feat: 模块化内核(编译期依赖图定序)+ 密钥防火墙 + 插件三态生命周期 (#10)

* feat(kernel): 模块化内核 + 编译期依赖图定序

把单体 init 序列拆成「模块自声明依赖 + 编译期生成依赖图 + 运行期只读图」。

## 为什么

原 cmd/homed/main.go 里 17 步 init 是**手写顺序**,依赖关系只存在于
注释和人脑里。实测踩到的坑(见 docs/zh/kernel-modularization-design.md):
 · nlp.defaultParser 被 initONNXParser 写、被 distiller 读,两者相距 60 行,
   只靠 ticker 10min 才没炸(隐式依赖,无声明)
 · 加一个模块要人肉找"该插在哪",插错的表现是运行期 nil 解引用
 · 关停是 defer ks.CloseAll(),而热更新路径 os.Exit(42) **跳过 defer**
   ⇒ docStore/distiller/textMem 的 flush 全部丢失(每次热更新都发生)

## 怎么改

- internal/kernelboot/:KernelState(一个结构体收全部包级共享变量,字段
  nil 安全)、Module 接口、graphfile(依赖图编解码 + 与二进制 hash 对账)、
  scheduler(按 BFS 层并行 Init)、syncbus(层边界写通知)、
  lifecycle(Quiesce/Resume 可逆伪关机,区别于一次性 CloseAll)
- internal/kernelmod/<name>/:每个模块一个文件夹,Requires/Provides 自声明;
  all/all.go 是唯一的 import 清单(Go 循环导入约束)
- cmd/homed-depgraph:编译期生成依赖图,Makefile 注入 digest
- 运行期只**读**图,不计算顺序(顺序是编译期决定的,源码里没有中央清单)

## 判据

kernelboot 8 条 + 图失败模式 7 条(全部拒绝并给准确错误)+ 模块目录数
与注册表一致性。变异测试 15/15 咬住,含:
 · 删掉 AddCloser 的锁 → -race 报数据竞争
 · Scheduler 同批跑去重 → 203 vs 200
 · 图 hash 不匹配 → 拒绝启动

## 顺带修的缺陷

热更新路径漏调模块关闭 ⇒ 显式 stopKernelModules(),并用 AST 判据钉住
"必须在 os.Exit 之前"(字符串检查在本仓已骗过我三次)。

实测:冷启动 1630ms(5 层/17 模块,原 17 步串行);生产 22 插件全部建链。

* feat(security): 密钥防火墙 + 配置加密 + close 纪律

## 密钥防火墙

模型只见别名、不见明文;插件工具调用入口(StageHost.ExecuteTool)做入向
回填。三维能力:
 · 出向:工具输出里的密钥被替换成 [[secret:name]] 别名后才进上下文
 · 入向:模型传别名,入口处填回真值(插件完全无感知)
 · 存储:config.db 里不存明文(0644 的库可读),敏感值独立 0600 文件

模式库「宁漏勿误伤」:宁可漏掉一次替换,也不把正常文本误当密钥。

## 配置加密

- internal/security/{codec,key,keyring,store,global}.go:AES-256-GCM,
  enc:v1: 前缀,密钥轮换(OldKeys 解码 + 新钥加密)
- harden.go:数据目录权限收紧
- embedded.go:支持内嵌主密钥(可选,仍保留外部 key 文件路径)
- EncryptExistingSecrets / AuditSecrets:启动时幂等迁移 + 审计

## close 纪律(用户明确要求:只要调 close 就要有前置检查)

internal/safeclose:Safe / SafeFunc。全仓 37 处裸 close(chan) → 0。
关键教训(都写进注释和判据):
 · `select { case <-ch: default: close(ch) }` **不是**并发安全的
   (两个 goroutine 可同时命中 default)—— healthcheck 原先是这种写法
 · `sync.Once` **不可重入**:X.Do(func(){ Safe(&X, ...) }) 会自锁,
   症状是 go test 直接挂住(3 个包 600s 超时),栈里只有嵌套的 Once.Do
 · map 里按请求持有的 channel(mcp/stdio.go、clawhubadapter/sidecar.go)
   改成 *pendingRPC 包装,每通道一个 once

## 判据

security 全量 + TestNoBareCloseOutsideSafeclose(AST 级扫描,含注释剥离)
+ TestNoNestedSelfOnceDeadlock(正则修正:\w+ 不匹配点号,捕获组要含 '.')。
变异 2/2 咬住。全量 52 包 ok。

* feat(plugin+deploy): 插件三态生命周期、数据目录迁移、发行包修复

## 插件三态生命周期(用户要求:自动启动 / 启用但不自动启动 / 禁用)

- Manifest 新增 requires_facilities / auto_start(*bool,用于区分
  "未声明"与"显式 false")
- plugin-host 模块(internal/kernelmod/pluginhost):用 kernelboot.Scheduler
  按依赖时机拉起,**不再手写两阶段**
- 运行态停启 StopPlugin/StartPlugin **可逆**:不写 disabled_plugins
  (不改用户决定)、不置 shuttingDown(之后还能加载)、会摘掉注册面
- 与 StopAll 的区别写进注释 —— StopAll 置 shuttingDown 后**永久无法加载**,
  那是进程退出用的,误用于"暂停"就是关了就死

## 数据目录迁移(伪关机 → 迁移 → 唤醒)

- kernelboot/lifecycle.go:Quiesce/Resume(可逆,区别于一次性 CloseAll),
  逆序暂停、逆序恢复、Pause 失败回滚
- kernelboot/migrate.go:BeginMigration/End 编排(先停插件 → 再停内核写者
  → 等在途归零)
- distiller/textmem 增 Pause/Resume 门(不是 cancel —— cancel 不可逆,
  恢复要重建整个对象)
- 模块 migration:体检 + 生成可执行迁移脚本

★ 迁移脚本的三个实测教训(都写成了判据):
 1. 无条件改 /etc/systemd/system ⇒ 演练把**生产** -data 改成了演练目录。
    加 --dry-run(零改动)+ 强制校验 systemd 当前 -data == OLD
 2. 本机没装 rsync,脚本在"服务已停、数据未搬"处硬失败 ⇒ cp -a 回退,
    并明确警告不保硬链接/ACL(生产 plugindev 有大量 git 硬链接)

## 发行包修复(全部经实测确认)

 1. package-linux.sh **完全漏打 depgraph.bin** ⇒ 内核 exit 1
    ("生产构建(内嵌 hash 非空)但读不到依赖图")
 2. build_homed 不走 Makefile ⇒ 单独修 Makefile 无效,必须同时生成图+注入
 3. build.sh 的 LDFLAGS 用**历史模块路径 gitcode.com** ⇒ -X 静默 no-op
    ⇒ --version 显示 unknown
 4. Makefile -ldflags 用**单引号** ⇒ 注入了字面 $GRAPH_HASH

## ★ build.sh 的版本号必须校验(真实事故)

原 `VERSION="$(git describe --tags --dirty)"`。无 tag 分支上它返回**分支名**
`backup/pre-identity-rewrite-20261005-51-g03d87a4e-dirty`,被注入 meta.Version
⇒ 插件握手判据 MajorVersion() 把整串当主版本 ⇒ **22 个子进程插件全部
握手失败**("主版本不匹配")。内核活着、systemd active、日志每条都像
插件的问题 —— 实际是发行包带着非法版本号。

修法:git describe 只在形如 vX.Y.Z 时采用,否则回退 meta.Version(权威源),
并对最终值做形态守卫。deploy/packaging/version_guard_test.go 3 条判据,
变异 2/2 咬住。

## deb 的 systemd unit 改为 guard 模式

ExecStart=/usr/bin/homed --role=guard --data /var/lib/homeagent
(worker exit 42 → guard 重拉,不经过 systemd、不计失败)
含 RestartSteps/RestartMaxDelaySec/TimeoutStopSec + 硬化
(NoNewPrivileges/ProtectSystem/ProtectHome/DevicePolicy/ReadWritePaths)。

## 其他

- internal/plugin/proc:非法 JSON 帧的报错**可定位**(内容摘要 + 可能原因 +
  修法)。生产实测 1038 条非法帧(插件往 stdout 打日志 = 污染协议通道)
- 示例插件 4 个 14 处 fmt.Printf → log.Printf
- hmapdev 模板同步修复;scaffold 判据剥离注释(模板注释里就含 fmt.Printf)

* chore: 收尾(主密钥轮换命令、IPC/知识库加固、SDK 对齐)

- cmd/homed-key-rotate:把 security 里的 RotateKey/RotateKeyFile/RekeySecrets
  串成一条**可执行**的运维路径。没有它,E-1 就只是库里的能力而不是
  "出事时能做的事",而轮换的价值恰恰在于能执行。
- cmd/homed:kmod_runtime(模块装配入口)、plugins_scheduled(failback
  白名单)、memcandidate、bootstrap_order_test / shutdown_flush_test
- internal/ipc、internal/devicebridge、internal/knowledge:配套加固
- third_party/homeagent-sdk/sdk:PluginMgrAPI 增三态能力(mgrStop/mgrStart/
  mgrIsRuntimeStopped)+ settings 对齐

判据:bootstrap_order_test(启动顺序不依赖手写序列)、
shutdown_flush_test(停机的两条路径必须对称 —— exit 42 会跳过 defer,
热更新路径下模块关闭/flush 曾全部丢失)。

* test(security): 测试夹具改用不可误认的占位值(修 push protection 拦截)

GitHub secret scanning 拦住了推送:三处测试夹具用了"看起来像真密钥"的
字面量:

  internal/security/prefilter_test.go:39
  internal/security/store_test.go:177
  internal/security/survey_test.go:20

它们全是**假密钥**(`AKIAIOSFODNN7EXAMPLE` 是 AWS 官方文档的标准示例,
其余是 `abcdefghij...` 这类可读占位符),但扫描器无法区分 —— 它只看形态。

★ 不绕过(不用 unblock URL、不加 allowlist):直接改夹具。
原因:一旦允许"假密钥可以通过",真密钥混进来时就没有最后一道门了。

改法:保留**模式库匹配所需的结构**,把可识别内容换成 FAKE:
  glpat-abcdefghijklmnopqrst       → glpat-FAKE-TEST-TOKEN-NOT-REAL
  sk-abcdefghij...012345           → sk-FAKE-TEST-KEY-NOT-REAL-0000000
  AKIAIOSFODNN7EXAMPLE             → AKIA0000FAKE0000TEST   (保持 20 字符)
  ASIAIOSFODNN7EXAMPLE             → ASIA0000FAKE0000TEST
  xoxb-123456789012-abcdefghijklmnop → xoxb-FAKE-TEST-TOKEN-NOT-REAL

★ 中途踩到一次:AWS 键的模式是 `\b(AKIA|ASIA)[0-9A-Z]{16}\b`(共 20 字符),
我第一次替换成 19 字符的 `AKIAFAKETESTKEY0000` ⇒ 模式匹配不上 ⇒
TestSurvey_WhatIsCaught / TestRecognizesCommonShapes /
TestPrefilterNeverBlocksRealMatches 三条当场变红。
判据正确地拒绝了"为了过扫描器而削弱覆盖"。

顺带核实:全仓 grep 无任何真实密钥泄漏。

* fix(packaging): package-linux.sh 的版本解析与 build.sh 统一

上一版只修了 build.sh,漏了 package-linux.sh —— 它仍只看 git describe:

  VERSION="${VERSION:-$(git describe --tags --dirty)}"

无 tag 分支上 git describe 返回**分支名**
(backup/pre-identity-rewrite-20261005-56-g98850e1),守卫会正确拒绝,
但要求人**手动传 VERSION** 才能打包。而 build.sh 早已能自动回退 meta.Version
⇒ 同一个版本,走 build.sh 打得出来、走 package-linux.sh 打不出来。

危害不只是"要手动传参":运维为了跑通会去掉守卫,而分支名一旦进
meta.Version 就是**插件协议主版本**的来源 ⇒ 22 个子进程插件全部握手失败
(这是真实发生过的事故,见 3efa4e5)。

修法:两个脚本用同一套规则(git describe 仅在 vX.Y.Z 形态时采用,
否则回退 meta.Version),并对最终值做形态守卫。

判据:TestBothPackagingScriptsShareVersionRules —— 逐个读两个脚本,
要求都能从 meta/meta.go 取权威版本、都校验 git describe 形态。
变异(把 package-linux.sh 改回旧规则)咬住并准确指出是哪个脚本。

实测:不传 VERSION 跑 package-linux.sh,输出
  [PKG] warn: git describe 给出非版本串(...),改用 meta.Version=1.4.0
  Version: 1.4.0

* fix(test): 跨仓判据在 CI 上应 skip 而非 fail(修 PR 双红)

CI 上 "Go build / vet / test" 与 "Build linux/amd64" 双红:

  --- FAIL: TestHmapdevTemplateImplementsAllPluginMgrMethods
      bridge_sync_test.go:170: 读模板: open
      ../../../third_party/homeagent-sdk/tools/hmapdev/templates/proc_main.go.tmpl:
      no such file or directory

## 根因:判据依赖了一个**被 gitignore 的路径**

`.gitignore:33` 有 `third_party/homeagent-sdk/tools/`(SDK 仓自治,本仓不跟踪)。
于是:
  · 本机(完整 SDK 检出)有该文件 ⇒ 判据通过
  · CI(只 checkout 本仓)没有该文件 ⇒ Fatalf ⇒ **必红**

我提交时只在本机跑测试、没看 CI,所以这个问题拖到 PR 才暴露。

## 修法

文件缺失时 `t.Skipf` 而不是 `t.Fatalf`。

★ 这不是"放弃检查":
  · 跨仓一致性由 **SDK 仓自己的判据**守着
    (tools/hmapdev/scaffold_stdout_test.go 等),那里才是模板的真实归属地
  · 本判据在本机开发时**仍然生效**(已验证:有文件时 PASS,缺文件时 SKIP)

## 验证

 · 本机(有文件)  → PASS(判据真跑)
 · 模拟 CI(移走 tools/)→ SKIP(不再 fail)
 · 全量 53 包 ok / 0 fail

## 顺带

同目录还有 e2e_template_test.go 也读 tools/,但它是 `//go:build` 门控的
e2e 判据,CI 默认不跑,无需处理。

---------

Co-authored-by: JianFeeeee <JianFeeeee@users.noreply.gitcode.com>
This commit is contained in:
JianFeeeee
2026-10-17 19:18:24 +08:00
committed by GitHub
parent 03d87a4e21
commit a68d6a428c
266 changed files with 30185 additions and 1424 deletions

198
internal/security/key.go Normal file
View File

@ -0,0 +1,198 @@
package security
// 主密钥管理(设计文档 T3)。
//
// ## 密钥从哪来
//
// 优先顺序(第一个可用者胜出):
//
// 1. systemd 凭据文件 $CREDENTIALS_DIRECTORY/homed_security_key
// —— 生产首选:systemd 解密到 tmpfs(只读、不在磁盘、不进 environ)
// 2. 环境变量 HOMED_SECURITY_KEY(hex 64 字符 / base64)
// —— 兼容手写 systemd / 容器注入
// 3. <dataDir>/security.key 文件(0600,首次启动自动生成)
// —— 开发机 / 无 systemd 场景
//
// ## 为什么把 systemd 凭据放在 env 之前
//
// 环境变量对同用户进程**可见**(/proc/<pid>/environ),任何以该用户身份运行的
// 进程都能读到主密钥 —— 那等于把整层加密打开。systemd 的 LoadCredential 把
// 内容落到一个 tmpfs 文件($CREDENTIALS_DIRECTORY,仅本进程可读 0400),
// 既不在磁盘上留副本,也不出现在 environ 里。
//
// 详见 docs/zh/kernel-secret-firewall-design.md E-4。
//
// ## 为何不放进 config.db
//
// config.db 是 0644 **全局可读**的。密钥进去等于没有加密
//(设计文档硬约束:凭据绝不进 config.db)。
//
// ## 密钥丢失的后果(必须响亮)
//
// 密钥变了 ⇒ 已落盘的变量全部解不开。这时**不能静默重建库**
//(那会看起来"一切正常"而实际所有凭据都丢了)。
// 判据 TestWrongKeyFailsLoudly 固化这个行为。
import (
"crypto/rand"
"encoding/hex"
"fmt"
"log"
"os"
"path/filepath"
"strings"
)
// EnvKeyName 是主密钥的环境变量名。
const EnvKeyName = "HOMED_SECURITY_KEY"
// CredentialDirEnv 是 systemd 提供的凭据目录(`LoadCredential`/`SetCredential`)。
const CredentialDirEnv = "CREDENTIALS_DIRECTORY"
// CredentialName 是 systemd 凭据名。
//
// ★ 这个名字必须与 unit 里的 `LoadCredential=<ID>:<path>` **逐字符一致**:
// 实测(systemd 262)下划线**不会**被改写 —— `LoadCredential=homed_security_key:...`
// 产生的文件名就是 `homed_security_key`。这个名字是我们自己选的,
// 只要两边一致即可(文档只要求"可作为文件名的短 ASCII 串")。
const CredentialName = "homed_security_key"
// KeyFileName 是密钥文件名(位于数据目录)。
const KeyFileName = "security.key"
// LoadOrCreateKey 按优先级取主密钥;没有则生成一个并落盘。
//
// dataDir 是内核数据目录(config.db 所在目录)。
func LoadOrCreateKey(dataDir string) ([]byte, string, error) {
// ⓪ 内嵌主密钥(构建期 -ldflags 注入)——**最高优先级**。
//
// 为何最高:内嵌的目的就是「二进制在、密钥就在」,若被 systemd/env/磁盘
// 盖过,那它在那些来源缺失时仍需回退,"不丢"就不成立。
//
// ★ 但它**不删除**其它来源:旧密文仍需旧钥可读,见 AdditionalDecryptKeys。
if k, ok := loadEmbeddedKey(dataDir); ok {
return k, "embedded (构建期注入,指纹 " + EmbeddedKeyFingerprint() + ")", nil
}
// ① systemd 凭据(生产首选:tmpfs、不在磁盘、不进 environ)
if dir := strings.TrimSpace(os.Getenv(CredentialDirEnv)); dir != "" {
path := filepath.Join(dir, CredentialName)
b, err := os.ReadFile(path)
if err != nil {
// CredentialsDirectory 存在但凭据缺失 ⇒ **响亮失败**。
// 静默回退到磁盘文件会让「忘记配凭据」表现成「一切正常」,
// 而实际用的是旧密钥 —— 那正是本模块最怕的静默降级。
return nil, "", fmt.Errorf(
"security: systemd 凭据目录已设置(%s)但读不到 %s —— "+
"unit 里应配 LoadCredential=%s:<密钥文件路径>;"+
"拒绝静默回退到磁盘密钥: %w",
dir, CredentialName, CredentialName, err)
}
key, err := parseKey(strings.TrimSpace(string(b)))
if err != nil {
return nil, "", fmt.Errorf("security: systemd 凭据 %s 格式非法: %w", path, err)
}
return key, "systemd credential " + CredentialName, nil
}
// ② 环境变量(兼容手写 systemd / 容器)
if raw := strings.TrimSpace(os.Getenv(EnvKeyName)); raw != "" {
key, err := parseKey(raw)
if err != nil {
return nil, "", fmt.Errorf("security: %s 格式非法: %w", EnvKeyName, err)
}
return key, EnvKeyName, nil
}
// ③ 磁盘文件
path := filepath.Join(dataDir, KeyFileName)
if b, err := os.ReadFile(path); err == nil {
if fi, serr := os.Stat(path); serr == nil {
if perm := fi.Mode().Perm(); perm != 0o600 {
return nil, "", fmt.Errorf(
"security: 主密钥文件权限不安全:%s 是 %04o,必须是 0600",
path, perm)
}
}
key, err := parseKey(strings.TrimSpace(string(b)))
if err != nil {
return nil, "", fmt.Errorf("security: 主密钥文件损坏: %w", err)
}
return key, path, nil
} else if !os.IsNotExist(err) {
return nil, "", err
}
// ③ 首次启动:生成
key := make([]byte, 32)
if _, err := rand.Read(key); err != nil {
return nil, "", fmt.Errorf("security: 生成主密钥失败: %w", err)
}
if err := os.MkdirAll(dataDir, 0o700); err != nil {
return nil, "", err
}
tmp := path + ".tmp"
if err := os.WriteFile(tmp, []byte(hex.EncodeToString(key)), 0o600); err != nil {
return nil, "", err
}
if err := os.Chmod(tmp, 0o600); err != nil {
return nil, "", err
}
if err := os.Rename(tmp, path); err != nil {
return nil, "", err
}
return key, path, nil
}
// AdditionalDecryptKeys 返回**当前钥之外**、为了能读出已落盘密文而必须装入
// 解密集合的钥。
//
// ## 为何必需(否则内嵌会一次性丢光数据)
//
// 一台机器先用磁盘钥 `security.key` 加密过 config.db / 变量库,然后升级到
// **内嵌了另一把钥**的二进制。此时若只信内嵌钥:
//
// ① 旧密文用内嵌钥解 → 全部失败
// ② 内核遇到解不开的密文会**响亮失败**(这是对的设计,不静默重建)
// ⇒ 服务起不来;若用户此时选择"重建库"⇒ **凭据全丢**
//
// 所以内嵌钥上台时,磁盘钥(以及 keyring history)必须继续参与**解密**,
// 只是不再负责加密新数据。这正是 E-1 密钥环的同一套思路:
// 「当前钥负责 Seal;旧钥只参与 Open」。
//
// 内嵌钥与磁盘钥相同、或磁盘钥不存在时,返回空(无额外钥)。
func AdditionalDecryptKeys(dataDir string, current []byte) [][]byte {
var out [][]byte
if !EmbeddedKeyPresent() {
return nil
}
path := filepath.Join(dataDir, KeyFileName)
b, err := os.ReadFile(path)
if err != nil {
return nil
}
diskKey, err := parseKey(string(trimSpaceBytes(b)))
if err != nil || len(diskKey) != 32 {
return nil
}
if !sameKey(diskKey, current) {
out = append(out, diskKey)
log.Printf("[security] 已把 %s 作为**额外解密钥**装入(内嵌钥为当前钥)——"+
"旧密文仍可读;请勿删除该文件,直到确认全部密文已重加密", path)
}
return out
}
// parseKey 接受 hex(64) 或原样 32 字节。
func parseKey(s string) ([]byte, error) {
s = strings.TrimSpace(s)
if len(s) == 64 {
if b, err := hex.DecodeString(s); err == nil {
return b, nil
}
}
if len(s) == 32 {
return []byte(s), nil
}
return nil, fmt.Errorf("长度 %d 非法(需 64 位 hex 或 32 字节)", len(s))
}