Files
zyt/artifacts/ai_dify_stop_persistence_review_20261027.md
T
2026-10-27 14:03:35 +08:00

11 KiB
Raw Blame History

2026-10-27 Dify stop 与持久终态复核

本任务只读本地已保存部署源码、候选及报告,仅新增本报告。没有网络、远程命令、应用 bootstrap、凭据输出、患者查询、模型调用、stop、数据库操作或生产源码修改,没有子代理。

当前结论

主代理提供的新现场证据是:通过实际本地 FastCGI、实际配置与 CA,对原始同一个绑定 run 执行一次只读状态查询,ok=true、37ms、status=running、original_control_unchanged=true;此时距原 producer stopped 已超过十分钟。本审查没有重做该 GET。

这已超出最初约 300ms 的两次观察窗口。单独延长 PHP 查询间隔或增加同一两秒预算内的查询次数,不能修复这种长期不持久化现象。现有 fail-closed 清理门应保持。原始 run 的 running 本身仍不证明 GPU 忙或 provider 未退出。

本地已有部署源码能够精确解释这种不一致的可达控制流。2026-10-24 的完整诊断已复现;后续 R35 再取的部署源码仍与原 43 文件逐字节相同。生命周期改动位于 R27–R35 的明确未应用候选目录;没有证据显示它们已安装在 Dify。发布 Dify 工作流 prompt/节点草稿不会把这些 Python 生命周期补丁安装到 API 服务。

不能仅凭这次 GET 将当前原 run 确定归因到某一分支:仍缺这次请求的 producer/dispatcher/persistence 错误和退出时间线。下面是源码证据及最小修复路径,不将静态兼容性当成逐 run 法证。

部署源码与完整性

主要既有报告:app/artifacts/ai_concurrency/tcm_v43r26c_deployed_stop_persistence_audit.md。其 112 项 AST/stub 检查明确复现“停止响应已输出、run 仍 running”,并保留正常 abort 可保存 stopped 的正向控制。

本次重新检查了 R35 两份保存文本,未导入或执行 Dify 模块:

保存文件 内容 本次检查
r35_root_source_acquisition/deployed_source.snapshot.json 60 个 Python body;SHA 8b6aa47b32a60e7c2a2d8899bc226fb0bd50f917fb6f0926967ee5ce88dabbfb 全部 UTF-8 bytes/hash 有效;baseline image match;旧源码差异数 0
r35_root_source_acquisition/deployed_source.dependencies.snapshot.json 27 个 Python body;SHA b1efa3dde2cf31cb4ed7cf741cce316330b9348fe1b0469cffeba33483b4bc17 全部 UTF-8 bytes/hash 有效

r35_root_recovery/PHASE_NOTES.md:13 与 READONLY_AUDIT.safe.json 记录此前远程静态读取 87 个唯一文件、旧 43 未变、没有部署。它们是保存时点的部署证明;本次未重新访问服务器,不能替代当前加载代码复核。

以下行号指上述 snapshot 内 text 解码后的真实 Python 文件,不是外层 JSON 行号。

stopped 流怎样先于持久终态出现

  1. core/app/apps/base_app_queue_manager.py:55–84:listener 在 finally 中发现时间上限或 legacy stop flag,就自行发布 QueueStopEvent(USER_MANUAL)。这一步不等 graph 的 AbortCommand 消费或保存。
  2. core/app/apps/advanced_chat/generate_task_pipeline.py:558–595:_handle_stop_event 请求 converter 构造 WorkflowExecutionStatus.STOPPED finish response,保存 Message,yield finish/message_end。此 handler 没有保存 workflow execution 的 STOPPED。正常消费循环见该文件 :751–753,收到 stop 后 break。
  3. core/app/apps/message_based_app_queue_manager.py:24–47:生产者先 _q.put(message),随后若来源为 APPLICATION_MANAGER 且 stop flag 已存在,就抛 GenerateTaskStoppedError。
  4. core/app/apps/advanced_chat/app_runner.py:206–209:原 runner 只有 generator = workflow_entry.run(); for event in generator: self._handle_event(...)。异常在 generator 的消费者中抛出,原 runner 没有请求原 engine 合作 abort、继续驱动原 generator 并等待持久保存的协调路径。
  5. core/app/apps/advanced_chat/app_generator.py:547–566:runner.run() 的 GenerateTaskStoppedError 被 pass;finally 只有 db.session.close()。这不会替代 graph 的生命周期完成。
  6. core/workflow/graph_engine/graph_engine.py:259–268:真正 aborted 的正常路径会先 notify layers,再 yield GraphRunAbortedEvent;但消费者异常造成的 generator disposal/GeneratorExit 未必到达这段。:289 的 except Exception 不捕获 GeneratorExit,:298–299 finally 只 _stop_execution()。
  7. core/workflow/graph_engine/layers/persistence.py:155–156:on_graph_end 为 no-op。真正保存 STOPPED 的代码是 :206–214,收到 GraphRunAbortedEvent 后设置 execution.status 并调用原 repository.save。上面跳过事件的路径不会自动补写。

另一个独立缺口是 core/workflow/graph_engine/event_management/event_manager.py:173–186 将任意 layer.on_event Exception 记录后吞掉。因此即使 graph 终态事件已到,终态 repository.save 失败仍可能继续输出终态。没有这次真实异常日志,不能说本次一定发生了 DB 保存失败。

services/app_task_service.py:39–45、core/workflow/graph_engine/manager.py:49–63 还把 legacy flag 与 graph command 入队分成两个机制;发送错误可被隔离。dispatcher.py:83–125 的原轮询集中在启动/退出和 node terminal,空队列/连续非终态 chunk 期间的命令消费机会不足。HTTP stop success、SSE stopped、graph aborted、持久 stopped、worker/provider 资源退出分别需要证据。

现有候选到哪里,哪些不能直接部署

本地目录或文件 覆盖边界 当前身份
v43r26c_dispatcher_command_polling.patched.py / 对应 patch 100ms monotonic 普通事件轮询与 Empty 消费机会 未应用;单独无法协调 producer 或证明资源退出
r27_producer_lifecycle 原 owner 驱动原 generator、合作 abort、pool 收尾 原候选已明确独立 review 不通过,不能取这一版本
r27_persistence_visibility critical persistence 首错可见性 原组件检查通过但集成有红;不能孤立当成完成修复
r30_producer_lifecycle/composition.safe.json 精确 17 目标:A9 + 固定 R29 B6 + C Persistence1 + dispatcher1 当前可审查的后续生命周期组合,明确未应用;不是部署/live 证明
r31_producer_receipt_wiring 原 engine/原 pool owner witness、私有本地结果绑定 明确未应用;没有对外 receipt API/store/PHP 消费;不能解决现有公开 GET 持久化问题的缺口
r35b_manual_coordinator 本地手工 sandbox 协调实例 ROLLOUT_AND_ROLLBACK.md 明说不要安装到当前服务;不是 Dify 生命周期部署补丁

R30 A 的 engine/pool/runner 延续修复后的 R29,不应回退到原 R27;R30 EventManager 再处理 critical metadata 与首错竞态。相关旧红例、尚未证明的 provider/真实应用边界在各包报告中均保留。没有一份本地有限 AST/stub 成绩可直接当成生产已经安全上线。

最小具体计划

  1. 先核对当前服务加载源与镜像。 以新的独立目录做一次只读静态 source/hash 读取,至少覆盖两个 AppGenerator/Runner、WorkflowEntry、GraphEngine/GraphExecution、dispatcher/command handler、Worker/Pool、node/LLM iterator、EventManager/Persistence 与具体 repository writer。核对保存 baseline 和将采用组合;只读核对本次 stop 时间附近的安全错误类别/线程退出证据,不导出输入输出。不要以 image tag 或工作流 prompt 发布时间替代加载代码身份。
  2. 修 producer 生命周期入口。 对精确 GenerateTaskStoppedError,由原 producer owner 向同一个原 engine 请求合作 abort,并继续驱动原 generator 到其原收尾/终态保存;不要从别的线程 close/throw 正在执行的 generator。普通错误保留原 primary,并由原 owner 显式有界收尾。
  3. 让原命令持续有消费机会,并确认本地收尾。 复用已保存 dispatcher 窄补丁及后续 Worker/iterator/Pool 方案:signal 与有限组 join、inflight next/close 结果不丢、未退出引用不删。只有原 generation 的 owned 工作确认结束且没有 ordinary primary 时,才走合法 abort 终态。超时或未知仍保持 pending,不把 status 写 stopped 充当清理。
  4. 让持久化失败可见。 采用精确组合中 critical Persistence 标记与 EventManager 首错协议;保留原 repository 的真实 STOPPED 保存路径与事务语义。保存失败不能继续对调用者声称持久终态,不能在 finally 无条件补写 stopped/failed。
  5. 把改动做成一个可审查的完整 forward/inverse 包。 以当前 source pins 为准组合精确目标,先做真实应用依赖导入和有限集成验证,再在可回滚的隔离服务实例上验证正常完整回答、首字前/后停止、deadline、早期 running 后持久 stopped、持久保存失败和 provider 不合作等反例。明确相关服务重启/替换的影响范围,然后才考虑共享部署。不要直接给运行容器临时覆盖几个文件而遗漏依赖或无法回滚。
  6. 通过现有 PHP 实际 transport 验收。 fresh synthetic complete/cancel/timeout 每次只一个 generation;同一 task/run 的独立 GET 必须确认合法持久终态,零 pending 后才测试后继。再完成当前工作站真实完整回答;新 prompt 的成功回答只证明当前问答,不自动解除原 stop 缺陷。

这不是一行 finally save(stopped) 的修改;最小范围是原 producer→graph→owned workers→persistence 的取消协议。不要引入与本次问题无关的全新公开 receipt API、手工 registry 或把历史原 run 的数据库行改成 stopped。原 run 的历史状态只有服务器真实权威生命周期证据才能升级,不能用新运行成功替代。

已有安全访问方式

可复用的参考方法是 app/artifacts/ai_concurrency/r35_root_source_acquisition/collect_sources.py:17 和 collect_dependencies.py:14 的 collect(*, username, password)。两个文件不含认证凭据、没有顶层网络调用;调用时由受信任外层仅在内存传入凭据。使用已有 known_hosts 与 paramiko.RejectPolicy,不会自动接受陌生 host key;连接/认证/命令有 timeout,finally 关闭 SSH client。远端只做固定 docker inspect image/WorkingDir 与 docker exec python3 -B -S 静态文件读取,不 import app、不读 env、不访问 DB。

不要直接重新调用旧 collector 原输出目录,否则会覆盖历史 snapshot/evidence。后续授权读取时,应在新目录克隆/固定 collector,或导入后将其 HERE 指向新建任务目录,再通过原 collect(username=...,password=...) 内存调用;既有 BASE 库存依赖保持只读。外层只输出安全聚合计数/hash,不打印凭据、stderr 原文、临床 body 或 run identity。先取得当前 pinned sources,再制作部署包;这两个 collector 本身没有 deploy/apply 功能。

deployment/followup-audio-dify/host_operator.py 是另一个既有 Docker 内应用操作例子,但负责音频 ASR 资源的 create/enable/disable。它与本次 stop persistence 无关,不能作为本次部署命令复用。它的私有错误日志/资源文件也不应复制到公开报告。

本次没有执行上述远程方法,也没有改变任何候选 adoption 状态或共享运行状态。