限拦住，报错改成中文、说清预算怎么 来的、该怎么改；子图里撞上限报子图自己的名字和步数——以前那段英文会被外层包进 NodeError 原样带出来。 实测：「测试 1」照提示改完，在真沙箱里 1000 轮跑满，25 秒，结果 501500（= 2+3+…+1001）。 测试：test_step_budget 8 条——预算的上界、嵌套相乘、done 之后不记账；全局上限压到 20 步 时循环照样跑满 30 轮；空转的环中文报错；子图里的循环有自己的预算、空转的子图报它自己的 名字。把 runner / 子图的预算换成 0，对应用例确实失败。README 补了常见问题，测试数更新为 470。	2026-09-25 17:04:49 +08:00
ThearchyHelios	03830d4815	服务重启不再把运行记成"用户取消"；接着跑也不再替人答掉下一个审批 ... dev.sh 开着 --reload，改一个后端文件就是一次关停。三件事以前都是错的： 1. 关停时在跑的运行一律记成 cancelled、原因"用户取消"——之后 resume 和 continue 都拒绝它，尽管 checkpoint 完好。现在关停时收到的取消记成 interrupted （和强杀后启动扫描的处理一致），留一条 server_shutdown 日志说明原委， 不发 run.cancelled。 2. 关停会打断正在收尾的运行：状态已落、封存和 run.finished 还没写完就被取消。 现在已进入收尾的运行不取消，等它写完。 3. 因重启而中断的运行没有在等人的 interrupt，resume 却照样发 Command(resume=…)： 那个值会被后面遇到的第一个 interrupt() 当成答复——一个还没轮到的人工关卡被 自动作答（审查时的实测）；当前版本的 LangGraph 则直接在内部崩掉 （UnboundLocalError: resume_is_map），运行判 failed。现在没有待答的 interrupt 时从断点接着跑（输入 None）。 运行详情页：中断了却没有待审批的运行，以前显示"等待人工介入"却没有任何可点的 东西，现在说明原因并给「接着跑」。用真实库里的中断运行看过：无待审批的出横幅， 有待审批的仍由审批卡片处理。README 加了对应的常见问题。 test_shutdown.py 3 例，修前全部失败：关停不是用户取消；重启后接着跑，前面跑完的 节点不重跑、后面的人工关卡真的停下来等人；关停不打断收尾（封存照样写完）。 分两步修、中间跑了一次，确认第二例在关停修好之后确实撞上了 resume 的崩溃。 422 → 425 passed，连跑 8 轮全绿；check-guards / decode / stream / canvas-layout 不回归。	2026-09-25 16:05:14 +08:00
ThearchyHelios	5928cc052e	三道只配不管的护栏开始干活：运行时限、模型超时、清单核对 ... 显示成生效却没生效，比明说没有更危险——它让人以为有东西在兜底。 1. max_run_seconds 只存在于配置和设置接口里，没有任何代码执行它：一个挂住的 模型或工具能把运行和它占着的并发名额一直拖着。现在 runner 用 asyncio.timeout 强制执行，按"一段执行"计（等人工审批时 _drive 已结束，不算）；超时判 failed、 说清是哪道上限，可以接着跑。别处抛的 TimeoutError 不冒充这道上限（看 Timeout.expired()）。 2. 模型调用从来没设过超时：ModelSpec.timeout 从没被赋值，那条传参分支一次都没 执行过，所有调用走 SDK 默认的 10 分钟外加重试。新增 model_timeout_seconds （默认 300 秒）作为缺省，节点显式配的仍优先；已确认 ChatAnthropic / ChatOpenAI 都接这个参数。 3. manifest 哈希只写不验，而且是在 run.finished 落库之前算的——清单里恰恰少了 宣布"跑完了、成果是什么"的那条，改成果清单照样对得上。现在终态事件落库之后 再封存，并记下封到哪一条（manifest_seq，新列）；新增 verify_manifest 与 GET /api/runs/{id}/verify，运行详情页加了核对按钮。封存之后追加的事件不算篡改。 老运行没有 manifest_seq，按当时的口径还原范围——开发库里 300 条带哈希的历史 运行全部核对通过（成功 / 失败 / 取消各类都有），没有一条误报。 设置页「运行环境」补上单次执行时限和模型调用超时两项，README 加了对应的常见问题。 顺带修了一个被 _seal 放大的老问题：_drive 的收尾被打断时（关停取消、库连接出错） 漏掉 _tasks.pop，留下的任务让下一次 shutdown 的 gather 在别的事件循环里抛 "future belongs to a different loop"——测试里表现为每八九轮一次、一出就是几十个 teardown error。pop 移进内层 finally，shutdown 只等未结束的任务并清空。修后全量 连跑 12 轮 12 轮全绿。 test_guardrails.py 8 例：超时中止（挂住的节点 1 秒后被停下）、缺省模型超时、封存覆盖 run.finished、改成果被戳穿、事后追加不误报、老运行按旧口径核、中断态未封存、接口 404。414 → 422 passed。	2026-09-25 15:59:32 +08:00
ThearchyHelios	a819f92903	审批只认明确的"同意"，而且每个会执行危险操作的地方都得过这道门 ... 三个口子，都实测复现过： 1. 回复"拒绝"，工具照样执行。四个节点四套审批解析：工具节点和代码节点对 回复一律 bool()，"拒绝"、"no" 都是真；{"decision": "approve"} 反被当成 拒绝；{"approved": "false"} 也是批准。现在收成一份 engine/approval.py： 只认明确的批准，看不懂的一律按拒绝。填内容的 human input/edit 模式另算—— 裸字符串是交稿，只有结构体里明说"不"才驳回。 2. 可写数据源上的 DELETE 从来不问人。数据源工具是动态生成的，查不到 ToolSpec，任何审批模式下都被当成安全；is_dangerous_call 写好了但全仓库 没人调用。现在危险与否逐次判定：registry.call_is_dangerous 统一问，数据源 工具把判定挂在 metadata["dangerous_if"] 上——同一个 db_query，查询直接 跑，可写源上的写要先确认。工具节点、agent 节点、协作成员都走它。 这一步以前没出事，只因为写入从不提交：run_query 走 stream，拿不到结果集就 抛 ResourceClosedError，连接关闭时再回滚——审批通过的写也没落过库。审批接 好之后才让写真正提交（先后不能反，反过来就是一个无审批写库的窗口）； RETURNING 这类带结果集的写照样返回行。工具页的"试一下"是人自己在执行， 不设审批。 3. 协作团队的成员调工具完全不经审批。成员们并行跑在一个节点里、停不下来等 人（恢复时节点整个重放，几个人的 interrupt 对不上号），所以需要确认的调用 不执行，把原因交还给成员让它换做法；节点上显式设成"全部自动放行"才跑。 前端补了这个选项。顺带修了同一处的两个老问题：成员步数不受 max_agent_steps 约束；步数用完时把工具的原始返回当结论交上去（agent 节点在 4057cdc 修过 同一个问题，这里没跟上）——现在补一轮不带工具的收尾。 连带修的：多条审批并存时，交给引擎的是库里存的那份回复，而它存之前被 _safe 截到了 2000 字，解包时又只留 value——人工改过的长稿被砍一截，带了内容的驳回 被当成交稿。现在存全文、只拆自己包的那层 {"value": x}。 test_approval.py 36 例；去掉修复重跑，引擎层 10 例全部失败，各对应一个真问题。 并行驳回那例翻出了一个运行卡死的老 bug，已在上一个提交单独修掉。 338 → 374 passed，连跑三次全绿。	2026-09-25 15:21:20 +08:00
ThearchyHelios	c980da65d0	失败的运行能从断点接着跑了，前面跑过的节点不重来 ... 库里 28 条 failed 的构成说明了为什么值得单独开这条路： 模型 id 写错（404） 7 循环条件语法错 3 401 3 工具参数名不对 3 缺必填输入 2 大半是**配置错了**，改一下就能跑。而"改一下再跑"原来意味着整张图从头来 一遍——前面花两分钟查完的表结构、跑完的 SQL 全部重跑，尽管那些结果一直 躺在 checkpoint 里。checkpointer 本来就一直开着（thread_id = run_id）， 挡住这条路的只是 resume 里的一行状态判定：它只认 interrupted，failed 进不去。 **带着改过的图续。** 不让改配置的话这功能基本没用：上面那几类续下去会 立刻再撞同一个错。所以 /runs/{id}/continue 接受一张改过的图，画布上点 「接着跑」带的就是当前编辑中的那张——用户正是改完它才点的。 **但只准改配置。** checkpoint 是按节点名存的（编译时 add_node(node.id)）， 而节点配置是运行时从 spec 现读的（NodeContext.cfg）。所以只改配置对得上， 增删节点或改连线就对不上——续下去会拿着错位的通道状态跑出一份似是而非的 结果，比直接报错糟得多。加了 schema.topology_of() 做这道判据：节点 id + 类型 + 边，不含任何配置；对不上就 409，让用户重新发起。 这正是 resume 那边踩过的坑的同一类：不看有没有 checkpoint 就发 Command， LangGraph 拿空 state 从 START 重跑，最后还落成 succeeded。所以这里也先问 一次 aget_state，没有待跑节点就拒绝，而不是硬发一个 None 下去。 时间线上要说清楚是接着跑、保了几步（"从「lp」接着跑，前面 2 个节点的结果 保留"）——否则用户看到时间线又动起来，分不清这次是续的还是整张图又跑了一遍。 验证：后端 249 passed（新增 test_continue_run.py 7 条，核心那条断言的是 node.started 事件——前面的节点确实没有再出现）。端到端真跑了一遍： 第一遍 start → prep → lp 挂在 lp，改好条件后第二遍只跑 lp → out， 成果里带着 prep 那步的结果；改了结构的图被 409 拒绝；没有失败的运行时 画布上不显示这个按钮。 顺带：_drive 里 resumed 的判定漏了 payload is None 这种（从 checkpoint 直接往下走），run.started 事件会说成不是续跑。	2026-09-20 11:54:16 +08:00
ThearchyHelios	aa18904af0	运行和 Copilot 分成两层；顺带修了一个会丢事件的时序缺陷 ... 用户：「点击右上角运行后，会跳到流程；然后下方就又有 Copilot 对话框，把 结果和 Copilot 又放在一块儿了」。说得对，而且我上一版的理由是错的。 我当时把建图和跑图排进同一条时间轴，说它们是"一件事的两半"。它们在时间上 先后发生，但不是同一种东西——最直接的证据在我自己的代码里：运行那一轮的 question 只能填 undefined。一个没有提问的"对话轮次"，本来就不是对话。 更实际的问题是那个输入框：它贴在运行结果下面，暗示你可以回复这次运行。 但你不能——在那儿打字改的是画布上的图。这是个假的可供性。两者的生命周期 也对不上：Copilot 的轮次会累积，运行永远只有最新一次。 现在右栏是一个常驻的家（Copilot 对话）加两层临时盖上来的东西（节点属性、 运行过程）。运行那一层没有输入框，有自己的头部和停止按钮；对话那一层底部 留一条运行进度，点一下过去。 --- 顺着这条线查下去，发现一个更严重的问题：**后端在丢事件**。 浏览器侧连跑 5 次，2 次丢了中间一条。抓 WebSocket 原始帧才看清：所有帧的 replay 都是 false——历史读回来是空的，全部走实时；丢的是 run.started， 它在客户端订阅之前就广播了，而那时还没落库，所以历史里也没有。 根因是 _emit 的顺序：先广播、后落库。订阅者的完整性靠"先订阅 → 读历史 → 接实时"拼起来，它需要这条保证——提交早于我这次 SELECT 的，在历史里；提交 晚于我这次 SELECT 的，广播也晚于我订阅，在实时流里。后半句只有在"提交先于 广播"时才成立。交换顺序后，6 次 WebSocket 探测 + 5 次浏览器运行全部无缺口。 （上一轮我修过这个文件的另一个窗口——先读历史后订阅。那个修复是对的，但 只堵住了两步之间的缝，堵不住订阅建立之前的那一段。） tests/test_emit_order.py 守这条不变式：广播的那一刻，这条事件必须已经能从 另一个 session 查到。去掉修复后它确实失败。 --- 还修了三处： - 停在人工介入时，"在不在等人"原先取自审批列表，而那是 4 秒轮询一次的； 中断后会有几秒钟界面说"这次运行已结束"，而它正等着你点通过。改成从事件 推导（isAwaitingHuman），即时且和显示的内容一致。 - 新增 tests/conftest.py 把整个测试会话关进临时目录。test_emit_order 第一版 直接用 SessionLocal 往开发库里写，几行假运行排到了运行列表最前面。已清掉 那 12 行。这该是全局保障，不是只修一个文件。 - 开发期把 store 挂到 window.__studio，好让 playwright 直接读状态——"事件 收全了没有"在界面上看不出来，只能问 store。已确认不进生产包。	2026-09-18 09:39:24 +08:00
ThearchyHelios	b634c89be4	人工介入的驳回按钮不再是摆设，画布脏边与待办入口 ... ## 点"驳回"实际等于放行 ApprovalCard 无条件渲染"通过/驳回"两个按钮，而后端 human 节点只在 approve 模式下读 approved：edit 和 input 分支直接取 value，__decision__ 硬编码成 "approved"，approved 字段看都不看。按钮在、文案在、toast 说"已驳回"，运行却 照常往下跑——比没有这个按钮更糟。 这两种模式在图上只有一个 out 出口（没有 rejected 那条边），所以驳回的正确 语义是终止运行。缺省仍是通过，只传 value 不带 approved 的老调用方行为不变。 前端按钮文案改成"驳回并终止"，toast 也说清楚。 顺带：run 级的错误消息不再给 NodeError 套类型名前缀，界面上从 "NodeError: 人工驳回：内容不合格" 变成 "人工驳回：内容不合格"。 ## 改分支 case key 会留下看不见、删不掉的脏边 出口 handle 是从 config 算出来的（分支的 case key、human 的 mode），而 Inspector 的输入框逐字符 setConfig。key 从 yes 改成 yesno 的过程中 handle id 会依次变成 y/ye/yes…，已有边的 sourceHandle 仍是 yes。React Flow 对这种边只在 console 打一条 008 警告然后不渲染——看不见、点不到、删不掉，却照样被 toGraph 序列化存盘，后端校验也不管。 updateNode 现在同步处理：出口数量没变就按位置重映射（改名时连好的线跟着走）， 出口真的没了就把边一并清掉。 ## 未保存的编辑会被静默丢弃 切换工作流直接 load() 覆盖画布，没有 dirty 检查；全局也没有撤销和 beforeunload。加了切换确认与关页面拦截。撤销栈是更该补的，但那是另一件事。 ## 刷新后"等待人工"的运行没有任何入口 审批卡片挂在 studio store 的当前 run 上，而那是纯内存的，刷新后为 null，卡片 就不渲染了。更糟的是导航把待办徽标挂在"运行"页上，用户点进去——而 RunsPage 从头到尾没有审批 UI，只有只读事件列表。现在 RunsPage 为选中的运行渲染 ApprovalCard，徽标指向的地方终于能处理待办。 回归：input/edit 两种模式的通过与驳回、approve 模式、代码节点 strict 档、 分支、口径卡出具 formal、工具节点、SSRF 拦截、记忆工具，全部通过。	2026-09-14 15:46:45 +08:00
ThearchyHelios	761117344b	沙箱会话生命周期与记忆检索 ... ## 每跑一次图就多一台常驻 VM，没有任何自动回收路径 _reap_idle 只在 run() 里调，也就是说没人再跑代码时闲置 VM 永远收不掉， microvm_idle_seconds 形同虚设；而 thread_id 每个 run 都是新的，runner 的 finally 又从不调 cleanup，于是每跑一次带代码节点的图就多一台几百 MB 的常驻 microVM（seatbelt 那边同样积了几十个历史会话目录）。 两处一起补：run 到终态就 cleanup(run_id)（interrupted 除外，人回来还要接着跑）， 外加 lifespan 里起一个后台回收任务定期 _reap_idle——回收本来也不该占着请求 路径的时间。实测连跑三次 live_vms 稳定回到 0。 ## 超时会连人带文件销毁整台 VM 会话契约是"同 session_id 共享文件系统，可以先写文件下一步再读回来"，而 microVM 超时直接 _destroy，工作区连同用户数据一起没了，返回结果里没有任何 提示。另外三个后端超时只 killpg、工作目录照留——换到 microVM 之后同一张图的 行为就变了。现在超时先在 VM 内 pkill 掉跑飞的进程（入口名带唯一后缀，不会 误伤同会话的并发执行），确认 VM 还活着就保住工作区；收拾不动才销毁。 限额变更那条没法避免重建（VM 内存是启动时定死的），但不能不吭声：同一个 run 里两个代码节点填了不同的 memory_mb 就会触发。ExecResult 新增 session_reset， 代码节点在时间线上明确告警，否则下游只会看到一个无从追查的 FileNotFoundError。 ## 新建 scope 写入第一条后永远搜不到 hybrid_rank 的 _norm 在 hi==lo 时把所有分数抹成 0，而候选只有一条时 hi 恒等于 lo，合并分 0.0 会被 min_score 过滤掉。"先写一条、下一轮再 recall"恰恰是 agent 最常见的用法。全都一样分是"都一样好"，不是"都一样差"，改成返回 1.0。 ## 记忆去重误判，写入被静默丢弃且返回不相关的旧记忆 remember 拿 recall 的分数判重，但那是 min-max 排名归一化的结果——排第一的那条 在两路信号上都会被归成 1.0，与它和查询像不像毫无关系。于是 scope 里只要已有 两条记忆，新内容随便撞一个字排到第一就被判成重复丢掉，接口还返回 201 并把那条 不相关的旧记忆当成"刚保存的"交回去。改成直接比未归一化的余弦相似度。 验证：三条互不相关的记忆都能写进去、完全相同的仍被去重、单条 scope 可检索。	2026-09-14 15:41:05 +08:00
ThearchyHelios	b0575a7d1b	引擎四处：错误处理、恢复语义、幂运算炸弹 ... ## 一条分支条件能把后端冻死 求值器放行 ast.Pow，唯一护栏是 AST 节点数 <= 200。`9**9**9**9` 只有 11 个节点， 却让 CPython 无限期算大整数。而求值是在事件循环里同步执行的（分支条件、 transform、口径卡、每个节点的 skip_if），没有线程池隔离也没有超时，asyncio 的 cancel 打断不了同步 CPU。给底数和指数加上界，超界报 ExpressionError。 2**10、2**0.5、10**-2 这些正常用法不受影响。 ## NodeError 绕过 retries / on_error / node.failed `except NodeError: raise` 排在重试与兜底之前，于是节点自己抛的错既不重试、 也不发 node.failed、更不被 on_error=continue 接住——而 NodeError 恰恰是所有 执行器表达失败的标准方式（缺必填输入、模型没配、口径卡算不出…）。同一张图 配着同样的 retries=1 + on_error=continue，1/0 会重试并继续，而 JSON 模板非法 直接整个 run 失败。两条路径现在行为一致，node.failed 也带上 node_id （前端靠它把出错节点从"转圈"收敛成"失败"）。 ## 没有 checkpoint 的运行被"恢复"成一份假结果 重启扫描把 running 和 queued 一律标成 interrupted，而 resume 不检查有没有 checkpoint 就发 Command。queued 的运行从没写过 checkpoint，LangGraph 会拿空 state 从 START 重跑整张图——run.input 完全没注入，用字段默认值算完还落成 succeeded。现在 queued 直接标 failed（没有进度可恢复，请重新发起），resume 先 aget_state 确认有断点，没有就 409 并说清为什么。 ## 并行人工节点：一次 resume 打爆整个 run 同一 superstep 有多个 interrupt 时，resume 仍只发标量 Command，LangGraph 直接 抛 RuntimeError；而所有 pending 审批已经被写成同一个回复。Approval.interrupt_id 和 ResumeIn.approval_id 这两个字段一直存在却从没被用过。现在按 interrupt_id 逐条收集：多条待办时必须指定 approval_id，回复的那条转 answered 继续等， 凑齐引擎在等的全部 interrupt 才发 Command(resume={iid: value})。 验证：两个并行 human 节点——不指定 approval_id 被 409 拒、回复第一条后仍 interrupted 且剩 1 条 pending、凑齐后 succeeded。单人审批与 decide 通道回归通过。	2026-09-14 15:35:47 +08:00
ThearchyHelios	dcba9a63e0	一次思考在轨迹里只落一条事件 ... 思考流上线时漏了把它登记进 ephemeral 集合，导致每个流式增量都 落库——一条思考链在执行轨迹里被拆成几十条 llm.thinking 事件。 拆成两种事件：llm.thinking.delta 是流式增量，只推给画布做实时 滚动、不落库（与 llm.token 同类）；llm.thinking 是调用收尾时落的 单条汇总，携带完整思考内容（截断 6000 字符，完整版在节点输出 工件里）。顺带修好刷新回放：此前回放重现不了思考（增量被隐藏、 汇总不存在），现在一条汇总事件直接恢复全文，时间线上也可展开查看。 验证：确定性假思考模型过完整管道（3 条增量实时推、汇总恰一条且 内容完整）；真模型跑模板⑤，轨迹 29 条降到 18 条，llm.thinking 恰好 1 条。adaptive thinking 对简单任务自主跳过思考时两类事件 都不产生，已从工件核实是模型行为而非管道丢失。	2026-09-14 10:40:20 +08:00
ThearchyHelios	2df591d05f	工件库：内容寻址存储、节点输出与工具快照落盘、运行清单哈希 ... 事件流里的输出是给画布看的截断预览，出具溯源需要完整证据。 新增 data/artifacts/ 内容寻址工件库（sha256 即地址，取回时复验哈希， 篡改即报错）；节点完整输出与工具调用快照（query+结果集）自动落盘， 事件只携带工件 id。运行终态对全部事件计算清单哈希存入 Run， 事后对事件流的增删改会与它对不上。 graph_hash 剔除 viewport 后计算——挪画布不改变图的身份。 Run/Workflow/WorkflowVersion/Approval 预置分级与治理列， init_db 附带 SQLite 轻量列迁移。	2026-09-14 10:10:20 +08:00
ThearchyHelios	964eeaa829	AgentLab：可视化 Agent 编排实验台 ... 在画布上拖拽编排 agent 工作流，并实时看着它执行。 后端 FastAPI + LangGraph：把画布 JSON 编译成 StateGraph，15 种节点 （模型/Agent/多Agent、工具/沙箱、分支/循环/子图、记忆/检索/整形、 人工介入/结构校验）。选 LangGraph 是因为可视化编排真正难的是暂停、 恢复和回放，而 checkpointer + interrupt() 正好把这几件事做在了底层。 前端 React + React Flow：节点元数据驱动属性面板与连接桩，运行时 节点高亮、边流动画、卡片内流式 token 全部由同一份事件流驱动。 关键实现： - Agent 内工具审批用 @task 缓存模型调用，interrupt 重放时不重复计费 - 沙箱保持只读根文件系统，代码经 exec+base64 写入（put_archive 会被 只读容器拒绝），断网、非 root、内存/CPU/超时限额 - 检索为向量与 BM25 混合，本地哈希 embedding 零配置可用 - 分支条件走 AST 白名单求值器；HTTP 工具逐 IP 拦截内网与元数据地址 - Mock provider 让无 API Key 也能跑通完整链路 7 个内置模板全部冒烟通过，含真实模型端到端验证。	2026-09-13 17:27:00 +08:00