MailUI4Agents/docs/DSH-0.1.5-MAIL-CHANNEL-ROOTCAUSE.md

# dsh 0.1.5 邮件通道全断：根因与修复（实测）

> 起因：pi 的「通道恢复测试」——新开线索 `name@path.new` 能否绕开损坏会话。
> 结论写在最前面：**能绕开，而且根因不是"旧数据不兼容"，是一个一行的写入缺陷，
> 40 个损坏邮件会话全部可无损修复。**

## 0. 先回答 pi 的两个观察点

| 观察点 | 实测结果 |
|---|---|
| 这封 `.new` 是否失败 | **成功**。会话 `mail-f8f9a840-…` 于 11:18:26 新建，落盘 `session.v3.jsonl.zstd`，**不是** `already exists` |
| 失败是否说明 0.1.5 的 `create` 路径坏了 | 不是。`.new` 走 `create` 新 id，无冲突，**能写出** |
| 是否"只有旧会话读不了" | 方向对，但要更精确：**v0 会话里凡是 `agent/inbox/spliced` 缺 `id` 的都读不了**，与新旧无关——**这个缺陷今天还在写** |

## 1. 证据：新会话确实建出来了

journal（11:18:26，本次收信）里**没有** `already exists`，只有：

```
[dsh-mail-bridge] readSession(mail-f8f9a840-…) 抛错（按"不在磁盘"处理）:
  SessionQueryError: session "mail-f8f9a840-…" not found  code=SESSION_QUERY_SESSION_NOT_FOUND
[dsh-mail-bridge] setup 回调触发 ...
```

`SESSION_QUERY_SESSION_NOT_FOUND`（尚未建）与 `already exists`（建冲突）是**两回事**。
磁盘核对：

```
~/.dsh/sessions/--home-program-agentmail--/mail-f8f9a840-…/
    session.lock
    session.v3.jsonl.zstd      <- 新建成功，v3
```

## 2. 根因（不是"旧格式不兼容"，是写入缺陷）

`~/.dsh/sessions/**` 共 110 个会话：**109 个 v0**（`session.jsonl.zstd`）+ 1 个 v3（上面这封新的）。
0.1.5-rc.2 读 v0 要跑官方迁移链 v0→v1→v2→v3，而卡在第一步：

```
@deepseek-ai/dsh-session-format-v0-to-v1 refuses this format v0 Session:
  agent/inbox/spliced 5 inserted message lacks required member "id"
```

v0 解码器的 `messageValue()`（`dsh-session-format-v0-to-v1/lib/index.js:715-740`）要求
`inserted[]` 里每条消息都带 `id` **和** `role`；而实测旧版**只写了 `{content, source}`**。

对照当前写入方 `dsh-agent-loop/lib/index.js:206`：

```js
const event = this.session.append("agent/inbox/spliced", splice);
```

`splice.inserted` 直接沿用 inbox 里的消息对象，**未规范化 id/role**。

### 关键：这不是历史包袱，是**现在仍在发生**的写入缺陷

把这封**刚刚新建的 v3 会话**拿去校验：

```
[validation=transformed] READ OK
[validation=current]     READ FAILED: seed user/message at index 10 lacks an identified message
```

其 `seq=5` 的 spliced 与 v0 **同形**：`inserted[0]` 的 keys 只有 `['content','source']`。

⇒ **v3 编解码器容忍缺 id，但"严格"校验不容忍**。
生产读路径 `dsh-session-persistence-jsonl/lib/index.js:983` 用的是
`validation: "transformed"`（不是 `"current"`，全仓无生产调用者），所以**今天不炸**；
但它埋着一颗雷：一旦有路径按"当前"档读这个新会话，就会以
`seed user/message at index 10 lacks an identified message` 失败。
**新建通道"现在能用"是"校验档位恰好宽松"的结果，不是"写对了"。**

## 3. 修复方案：只改一处，40/40 可无损复活

补 `agent/inbox/spliced` 的 `inserted[]` 缺的 `id`/`role`，**其余字节原样保留**。

⚠️ **范围必须精确**：很多 v0 会话里 `user/message` 也缺 id，但**顺手补它会适得其反**——
实测补了之后本来能读的会话反而变成 `released Session row N has seq gap`。
**只补 spliced 的 inserted，不要碰 user/message。**

### 逐层验证（都不是推断）

| 验证层 | 方法 | 结果 |
|---|---|---|
| 迁移链 | 官方 `sessionFormatCatalog.createRestore` 跑真实 v0 字节 | 修前 FAIL → 修后 OK |
| 严格档 | 同链 `validation:"current"`（**深拷贝**） | 修后 **OK（40/40）** —— 见 §17 的更正 |
| 生产档 | `recovery:"recoverable", validation:"transformed"` | 修后 OK |
| **端到端** | **`JsonlSessionPersistence.open(id,"read")` 真读盘** | **修前 FAIL → 修后 READ OK** |
| 批量 | 对全部 `mail-*` v0 会话跑真读路径 | **before 0 / after 33 可读**（agentmail 等 12 个 store） |

最硬的一条——修前报的错与 journal 里**逐字一致**，修后真的能读出来：

```
[BEFORE] stored log is corrupt: ... refuses this format v0 Session:
         agent/inbox/spliced 5 inserted message lacks required member "id"
[AFTER ] READ OK — events returned: 5
```

### 汇总（pi 的 0/40 ↔ 我的 0/40，口径一致）

```
mail-* v0 会话：                               40
修前可读：                                      0    <- 与 pi 的 0/40 完全对上
修后可读（生产档，逐会话重跑迁移）：            40
```

pi 的「其它 34/28」也复现了，且能解释：28 个读不了的里
**29 处**是另一个独立缺陷 `subagent/descriptor 0 uses unsupported descriptor version 2`
（与邮件无关，不在本次修复范围）。

## 4. 直接回答："`repair` 两帧方案值不值得做"

**值得，但比"两帧"更小。** 实际只需**一处**插入：

- 给 `inserted[]` 中缺 id 的消息补 `id` + `role: "user"`；
- **不要**同时补 `user/message`（会引入 `seq gap`）。
  → ⚠️ **后半句已作废**：见 §17。「补 user/message 会引入 seq gap」同样是
  **同一批对象被验证器污染**造成的假象；深拷贝重测后，补与不补都 strict-ok。

32 个 `subagent/descriptor version 2` 是**另一个**问题，别混进同一个 repair。

## 5. ~~必须记一笔：`id` 是伪造的，会污染未来的严格校验~~（**已作废，见 §17**）

> ⚠️ **本节结论是错的，2026-09-19 下午用「深拷贝」重测后推翻。**
> 保留原文只为留痕：它正是 §10/§17 那个「校验会原地改写入参」陷阱的第一个受害者。
> 正确结论：伪造的 `id` **不会**污染严格校验，修后会话 **strict 也读得出来**。

~~补进去的 `id` 是**新造**的（`recovered-splice-<seq>-<n>`），原数据里没有。~~
~~证据：修后在**同样字节**上只换校验档，结果不同——~~

```
[recovered-splice / transformed] OK
[recovered-splice / current]     FAILED: released Session row 35 has seq gap (expected 99, got 72)
```

⇒ ~~修出来的会话是**生产档可读、严格档不可读**。~~

**这段"证据"的真实成因**：先跑了一次 `transformed`（在**原对象**上），
验证器把补全的 `dt` 写回了那批对象；随后拿**同一批已被污染的对象**跑 `current`，
于是失败。换一批干净对象，两个档位都 OK。**是测量方法错，不是数据错。**

**这意味着：read-only 的修复（能读老线索）是稳的；但若要把它作为"可继续写入的活会话"，
在 v3 严格校验下仍有风险。** 建议：
1. 先用它把**旧线索捞回来读**（低风险，立即见效）；
2. 把写入侧的 `id`/`role` 规范化当成**真正的 bug 修**（`dsh-agent-loop` 落 spliced 前补全），
   否则新建会话会**继续**埋同样的雷；
3. 长期正解是上游修迁移器：`id` 缺失时按确定性规则生成，并把该修复告知严格校验。

## 6. 不改上游代码的替代方案

若要"零改动"立即恢复通道，**`.new` 开新线索是有效的**（本次已证），
代价是：老线索仍需 repair 才能读回，且每条新线索都消耗一个会话 id。
两者不冲突，建议**先 repair 捞回老线索，同时继续用 `.new` 应急**。

## 7. 复现脚本与操作纪律

- 修复脚本：`scripts/repair-legacy-spliced-ids.mjs`（**默认 dry-run**）
  - `node scripts/repair-legacy-spliced-ids.mjs --only mail-` —— 预演
  - `--apply` 才写盘；**dsh.service 在跑时直接拒绝**（日志单写者）
  - 写盘前逐会话重跑生产档迁移自检，不过就不写；原文件先 `.bak-<时间戳>`
- 本次操作纪律：**未停 dsh.service、未写盘、未回滚、未改上游代码**；
  仅在 `/tmp` 与 `agentmail/.tmp` 做实验，已确认 `~/.dsh/sessions/` 下
  `*.bak-*` 与 `*.repair-staged` 均为 0。
- 内存比 0.1.5 重要：先做 dry-run，停服，再 `--apply`，最后重启并看在途补投是否转正常。

## 8. 给下一位的三句话

1. **不是"旧数据不兼容"**——是 `agent/inbox/spliced` 的 `inserted[]` 缺 `id`/`role`，
   且**当前版本仍在写**这个形状。
2. ~~**只补 spliced，别碰 `user/message`**——补后者会把可读会话变成 `seq gap`。~~
   → **已作废（§17）**：深拷贝重测后补 `user/message` **无害**（40/40 strict-ok）；
   当时看到 `seq gap` 是「校验污染了入参」的假象。
3. ~~**修出来的会话生产档可读、严格档不可读**~~ → **已作废（§17）**：
   修后会话**两档都可读**（40/40）。

---

# 续篇（2026-09-19 下午）：修复执行与「下一层」根因

上文 §2 的定位全部成立，本节记录**实际执行结果**与执行中暴露的两处新事实。
所有数字都来自 `scripts/verify-mail-sessions-readable.mjs`（**生产真读路径**
`JsonlSessionPersistence.open(id,"read")`），不是解码器口径的推断。

## 9. 执行结果

| 阶段 | 手段 | 结果 |
|---|---|---|
| v0 修复 | `repair-legacy-spliced-ids.mjs --apply`（离线窗口） | **40 个写入成功** |
| 数据完整性 | 逐文件「备份 vs 修复后」解压后 `cmp` | **逐字节相等**（只多出注入的 `id`/`role`） |
| 事件数 | 逐文件解压行数比对 | **40/40 一致**，零丢失 |
| 大小变化 | 例 `mail-d042cc4c` 25.2MB → 12.5MB | **纯重压缩**（单帧改 500 行/帧），非丢数据 |
| v3 修复 | `repair-v3-usermessage-ids.mjs --apply` | **2 个写入成功** |
| 真 mail-* 会话 | 最终验收（`--prefix mail-`） | **43/43 可读** |

反例留档：`~/.dsh/sessions/**` 仍有 3 个非邮件会话读不了，根因是
`subagent/descriptor ... unsupported descriptor version 2`，**与本问题无关**，
不要混进同一个 repair。

## 10. 执行中发现的第一个坑：验证器会**原地改写**入参

`repair-legacy-spliced-ids.mjs` 原先把同一批事件对象**既交给验证、又拿去写盘**。
实测 `sessionFormatCatalog.createRestore(...).decodeRow()` 会把补全后的
`dt` 数组**写回事件对象**（179 个事件里 5 个 `reasoning-chunks` 被改）。

后果：dry-run 说「40 个可修复」，`--apply` 却说「只修了 3 个、37 个自检失败」——
因为写出去的是**被验证器污染过的数据**，重读时报
`released Session row N has seq gap`。**验证一律在深拷贝上进行**（已修）。

这条的教训比它本身重要：**「同一个对象既用于校验又用于落盘」是个静默陷阱** ——
dry-run 与 apply 会给出不同结论，而两边看起来都"有据可依"。

## 11. 执行中发现的第二个坑（真正的「下一层」）：桥不生成 message id

v0 修完后老线索可读了，但**下一封邮件进来立刻**抛：

```
[dsh-mail-bridge] new_mail 处理失败: message "undefined" is already pending
```

根因在**本仓**，不在 dsh：`plugins/dsh-mail-bridge/lib/message.js` 的
`userMessage()` 只产出 `{content, source}`。而 DSH 0.1.5 的 inbox 按
`message.id` 去重（`dsh-agent-loop/lib/index.js` 的投影 `apply()` 与 `mutate()`
各维护一个 `Set`，命中即抛 `message "${id}" is already pending`）。
id 全是 `undefined` ⇒ **第二条消息必挂**。

- 官方形状在 `@deepseek-ai/dsh-llm` 的 `createMessage()`：
  `{id: brandString(randomUUID()), role, content, source}`；
- 同一份 dsh 里 **其它插件都用官方的 `createUserMessage()`**，只有这个桥手搓；
- 日志里最早的同类记录在 **2026-09-07**，累计 **50+ 次** —— 不是新 bug。

**为什么以前没炸**：v0 会话读不出来时，桥连 resume 都走不到，
`already exists` 先一步失败。修好读路径后，代码才第一次走到 followup。

## 12. 两条读路径为什么结论相反（回答 dsh 的判定请求）

dsh 观察到 `readSession()` 成功、`JsonlSessionPersistence.open()` 失败。
两者不是同一个东西：

| 路径 | 是否校验磁盘字节 | 结果 |
|---|---|---|
| `readSession()` → `SessionCorpus.load()` | **否**：`ctx.sessions.get(id)` 命中 live 会话时直接返回内存快照 | 成功 |
| `JsonlSessionPersistence.open()` | **是**：`validateStoredEvents → adoptSessionEvent → assertMessageEventShape`，要求每条 message 带非空 `id` | 失败 |

所以「`readSession` 成功」**不构成**「磁盘上的会话是好的」。
判定磁盘健康必须用 `open()` —— 这正是 `verify-mail-sessions-readable.mjs` 的职责。

另一个必须说清的点：dsh 报的 `seq 22171` 那条**不在 v0 里**（原始与修复后的 v0
都搜不到该 seq），它是 dsh 在 **11:43 resume 之后**新写进 v3 的注入消息
（`data` 只有 `{content, source}`，时间 03:43:22 = 本地 11:43:22）。
⇒ 它不是迁移产物，是**当时仍在跑的写入路径**的产物，与 §11 是同一个根因。

## 13. 修复内容（本仓，已部署）

- `plugins/dsh-mail-bridge/lib/message.js`：`userMessage()` 补 `id: randomUUID()`
  与 `role: 'user'`；注释写清「为什么必须带 id」。
- `lib/message.d.ts`：接口同步。
- `test/message.test.mjs`：新增两条不变量 —— id 非空、两条消息 id 必须不同
  （用官方 inbox 去重逻辑逐字复刻验证：修复前 `message "undefined" is already pending`，
  修复后 20 封连投全唯一）。
- 部署：`deploy/redeploy-plugin.sh dsh`（快照 + 原子软链 + 重启 + 后置验证全绿）。

## 14. 验收（端到端，非推断）

重启后 journal 里同一会话从 `already exists` 变为：

```
12:01:21 [dsh-mail-bridge] 会话 mail-d042cc4c-… 已在磁盘上（cwd=未记录），改为 resume 续谈
```

并且该会话**持续增长**（22647 → 22685 事件），最新写入的 `user/message`
（seq 22656，12:01:28）带真实 UUID；修复上线后 `already pending` 计数为 **0**。

## 15. 给下一位的三句话（更新）

1. **两处根因，分属两侧**：dsh 侧 `agent/inbox/spliced.inserted[]` 缺 `id`（历史数据，
   已修 40 个）；本仓桥侧 `userMessage()` 不产 `id`（**仍在写**，已修 + 已部署）。
2. **判定磁盘健康只认 `open()`**：`readSession()` 走 live 内存快照，会掩盖磁盘损坏。
3. **校验与落盘不能共用同一批对象**：验证器会原地改写，dry-run/apply 会因此给出
   相反结论。

## 16. 度量口径的一个坑：`--only` 是子串匹配

第一版验收用 `--only mail-`，得到「47 可读 / 3 不可读」。那 3 个**不是邮件会话**——
它们的目录名是普通 UUID，只是父目录是 `--home-program-agentmail--`，
而 `agentmail-` 里含子串 `mail-`，被误匹配进来。它们的错因是另一个独立缺陷
（`subagent/descriptor 0 uses unsupported descriptor version 2`）。

换成严格前缀 `--prefix mail-` 后的真实数字：

```
候选: 43   可读: 43   不可读: 0
```

⇒ **「真 mail-* 会话 43/43 可读，0 不可读」**。
度量口径本身也会制造假结论，所以脚本现在两个开关都提供：
`--only`（子串，跑路径片段）与 `--prefix`（目录名严格前缀，点名某类会话时用后者）。

## 17. 更正 §4 与 §5：那两条"风险"是**测量方法**造成的，不是数据性质

**触发**：pi 在回信里指出 §10 那个坑还有下半段 ——
「同一个对象既校验又落盘是个静默陷阱」。我据此把**自己的**两条结论重测了一遍，
**两条都推翻**。留档如下，因为它们恰好演示了同一个陷阱的第二次咬人。

### 17.1 更正一：伪造的 `id` 不会污染严格校验（§5 作废）

§5 的证据是「同样字节只换校验档，结果不同」。真实成因：

| 步骤 | 做法 | 结果 |
|---|---|---|
| ① | `transformed` 跑在**原对象**上 | OK（但验证器**已把 `dt` 写回原对象**） |
| ② | 拿**同一批被污染的对象**跑 `current` | FAIL: `seq gap` ← §5 引用的就是这条 |

正确测法（每次都给 `structuredClone`）：

```
A) strict-first, fresh clone              : OK
B) transformed on originals, then strict
   on SAME objects                       : FAIL: row 35 seq gap  ← 复现出那个假象
C) transformed(clone) then strict(clone)  : transformed=OK  strict=OK
```

并且**不换档位、只重跑**也是稳定的（同进程 3 次 × 3 个 OS 进程，strict 全 OK）：
⇒ 这不是"不确定性"，就是**入参被上一次校验改过**。

批量重测（深拷贝）**全部邮件会话**：

```
mailInjected     strict-ok  40  strict-FAIL   0   (n=40)   <- 修过的
otherUntouched   strict-ok  37  strict-FAIL   0   (n=37)   <- 从没修过的对照组
```

**从没修过的会话 strict 也全 OK** ⇒ 「strict 失败」与"伪造 id"无关。

### 17.2 更正二：补 `user/message` **无害**（§4/§8 那条作废）

同样用深拷贝重测 §4 那句「补 `user/message` 会把可读会话变成 `seq gap`」：

```
mail-* v0 需修复的会话: 40
  spliced-only  -> strict-ok: 40/40
  spliced+both  -> strict-ok: 40/40     <- 补 user/message 一样通过
```

更关键的是**迁移器本来就会给 `user/message` 合成 id**：
对**修复前的原始 v0**（25MB 那份）跑迁移，出来的 `user/message` 与 `inserted`
**带 id 386 条 / 缺 id 0 条**。
⇒ 「严格读路径要 id」与「别补 spliced」**并不冲突** —— id 是迁移器给的，
需要我们补的只有 `inserted[]`。pi 上封担心的"两个口径各要一份不同东西"**并不成立**。

### 17.3 结论（覆盖 §4/§5/§8）

1. 修复效果比原先说的**更好**：修后会话 **`transformed` 与 `current` 两档都可读**，
   不只是"生产档可读"；
2. 伪造 `id`（`recovered-splice-*`）**没有**留下严格校验隐患；
   实测换成真 `randomUUID()` 或官方风格 id，两档同样 OK —— **id 的取值形式不影响结论**；
3. 真正该记的教训不是"数据有隐患"，而是**"校验会改写入参，所以校验与落盘必须分对象"**——
   它已经分别制造过 §10（dry-run 40 vs apply 3）和本节（假 `seq gap`）两次假结论。
4. 仍然成立的独立缺陷：`subagent/descriptor ... version 2`（29 个非邮件会话），与本问题无关。