974bf2a62f
症状（生产会话 0094eee5 `harmony-push-真机验证`）：
homeagent 的 3 封失败退信（relay:"summary"）被 CountTrailingAgentPingPong
计入「Agent 互发」计数，与 5 封模型主动往返合计 8 ⇒ 触发上限。之后：
· 模型每次真生成完回复再 send ⇒ 403（网关日志 09-29 22:01 ~ 09-30 10:11 共 7 笔）；
· 桥的 sendFailureReply 退信也走 /mail/send ⇒ 同样 403 ⇒ 发件人只收到
「模型未产生回复」，真因被吞；
· 被拒的尝试不产生新邮件 ⇒ 计数永不回落 ⇒ 死锁，无人能解。
发件方收到的错误与「模型没说话」在桥侧合并成同一文案（plugin.go:1022），
把内核侧限流误报成模型故障 —— 两个 Agent 各自查错了方向一整天。
根因：2026-09-26 设计第三道闸时的实测样本（pi↔dsh 175 封）里 relay=0，
于是默认这条路径上没有 relay 邮件。但插件代劳的退信同样满足
「Agent→Agent + 无人类」，被并进同一个闸。relay 本有自己的更严闸
（maxRelayHops=5），两类回路挤在同一个计数里是设计疏漏。
修法（两处，缺一不可）：
1. repo：CountTrailingAgentPingPong 跳过 relayed_mails 里登记过的邮件
（LEFT JOIN，与 CountTrailingRelayHops 同一判据源）。
2. handler：该闸加 `relay == ""` 条件 —— 即使计数已满，插件代劳的
退信/转发也必须能发出去（否则 ①② 仍在：闸拦住退信 → 真因被吞）。
红绿（生产同款数据形状）：
3 主动 + 3 relay + 2 主动 ⇒ 缺陷版数出 8（FAIL，与生产实测一字不差），
修复后 5（PASS）。人类参与打断连续性的语义不变（回归 TestAgentPingPongResetsOnHuman）。
自证边界：单测证明的是计数器与闸门的判据；「死锁会话已解锁」要在部署后
用真实会话验证（见下一笔提交）。403 文案同时删掉了「或说明为何这轮必须继续」
—— 模型的任何说明本身也要走 send，被同一道闸拦着，这条恢复路径不存在。
107 lines
4.7 KiB
Go
107 lines
4.7 KiB
Go
package repo
|
||
|
||
import (
|
||
"context"
|
||
|
||
"github.com/agentmail/gateway/internal/db"
|
||
"github.com/google/uuid"
|
||
)
|
||
|
||
/*
|
||
防的是**无人决策的 Agent↔Agent 往返**，与 relay 无关。
|
||
|
||
# 为什么已有的两道防线都拦不住（2026-09-26 实测）
|
||
|
||
生产上 `pi ↔ dsh` 一天跑了 **175 封**、正文 612KB，其中 **relay = 0** ——
|
||
全部是模型**主动**调 send_mail。而两道防线都只覆盖 `relay != ""` 那条路：
|
||
|
||
① 会话预算：`relay != ""` 才扣 ⇒ 主动发信不扣（且该会话 max_rounds=0=不限）
|
||
② maxRelayHops=5：`if relay != "" { ... }` ⇒ 根本不进那个分支
|
||
③ 插件自动转发守卫：日志明说"本轮不自动转发：来信方 dsh 是 Agent"
|
||
—— 守卫**工作正常**，但模型自己发的不受它管
|
||
|
||
⇒ 三条全绕开。没有任何一层在数"两个 Agent 在没有人类参与的情况下连续往返了几次"。
|
||
|
||
# 判据的形状（与 maxRelayHops 同构，但不看 relay 标记）
|
||
|
||
从最新一封往前扫，**连续**的"发件方是 Agent 且收件方也是 Agent"的邮件计数，
|
||
遇到以下任一即停（= 归零）：
|
||
|
||
· 人类发的信（`from_name` 是用户）
|
||
· 人类收的信（`to_name` 是用户）
|
||
|
||
"连续"与"人类参与即归零"这两点与 maxRelayHops 一致 —— 正常的
|
||
「Agent 干完活回一封、人类看一眼再派下一轮」不受影响；只掐住
|
||
「全程没有人类说话」的那种回路。
|
||
|
||
# 为什么阈值取 8 而不是 5
|
||
|
||
maxRelayHops=5 管的是**插件自动转发**：那种回路每封都没有新信息，5 跳足够。
|
||
而这里是模型**主动**发信 —— 两个 Agent 协同一件事时，来回十几次是正常的
|
||
（本轮真实案例：`mc` 插件修复本身就有 6 封有效往返）。
|
||
|
||
8 是"明显超出正常协同、但还没到烧掉一天 175 封"的位置。触发时的处理是
|
||
**拒绝并说清怎么办**（人类插一句、或模型说明为何必须继续），不是静默限流。
|
||
*/
|
||
const maxAgentPingPong = 8
|
||
|
||
// CountTrailingAgentPingPong 数会话尾部**连续的、无人类参与**的 Agent↔Agent 邮件数。
|
||
//
|
||
// 返回值即「若本次再发一封，它会是第几跳」的前一个数。
|
||
//
|
||
// ★ relay 邮件**不计数**（2026-09-30 修，dsh）：
|
||
//
|
||
// 本函数原样数了插件代劳的邮件，与设计意图（注释第 15~16 行「relay = 0」
|
||
// 的实测场景）相悖 —— 那次实测里回路全由**模型主动 send_mail** 构成，
|
||
// 所以设计时默认「这条路径上没有 relay 邮件」。但插件代劳的邮件
|
||
// （失败退信 sendFailureReply、权限询问转发、总结转发）也满足
|
||
// 「发件方 Agent + 收件方 Agent + 无人类」，一旦被计入，就会出现：
|
||
//
|
||
// ① 退信计入 8 连 ⇒ 上限被**插件自己**触发；
|
||
// ② 闸门在 send 入口、先于 relay 分支 ⇒ 插件代劳的退信同样被 403；
|
||
// ③ 退信发不出去 ⇒ 发件人只看到「模型未产生回复」，不知道真因；
|
||
// ④ 计数只增不减（每一次被拒的尝试都不产生新邮件，计数不动，
|
||
// 但每次模型真生成完回复再被拒，桥又发一封退信也进不来）⇒
|
||
// 会话进入**永久死锁**：模型想回信 → 403 → 退信也 403 →
|
||
// 发件人重发 → 模型再回 → 再 403，没有任何一方能解。
|
||
//
|
||
// relay 邮件有自己的计数器（CountTrailingRelayHops，阈值 5，更严），
|
||
// 把两类计数混在同一个闸里正是本缺陷的根因。
|
||
func CountTrailingAgentPingPong(ctx context.Context, sessionID uuid.UUID) (int, error) {
|
||
rows, err := db.DB.QueryContext(ctx, `
|
||
SELECT
|
||
EXISTS (SELECT 1 FROM users u WHERE u.username = m.from_name) AS from_human,
|
||
EXISTS (SELECT 1 FROM users u WHERE u.username = m.to_name) AS to_human,
|
||
CASE WHEN r.mail_id IS NULL THEN 0 ELSE 1 END AS is_relay
|
||
FROM mails m
|
||
LEFT JOIN relayed_mails r ON r.mail_id = m.mail_id
|
||
WHERE m.session_id = $1
|
||
ORDER BY m.created_at DESC, m.mail_id DESC`, sessionID)
|
||
if err != nil {
|
||
return 0, err
|
||
}
|
||
defer rows.Close()
|
||
|
||
n := 0
|
||
for rows.Next() {
|
||
var fromHuman, toHuman, isRelay bool
|
||
if err := rows.Scan(&fromHuman, &toHuman, &isRelay); err != nil {
|
||
return 0, err
|
||
}
|
||
// 人类参与（发或收）即打断连续性 —— 与 maxRelayHops 同一个"连续"语义。
|
||
if fromHuman || toHuman {
|
||
break
|
||
}
|
||
// ★ relay（插件代劳）不计入：它有自己的更严阈值（maxRelayHops=5），
|
||
// 且绝不能反过来把模型主动回信的通道锁死（详见函数头注释 ①~④）。
|
||
if isRelay {
|
||
continue
|
||
}
|
||
n++
|
||
}
|
||
return n, rows.Err()
|
||
}
|
||
|
||
// MaxAgentPingPong 供 handler 与测试共用同一个阈值。
|
||
func MaxAgentPingPong() int { return maxAgentPingPong }
|