fix(offload): 转投必须保留 ResponseCh,否则同步调用方永久挂起

线上实测第二个 bug:转投生效、子也正常处理(日志各 ~3s),但 webui 的 HTTP
请求一直挂着不返回,最终 504。

根因:第一版用 InjectInputTo 转发,它会**重建** InputEvent ⇒ ResponseCh 被丢掉。
而 cli / a2a / webui 这类**同步**调用方正阻塞等这个 channel。
仓库反复警告过同一件事(Agent.Stop 的注释:「带 ResponseCh 的同步注入方
(cli / clawhubadapter 均无超时)会永久挂起」)。

修法:改走既有的跨 agent 投递原语 DeliverRouted —— 它推**原事件**,保留
ResponseCh/RequestID,只往 payload 里补转投标注。

回归测试 TestForwardKeepsResponseCh 断言**最强的那条性质**:真的等同步回执回来。
(不用「读子的 InputChan」来断言:SpawnResident 会启动子自己的调度循环,
它会与测试抢同一个 channel,那样写出来的测试是 flaky 的 —— 我第一版就是这样,
实测挂死过一次。)
已实测该测试对着错误实现会失败(10s 超时)、修后通过。
This commit is contained in:
JianFeeeee
2026-09-19 17:16:24 +08:00
parent fe1d2672d8
commit 01909bb914
2 changed files with 80 additions and 18 deletions

View File

@ -120,12 +120,8 @@ func (a *Agent) drainInboxToQueue() {
}
}
// residentInputChannel 返回"父给某个子投递输入"用的 inputch 名。
//
// 与 SendToResident 用的是同一个(sub/<id>):子是**不配插件 inputch** 的
// (opts.InputChs 为空),它的入站口就只有父给它的这一条,因此必须与
// SendToResident 保持一致,否则转投的消息会落到一个父不知道的通道名上。
func residentInputChannel(id string) string { return "sub/" + id }
// 注:转投不走 inputch 名字(那会在投递时重建事件、丢掉 ResponseCh),
// 而是直接跨 agent 推原事件 —— 见 forwardInputToResident。
// offloadPendingTasks 检查是否需要转投,需要则拉起/复用一个驻留子并搬运任务。
//
@ -212,11 +208,16 @@ func (a *Agent) offloadPendingTasks(opts OffloadOptions) int {
return moved
}
// forwardInputToResident 把一条输入原文投给指定驻留子的 inputch。
// forwardInputToResident 把一条输入**原文**投给指定驻留子的队列。
//
// 走 InjectInputTo(排队输入,非中断):转投的是"待办工作",不是"打断子"。
// 子的 io 上有 inputRouter(routeInputByOwner),但投递目标是**它自己的** inputch
// 且 Owner 就是它,因此不会被再次路由走。
// ❗必须推**原事件**(DeliverRouted),不能重建:原事件带 ResponseCh,
// 而 cli / a2a / webui 这些**同步**调用方正阻塞等它。重建事件(如用
// InjectInputTo)会把 ResponseCh 丢掉 ⇒ 任务被子处理完、调用方却永远收不到回执。
// 实测:转投生效、子也正常处理(各 ~3s 日志可见),但 HTTP 请求一直挂着不返回。
// 仓库反复警告同一件事(见 Agent.Stop 对 drainPendingInterrupts 的注释:
// “带 ResponseCh 的同步注入方会永久挂起”),这里必须走既有的跨 agent 投递原语。
//
// 用排队语义(isInterrupt=false):转投的是"待办工作",不是"打断子"。
func (a *Agent) forwardInputToResident(residentID string, evt *agentIO.InputEvent) error {
a.residentMu.Lock()
rc := a.residents[residentID]
@ -225,16 +226,14 @@ func (a *Agent) forwardInputToResident(residentID string, evt *agentIO.InputEven
return fmt.Errorf("驻留子 %s 不存在或不可用", residentID)
}
payload := map[string]interface{}{}
for k, v := range evt.Payload {
payload[k] = v
// 带上来源线索(不重建事件,只补充 payload,保留 ResponseCh/RequestID)。
if evt.Payload == nil {
evt.Payload = map[string]interface{}{}
}
// 带上来源线索,让子知道这条不是父当前任务的续接,而是转投的独立请求。
payload["offloaded_from"] = string(a.id)
payload["offloaded_at"] = time.Now().Format(time.RFC3339)
evt.Payload["offloaded_from"] = string(a.id)
evt.Payload["offloaded_at"] = time.Now().Format(time.RFC3339)
ch := residentInputChannel(residentID)
rc.agent.io.InjectInputToOpts(evt.Source, ch, evt.Type, payload, agentIO.InjectOptions{})
rc.agent.io.DeliverRouted(evt, false)
return nil
}

View File

@ -345,3 +345,66 @@ func TestOffloadSeesInputsStuckInChannel(t *testing.T) {
t.Fatalf("应拉起 1 个驻留子,实际 %d", len(root.Residents()))
}
}
// ★★ 回归:转投必须保留 ResponseCh,否则同步调用方永久挂起。
//
// 这是我在线上真踩的第二个 bug:第一版用 InjectInputTo 重建事件 ⇒ ResponseCh
// 被丢掉 ⇒ 日志显示子**正常处理完了**(各 ~3s),但 webui 的 HTTP 请求一直挂着
// 不返回,最终 504。仓库反复警告同一件事(Agent.Stop 的注释:"带 ResponseCh 的
// 同步注入方(cli / clawhubadapter 均无超时)会永久挂起")。
//
// 正确做法是走既有的跨 agent 投递原语 DeliverRouted:它推**原事件**。
//
// 断言方式是**最强的那个**:真的等同步回执回来。
// (不用读子的 InputChan 来断言:SpawnResident 会启动子自己的调度循环,
//
// 它会与测试抢同一个 channel —— 那样写出来的测试是 flaky 的,实测过一次挂死。)
func TestForwardKeepsResponseCh(t *testing.T) {
root, main := newRootWithoutSchedulerLoop(t)
defer main.Close()
opts := DefaultOffloadOptions()
opts.Enabled = true
opts.BusyAfter = time.Nanosecond
opts.MinPending = 1
opts.MaxResidents = 1
root.sched.enqueue(makeQueuedInput(1))
root.sched.nextRef()
// 一条**带同步回执通道**的输入(模拟 cli/webui 这类调用方)
respCh := make(chan *agentIO.OutputEvent, 1)
evt := &agentIO.InputEvent{
RequestID: "sync-1", Source: "webui", Type: "text",
OutputChannel: "webui",
Payload: map[string]interface{}{"content": "sync request"},
ResponseCh: respCh,
}
root.sched.enqueue(newInputTask(evt))
if n := root.offloadPendingTasks(opts); n != 1 {
t.Fatalf("应转投 1 条,实际 %d", n)
}
// 转投的是**同一个事件对象**(所以 payload 上的标注能在这里被看到),
// 而不是重建的副本 —— 副本会丢掉 ResponseCh。
if evt.Payload["offloaded_from"] != "parent" {
t.Errorf("应标注转投来源,实际 %v", evt.Payload["offloaded_from"])
}
if evt.ResponseCh == nil {
t.Fatal("★ 原事件的 ResponseCh 被清掉了")
}
// ★ 决定性断言:同步调用方真的收到回执。
select {
case out := <-respCh:
if out == nil {
t.Fatal("收到空回执")
}
if out.RequestID != "sync-1" {
t.Errorf("回执应带原 RequestID,实际 %q", out.RequestID)
}
case <-time.After(10 * time.Second):
t.Fatal("★ 同步调用方没收到回执:转投丢了 ResponseCh(线上表现为 HTTP 挂起 504)")
}
}