fix(回路): Agent↔Agent 加 2h 冷静期；冷却期内 relay 不自动重投递
缺口：maxAgentPingPong=8 撞闸后**计数永不回落** —— 只有人类插话才归零。 旧文案把出路指向「请由人类插一句话」，而那条线索上常常**根本没有人类** （2026-10-01 报告：agent 一封都发不出，且那条线索无人在场）。 修法（两条要求分别落地）： ① 2h 恢复机制：撞闸即写入 session_agent_locks（落库，内存态一重启就"恢复"， 且多副本各算各的）；到期自动放行，人类插话立刻解锁（优先于到期）。 ② 锁定期间的邮件不自动重投递：冷却期内 relay 直接 403 丢弃 —— **不排队、不占幂等键、不入库**。排队会在 2h 后一次性灌回去， 那等于把刚压住的回路换个更糟的形状放出来。 实测踩到的三个坑（都被判据抓住）： - `VALUES ($1,$2,$2,...)` 让 until_at 复用 locked_at 的 $2 ⇒ 锁诞生即过期 - driver 以 UTC 扫回 DATETIME，而 time.Now() 是本地(HKT+8) ⇒ 差 8h > 2h 的一半 ⇒ 锁形同虚设 - 只查**收件方**是否人类，漏了**发件方** —— 而「人类插话解锁」的常态就是 人回信、收件方仍是 Agent ⇒ 人插话反被自己写的闸 403 拦下，那条出路根本不存在 - SQLite 没有 GREATEST；在 DATETIME 上按**字符串**比大小 ⇒ CASE 也会错。 改为「已有锁一律不碰 until_at」。 判据：repo 6 格（含"读失败不得读成未锁定"—— 最初 0 格能抓，变异测试补的） + handler 4 格。三个变异全部经得起（且每��都先确认变异编译通过再数红格 —— 本轮多次 grep 得 0 实际是 build failed，测试压根没跑）。
This commit is contained in:
139
server/internal/repo/agentlock.go
Normal file
139
server/internal/repo/agentlock.go
Normal file
@ -0,0 +1,139 @@
|
||||
package repo
|
||||
|
||||
import (
|
||||
"context"
|
||||
"database/sql"
|
||||
"errors"
|
||||
"fmt"
|
||||
"time"
|
||||
|
||||
"github.com/agentmail/gateway/internal/db"
|
||||
"github.com/google/uuid"
|
||||
)
|
||||
|
||||
// Agent↔Agent 回路的**锁定期**（2026-10-01）
|
||||
//
|
||||
// # 缺口
|
||||
//
|
||||
// `maxAgentPingPong = 8` 拦下"两个 Agent 互相确认而无人决策"之后，
|
||||
// **计数永不回落**：只有人类插话才归零。2026-10-01 的报告就是那个形状——
|
||||
//
|
||||
// 本会话已连续 8 封 Agent 之间互相回信、其中没有任何人类参与（上限 8）。
|
||||
// …请由人类在会话里插一句话（计数即归零）。
|
||||
//
|
||||
// 而这条线索上**没有人类**（Agent 之间自己开的会话，或人已经不在），
|
||||
// 于是那一侧**永久**发不出信，且文案把出路指向一个不存在的操作。
|
||||
//
|
||||
// # 修法：给一个不依赖人的出口
|
||||
//
|
||||
// 到 `until_at` 自动放行。语义是「冷静期」而不是「永久封禁」：
|
||||
// 8 封无决策的互发多半是两个 Agent 在空转，2 小时足以让它们停下；
|
||||
// 而真的需要继续时，2 小时后自己就能走，或由人插一句话立刻恢复。
|
||||
//
|
||||
// # 为什么落库
|
||||
//
|
||||
// 放内存会有两个问题：重启即"恢复"（而锁定期的意义正是别短时间内再炸一轮），
|
||||
// 以及多副本部署时各算各的。`sessions` 表已有，改动落在它旁边而不是内存态。
|
||||
//
|
||||
// # 人类插话仍然立刻归零
|
||||
//
|
||||
// `SessionLockTouch`：人来信即清锁。这条优先级高于到期 ——
|
||||
// 人参与了就不该再等冷静期。
|
||||
const AgentLockDuration = 2 * time.Hour
|
||||
|
||||
// ErrSessionLocked 表示该会话处于 Agent 回路冷静期，Agent 的自主回信被拒。
|
||||
var ErrSessionLocked = errors.New("session is in agent-loop cooldown")
|
||||
|
||||
// SessionLock 是一次锁定的状态（供错误文案与测试用）。
|
||||
type SessionLock struct {
|
||||
Until time.Time
|
||||
Hops int
|
||||
// Remaining 是剩余锁定时长；<= 0 表示已到期或未锁定。
|
||||
Remaining time.Duration
|
||||
}
|
||||
|
||||
// Active 报告该锁定是否仍在生效。
|
||||
func (l SessionLock) Active() bool { return l.Until.After(time.Now()) }
|
||||
|
||||
// SessionLockOf 返回该会话当前的锁定状态；未锁定返回零值 + ok=false。
|
||||
//
|
||||
// 过期行**顺手删掉**：判据是 `until_at`，而清理只是回收空间 ——
|
||||
// 留着它会让"是否锁定"的读数有两个答案（行在 / 行不在），而只有一个是真的。
|
||||
func SessionLockOf(ctx context.Context, sessionID uuid.UUID) (SessionLock, bool, error) {
|
||||
var until time.Time
|
||||
var hops int
|
||||
err := db.DB.QueryRowContext(ctx,
|
||||
`SELECT until_at, hops FROM session_agent_locks WHERE session_id = $1`, sessionID,
|
||||
).Scan(&until, &hops)
|
||||
// ⚠ 必须区分「查不到」与「读失败」。
|
||||
//
|
||||
// 我第一版把两者合并成 `return {}, false, nil`，于是 Scan 失败
|
||||
// 被读成"未锁定" ⇒ **锁完全失效，且看起来一切正常**。
|
||||
// 这正是我自己写在上面的那段警告，只是没做到。
|
||||
// 而把读失败当安全，正是安全系统最不该犯的错。
|
||||
if errors.Is(err, sql.ErrNoRows) {
|
||||
return SessionLock{}, false, nil // 真的没锁：正常路径
|
||||
}
|
||||
if err != nil {
|
||||
// 读不出来 = **不知道**。不能当成"没锁"——那等于静默拆掉防护。
|
||||
// 调用方按"仍在锁"处理（宁可挡住，不可放行）。
|
||||
return SessionLock{}, true, fmt.Errorf("read session lock: %w", err)
|
||||
}
|
||||
|
||||
// ⚠ 时区：本库 DATETIME 列由 driver 以 **UTC** 扫出（实测读回
|
||||
// time.Date(..., time.UTC)），而 time.Now() 是本地时区（HKT，+8）。
|
||||
// 直接比会把「还剩 2 小时」算成「已过期 8 小时」⇒ 锁一设就失效。
|
||||
// 一律用 UTC 比较，与 driver 对齐。
|
||||
if !until.After(time.Now().UTC()) {
|
||||
_, _ = db.DB.ExecContext(ctx,
|
||||
`DELETE FROM session_agent_locks WHERE session_id = $1`, sessionID)
|
||||
return SessionLock{}, false, nil
|
||||
}
|
||||
return SessionLock{Until: until, Hops: hops, Remaining: time.Until(until)}, true, nil
|
||||
}
|
||||
|
||||
// SetSessionLock 锁住该会话：已开始一次 `AgentLockDuration` 的冷静期。
|
||||
//
|
||||
// 已有锁定期**不延长**（`until_at` 只会往前推靠 `GREATEST`，不是每次调用都 +
|
||||
// 2h）。理由：反复触发时"每次 +2h"等于永不解锁 ——
|
||||
// 一个每 30 分钟试一次的 Agent 会把会话永久锁住，而那正是我们要避免的。
|
||||
func SetSessionLock(ctx context.Context, sessionID uuid.UUID, hops int, reason string) (SessionLock, error) {
|
||||
// ⚠ 时区：写入也用 UTC。本地时间（HKT）与 driver 读回的 UTC 混用时，
|
||||
// 差 8 小时会让 2 小时的锁看起来像「已过期 6 小时」⇒ 锁形同虚设。
|
||||
now := time.Now().UTC()
|
||||
until := now.Add(AgentLockDuration)
|
||||
// ⚠ 已有锁定期**一律不延长**（真的不碰 until_at）。
|
||||
//
|
||||
// 两个坑都踩过：
|
||||
// ① SQLite 没有 GREATEST（实测 `no such function: GREATEST`），
|
||||
// 而本项目两种方言都要支持（migrate.go 明确要求两处同改）。
|
||||
// ② 改用 CASE 比大小也不行 —— SQLite 在 DATETIME 上按**字符串**比，
|
||||
// 而新算出来的 until 确实更晚 ⇒ 每次触发都往后推 1 秒。
|
||||
//
|
||||
// 语义上「不延长」就应该是「不碰 until_at」：行存在即代表它生效中
|
||||
// （过期的行 SessionLockOf 读的时候已经顺手删了）。
|
||||
_, err := db.DB.ExecContext(ctx, `
|
||||
INSERT INTO session_agent_locks (session_id, locked_at, until_at, hops, reason)
|
||||
VALUES ($1, $2, $3, $4, $5)
|
||||
ON CONFLICT (session_id) DO UPDATE
|
||||
SET hops = EXCLUDED.hops,
|
||||
reason = EXCLUDED.reason`,
|
||||
sessionID, now, until, hops, reason)
|
||||
if err != nil {
|
||||
return SessionLock{}, err
|
||||
}
|
||||
return SessionLock{Until: until, Hops: hops, Remaining: AgentLockDuration}, nil
|
||||
}
|
||||
|
||||
// SessionLockTouch 清掉该会话的锁定 —— **人类插话即立刻恢复**。
|
||||
//
|
||||
// 返回是否真的清掉了一条（false = 本来就没锁）。
|
||||
func SessionLockTouch(ctx context.Context, sessionID uuid.UUID) (bool, error) {
|
||||
tag, err := db.DB.ExecContext(ctx,
|
||||
`DELETE FROM session_agent_locks WHERE session_id = $1`, sessionID)
|
||||
if err != nil {
|
||||
return false, err
|
||||
}
|
||||
n, _ := tag.RowsAffected()
|
||||
return n > 0, nil
|
||||
}
|
||||
Reference in New Issue
Block a user