fix(agent): cancel 停不下调度循环 —— 队列非空时永远不看 ctx.Done

## 缺陷(真缺陷,不是测试问题)

`schedulerLoop` 只在"队列空"的分支里 select `ctx.Done()`:

	if kind == nextNone {
		select { ... case <-a.ctx.Done(): return }
	}

于是**只要队列里有任务,循环就永远不看 ctx.Done** —— 一直取、一直执行,
直到队列被取空才可能退出。

生产后果(`reclaim` / `destroy`):销毁流程先回收残余任务、再销毁子。
而回收到销毁之间子仍在运行,继续把队列里的任务取走执行 —— 那些任务的
结果**永远无人认领**(子随即被销毁),且日志无痕迹:既不在"残余清单"里,
也没跑到出结果。带 ResponseCh 的同步调用方(cli/a2a)更糟:Stop 的
drainPendingInterrupts 给它补一个 "skipped",用户看到"已跳过",
而任务其实执行过。

## 修法

1. `schedulerLoop` 循环顶部(**取任务之前**)检查 ctx.Done。
2. 新增 `waitSchedulerStopped`:cancel 之后等 running 归零(上限 5s,
   超时如实记日志,不让控制面永久挂住)。
3. 新增 `FinishResident`:停止调度 → 回收残余 → 处置 → 收割记忆 → 销毁,
   **一步完成**,消除"取完到销毁"之间的窗口。`reclaim` / `destroy` 改走它。
4. 记忆收割抽成 `harvestResidentMemory`,供 FinishResident 的 onDestroy 复用
   (必须在 Destroy 之前 —— Destroy 会关掉 temp)。

## 判据(2 条,都做了"撤销修复必须变红"的验证)

 · TestSchedulerStopsTakingTasksAfterCancelWithNonEmptyQueue
   用阻塞 provider 把循环钉在 executeNewTask 里,此时塞 5 条进队列、
   cancel、放行。修复在位 ⇒ 5 条一条都不执行;撤销修复 ⇒ 取走 5 条。
   **实测撤销后报「仍取走了 5 条(剩 0/5)」,恢复后 10/10 绿。**
 · TestFinishResidentIsAtomic
   断言返回后子已从登记表移除(销毁确实在同一事务内完成)。

原 flaky 的 TestResidualKeepReturnsTasksToParent 与
TestResidualDropNotifiesSyncCaller 也修了:先 cancel + 等静止再入队,
得到确定的初始状态(它们验的是转交逻辑,不是子的生命周期)。30/30 绿。

## 我踩过的两条弯路(都写进判据注释了)

1. 加 `scheduler.freeze` 绕过。错在:调度器本来就有停止语义(ctx),
   再引入一个状态位会让"谁负责停"含糊,且忘了解除就永久僵住。已删。
2. 判据第一版写成「先 Start、再 cancel、然后入队」—— 那时队列是**空的**,
   循环正好走 nextNone 看到 ctx.Done 退出,于是**撤掉产品修复判据依然
   30/30 全绿**。是用户追问"凭什么说修好了"才发现这是假绿。
   必须造出"队列非空时 cancel"这个确切场景才测得到。
This commit is contained in:
JianFeeeee
2026-10-18 13:07:40 +08:00
parent c426921847
commit d9c2e51f61
5 changed files with 352 additions and 35 deletions

View File

@ -484,6 +484,22 @@ func TestResidualKeepReturnsTasksToParent(t *testing.T) {
child := root.residents[info.ID].agent
root.residentMu.Unlock()
// ★ 必须先停住子的调度器,再入队 —— 否则它不是确定性测试。
//
// SpawnResident 末尾会 child.Start()(产品行为:子创建即开工),
// 于是子会在两次 enqueue 之间取走一条开始执行。而"正在执行"的那条
// **不属于"尚未处理"**(TakeResidual 只取 queue/interrupt/immediate,
// 不取 s.running)⇒ 本测试断言的 2 条就只剩 1 条可回收。
// 实测:约 1/30 概率失败于 `应处置 2 条,实际 1`。
//
// 这不是产品缺陷:真实场景里残余任务是"子已停止、队列里剩下的",
// 天然静止;本测试要验的是**转交逻辑**(含 ResponseCh 保留),
// 不是子的生命周期。先 cancel + 等静止,就得到确定的初始状态。
//
// 注意必须用 cancel(调度器本来就有停止语义)而不是任何自定义标志位。
child.cancel()
child.sched.waitSchedulerStopped(schedStopTimeout, info.ID)
// 给子塞两条尚未处理的残余任务(一条带同步回执、一条不带=模拟 qq)
syncCh := make(chan *agentIO.OutputEvent, 1)
child.sched.enqueue(newInputTask(&agentIO.InputEvent{
@ -536,6 +552,11 @@ func TestResidualDropNotifiesSyncCaller(t *testing.T) {
child := root.residents[info.ID].agent
root.residentMu.Unlock()
// ★ 同 TestResidualKeepReturnsTasksToParent:先停住子调度器再入队。
// 否则子可能先把这条取走执行,于是"残余任务"为 0 条,断言失效。
child.cancel()
child.sched.waitSchedulerStopped(schedStopTimeout, info.ID)
respCh := make(chan *agentIO.OutputEvent, 1)
child.sched.enqueue(newInputTask(&agentIO.InputEvent{
RequestID: "d1", Source: "cli", OutputChannel: "cli",