失败轮要不要留痕:区分「没产出」与「做了一半」
模块:运行引擎 · run 终态与历史(
tmp/失败留痕台账,commitd74bf91)|状态:已落地(2026-10-22)|证据:tmp/失败留痕/planning.md、internal/runengine/store.go、worker.go
1. 场景与病灶
一场 run 失败时,它已经说过的话、已经做过的工具调用,现在什么都不留。三个会真实发生的戏:
戏一:用户刷新页面,半截回答消失。 模型说了三段话,正说到一半,provider 报 500,run 走 error 出口。页面上半截回答还在(浏览器内存里),用户一刷新 → 页面从 runlog 重建历史 → runlog 里没有这场 run 的 assistant 行 → 半截回答消失,只剩用户那条提问。五分钟后帧也过期(tk:runlive 终态 EXPIRE 300s)→ 连现场都没了。
戏二:模型下一枪看到一条没人回答的用户消息。 AcquireRun 在同一笔事务里把本轮 user 行写进 mh 和 runlog;EndRun 的 complete 分支才写 assistant / tool 行,error / stopped 走 else 分支一行不写。于是下一场 run 的 prepareInput 读到的是 […历史…, user: 帮我把 X 改一下]——这条 user 消息永远没有配对的 assistant 行。用户重发「刚才改到哪了?」,模型看到两条没有回答的 user 消息,既不知道上一轮说了什么,也不知道上一轮已经动过手。
戏三:工具的副作用没人记得。 崩溃账本 run_journal 是这一轮最完整的记录(每次工具调用的 intent 与 result、每次 assistant 轮)。但终态时账本被无条件删掉——于是「这一轮改过哪些文件、跑过什么命令、结果是什么」只剩 Redis 里 300 秒的帧,之后归零。
病根:error / stopped 这一档同时意味着「这一轮没发生」和「这一轮做了一半」,而现在的实现只认前一种。
2. 候选与代价
| 候选 | 做法 | 好处 | 代价 |
|---|---|---|---|
| A 全不留(现状) | error/stopped 一行不写 | 语义简单:有 assistant 行 ≈ 成功 | 戏一、戏二、戏三全部发生 |
| B 全留 | 失败轮一律写 mh + runlog | 不丢任何东西 | 「失败且无产出」也写 → 库里多出一堆空 assistant 行;页面刷新后每个失败都显示一个空气泡 |
| C 区分「失败无产出」与「失败有产出」(选定) | 判据:len(turn) > 0 即算有产出 |
该留的留、该干净的干净;一行代码就能判 | mh 里会出现半截 assistant 行,Provider 协议要求 tool_calls 有配对结果,需要配平 |
选 C。「这一轮说没说话」是现成、无歧义、不依赖模型的判据——turn 里有没有条目,机械可判。
改后落什么:
| 终态 | turn | 改后落什么 |
|---|---|---|
| complete | 有 | mh + runlog(现状不动) |
| error | 空 | 只有 user 行(与改造前一致) |
| error | 非空 | mh + runlog(新增) |
| stopped | 空 | 只有 user 行 |
| stopped | 非空 | mh + runlog(新增) |
| 闸失(已被接管) | 任意 | 零写入(接管者负责) |
3. 同族小裁定
| 小问题 | 裁定 | 代价 / 备注 |
|---|---|---|
| stopped 与 error 是否同待遇 | 同待遇 | 两者同构(用户主动停 = 这一轮做了一半);分开处理只多一个特例。stopped 天然多是无产出——流被掐断时 turn 里没有 assistant 条目,规则自动落成「一行不写」 |
| 失败轮的半截 assistant 行要不要进 mh | 要 | 不落 → 模型下一枪看到一条没人回答的 user 消息,接不上 |
| mh 里 tool_calls 没有配对结果怎么办 | balanceToolResults 补一条合成结果行(「没拿到结果」),不编造结果 |
OpenAI 协议要求 tool_calls 后紧跟对应结果,否则下一枪被拒。配平规则复用 replayJournal 已在做的事 |
| 记忆抽取线要不要放开到失败轮 | 不放开 | 记忆要可信的完整事实;失败轮虽落 runlog,但不登记抽取任务(outbox 仍只在 complete 分支)。failtrace_test.go 有断言钉住 |
| 闸失分支 | 仍零写入 | 接管者负责;旧进程的每次写都自然失败(doc/30 §7) |
| 账本删除时机 | 不变(终态照旧删) | 账本的职责是续跑;续跑完了就没用了,内容已转进 mh / runlog |
| complete 分支 | 一行不改 | 用既有回归 + 契约矩阵重放兜底 |
| 用量记账 | 三个终态都记 | 2026-10-22 从「只在 complete 记」改成三终态都记——失败那轮也花了 token |
| 前端收口 | error / stopped 也拉 log 渲染 |
气泡以 log 为准,状态保留 error/stopped |
| runlog 语义变化 | 「有 assistant 行」不再 ≈「run 成功」 | 凡是拿它当成功判据的地方都要复查:前端已改;记忆线靠「不放开」这条不变量挡住 |
4. 证据
方案:tmp/失败留痕/planning.md(§2 背景、§3 三个病灶故事、§4 方案选定、§5 契约面改了什么没改什么、§9 不变量与风险、§10 三拍全部落地)、tmp/失败留痕/todos.md(E1–E4 四要素)。
入库:commit d74bf91「runengine+web+docs:失败留痕——失败那一轮「已产出的内容」照常落库」。
代码符号:
| 位置 | 是什么 |
|---|---|
internal/runengine/store.go:397 |
Store.EndRun:三个终态共用一笔事务 |
internal/runengine/store.go:453 |
writeMHRows:mh 写入的唯一闭包(complete / error / stopped 共用) |
internal/runengine/store.go:492 |
writeTurnRows(rootAlways bool):runlog 写入的唯一闭包 |
internal/runengine/store.go:631 |
stopped 分支:写 mh + runlog(turn 为空则自然零行) |
internal/runengine/store.go:755 |
error 分支:同上 |
internal/runengine/store.go:717 |
线一 outbox 登记(只在 complete 分支 → 失败轮不进记忆) |
internal/runengine/worker.go:550 |
失败终态的 mhRows 由 turn 派生 |
internal/runengine/worker.go:944 |
balanceToolResults:给缺结果的调用补合成行 |
internal/runengine/failtrace_test.go |
失败留痕的四条断言 |
web/src/chat.ts:682 |
closeOut:error/stopped 也 drainLog |
复核命令:
cd yk-tako-eino
grep -n "writeMHRows\|writeTurnRows" internal/runengine/store.go
sed -n '625,640p' internal/runengine/store.go # stopped 分支
sed -n '750,765p' internal/runengine/store.go # error 分支
grep -n "balanceToolResults" internal/runengine/worker.go
PATH="$HOME/sdk/go1.27.0/bin:$PATH" go test ./internal/runengine -run 'EndRun|BalanceToolResults' -v活体验收(台账 §10 记录,2026-10-22 全部落地):
- 停止场景(B):投一条会让 agent 先调 bash、说几句的消息 → 8 秒后
POST /api/runs/{id}/stop→ 拉会话历史 → 至少两行(user + assistant 非空)。改前只有 user 一行。 - 反向用例(A):模型一个字没说就报错 → log 里仍只有 user 一行,不该凭空多出 assistant 行。
- 模型接得上(C):承 B 再发一条消息 → 新一轮模型输入里带着上一轮的半截回答与工具结果。
- 记忆不进(E):承 B 等抽取线跑完 →
memory_items里没有这场 run 的产物。
5. 现状
- 仍有效:
turn非空即留痕;stopped 与 error 同待遇;配平规则;记忆线只在 complete;闸失零写入;账本终态删除。 - 已知小瑕疵:
web/src/chat.ts:838的注释仍写着「停止/失败在 log 里都不留 assistant 行」——这句话在d74bf91之后已过期(closeOut 已改为拉 log)。行为正确(reconcile 先查气泡是否已存在),注释待顺手清。 - 风险登记:mh 里会出现半截 assistant 行,下一枪模型看到「自己上次说到一半被中断」——这是真相,但要观察模型不会因此反复道歉。
- 同族问题:崩溃与续跑的状态语义 → 崩溃后这场 run 算什么状态;崩溃前那半句怎么进账本 → 崩溃前那半句要不要存;记忆线的输入边界 → 记忆要不要上向量。