 [bili (17).log](/attachments/9bae2cf6-cb1e-4cd6-810a-a143152aea1e) --- _Mirrored from ework issue #2146_ <!-- ework-mirror -->
Activity
ranxianglei commentedon Oct 5, 2026
[bot] 🏷 已收到,日志已完整分析(bili (17).log 共 8945 行),问题确认存在,正在修复。先同步结论:
复现确认:01:13:53→03:55:25Z(约 2 小时 42 分)内共 161 次 compress 失败,全部集中在 session-4e8bd980(glm-5.3-flash,窗口 167232);同日志里另一个 session(deepseek-v4-flash)压缩一直正常。期间模型从未调用过一次 acp_status——尽管每次失败回执都要求它调用。
机制分层:
修复方向(host 层,不改 kernel):
① 跨 spec 连续失败熔断器:同一会话连续 3 次 compress 失败(任意 spec)后,回执切换为强停指令(停止调用 compress、继续原任务),成功或静默 10 分钟自动解除;熔断时打
[warn: compress-loop]日志行,便于从 bili.log 直接诊断这类死循环;② "全部 ref 越界"精确诊断:当请求的所有端点都高于本会话最高 ref 时(这种 spec 在本会话中必然不存在、重试必败),回执明确告知这是上一代残留工件、不要再用它们,而不是泛泛的 "typo or wrong session"。
顺带发现(另行立项):dsh desktop(Windows asar 安装)的 profile 副本更新通道是坏的——每 3 分钟
bundle refresh to 0.1.184 failed ... Cannot find module '...dsh-desktop-host\lib\cli.js',代理冻结在 0.1.179。这违反 Install-Lane 契约第 2 条(每个副本必须有活的更新路径),属于独立子系统,稍后带来源标记单独开 issue。范围外说明:截图里的
Maximum call stack size exceeded是 dsh 客户端自身的 JS 崩溃,不在 bili.log 中,不属于 bili 的问题域(如需要可向 dsh 上游反馈,等你决定)。修复实现中,PR 稍后跟上。
ranxianglei commentedon Oct 5, 2026
已审核并修复,PR 已开:**https://github.com/ranxianglei/billion-context/pull/2147**(Closes #2146)。结构化七问:
1. 是什么问题:dsh 重启后,模型(glm-5.3-flash)持续用「旧世代」refs 调 compress——这些 refs 在当前会话里永远无法解析。日志里 2h42m 内 161 次连续压缩全部失败、每次参数都不同(先是在 frontier 之上顺序滑窗 m29971–m30020…,之后贴着 frontier 略超前,最后是大段尾部区间),模型没有一次按回执要求去调 acp_status;每轮空转烧掉约 106K input tokens。(截图里的 "Maximum call stack size exceeded" 是 dsh 客户端自身的 JS 崩溃,发生在日志窗口之前,不属 bili 范围。)
2. 什么原因导致的(分层):
3. 怎么修复的(host 侧,src/stream.ts,两种模式共享路径):
loopTracking:false),避免 bili 自己的重试误触熔断。4. 是否有回归问题:逐项审过既有行为——#847 精确 spec 守卫第 2 次照常触发(不变);第 3 次起其文本被熔断段落取代(有意变更,见下方披露);
[Compression FAILED前缀不变 → preflight 的 startsWith 检查、ACP 可见性标记、host 侧 grep 均不受影响;回执仍为单行格式;成功路径仅清两个 session.metadata 键,wire/持久化格式零变化。本地定向回归:涉及失败回执的全部 12 个测试文件 89/89 绿 + 新增 6 例,typecheck/build 干净;全量套件交 CI。无其他语义漂移。5. 是否破坏缓存:不涉及。前缀缓存、重试策略、增量游标、去重键均未触碰;熔断状态存于 session.metadata(随会话持久化),不影响上游 cache hit。
6. 是否改了设计方向:否。仍是 host 侧失败回执策略;kernel 未动(深层根因按 Kernel Boundary 留给 owner 决策,本修复在 host 侧把损失封顶)。分析中另发现一个独立问题已单独立项:#2148(dsh 宿主 CLI 本身损坏时 profile 拷贝自更新永久失败、版本冻结且无用户可见信号——本事故正是在那份冻结的 0.1.179 上发生的)。
7. 是否引入新配置:无。阈值(连续 3 次)与衰减窗口(10 分钟)为硬编码常量,遵循配置面纪律(同 DEGENERATE_FOLD_COVERAGE);日后想调灵敏度再立项讨论。
行为变更披露(旧→新):同一会话 10 分钟内第 3 次起的连续 compress 失败(任意参数),回执由
[errors][Current context…][Repeat-failure guard…][span hint][no-viable…]变为[errors][旧世代诊断?] [COMPRESS CIRCUIT BREAKER: N …]——诊断提示块被要求全面停手的段落取代(继续堆叠被无视的建议正是本次事故失效的原因)。plugin 模式(dsh,即本事故路径)与 wire 模式同时生效。收工判定:修法移除的是「换参绕防」的产生机制而非掩盖症状(同样的根因换形状出现也成立),方向成立;等 CI 全绿后可合并。另:dsh 端的 stack overflow 崩溃若要向 dsh 上游报告,跨仓库提交需要你点头,我再投递。
fix: cross-spec compress-failure circuit breaker + stale-generation d…
ranxianglei commentedon Oct 5, 2026
这个是不是只是修复只止血而没有定位而为什么会无限压缩
fix: stop stale-generation receipts from echoing phantom refs back (#…
ranxianglei commentedon Oct 5, 2026
问得准。第一版确实偏「止血」——你这一问我重新把日志挖透了一层,定位出完整的因果链,而且发现并补掉了一个第一版漏掉的自持机制。现在 PR #2147 有两个 commit(新增
3773b9f0),CI 重跑中。完整因果链(三层,全部有日志证据)
第 1 层:坏请求从哪来(幽灵 refs 的来源)
第 2 层:为什么停不下来(循环的维持机制,三个叠加)
a) 现有守卫可规避:#847 只计数相同 spec,换参数永远触发不了 → 已修(breaker,commit 1);
b) 所有防线都是 advisory:整个窗口 161 条失败回执每条都写「Run acp_status」,模型 acp_status 调用次数 = 0(grep 全文验证,无一条
tool acp_status executed)——弱模型不听建议 → breaker 把「建议」变「强制停手」(commit 1);c) 新发现:回执回显幽灵号(自持环)——每条失败回执逐字引用 kernel 的 per-range 报错(
startId="m29971" does not exist…),作为 tool result 进入客户端持久化历史;模型把自己的历史失败当成未完成任务,沿同一梯子继续上滑(证据:20 秒内 m29971–m30020 → m30021–m30070 → m30071–m30120)。即使原始旧产物最终滚出上下文,这条系统自己的报错信息喂给下一轮坏请求的链能让幽灵号无限存活——这才是「无限」的真正机制。→ 已修(commit 2):当 beyond-frontier 诊断成立时,回执里的幽灵 ref 替换为[stale-ref],服务端日志保留真号供运维;frontier 内的未知 endpoint(真 typo)保持原样可纠正。安全性:诊断成立时所有请求 ref 都高于会话最高 ref,与任何 live 号不可能碰撞。第 3 层:为什么用户视角是「无限压缩失败」
成功和失败其实是交错的——live frontier 上每 ~8-15 分钟就有一次成功压缩(m26066–m26309 @01:16、m26539–m26682 @01:33、…、m26400–m27800 @03:46),但模型把大部分 turn 花在注定失败的尝试上,每轮空转烧 ~106K input tokens,看起来就是 agent 冻死在压缩里。另外挖到第三种失败形态(03:53:m26347–m27964 四个大区间「cannot be anchored」——ref 在 map 里但消息已从客户端重发中消失且无 block 覆盖,即消息内容变更被滤除后旧 ref 悬空):指向客户端侧历史改写或 tiering 后的 block 覆盖空洞,尚未深挖,记为 #2146 下的 checklist 项,拿到复现再查。
修了什么 vs 剩下什么
ProxyToolResult信封的合流)。[stale-ref](仅 beyond 诊断成立时;其他失败形态回执完全不变)。我的建议:先不急着动 kernel——让 host 侧这三道防线先上线观察,同类事故若再现,带数据立 kernel 专项 issue;dangling-ref 第三形态同样等复现。
结论:不是纯止血——循环的维持机制(可规避守卫、advisory-only、自回显)已全部定位并打断,每一环都有日志锚点;坏请求的最终源头(跨世代残留)定位到 kernel/dsh 辖区,是否推进那两条线由你定。PR:#2147
ranxianglei commentedon Oct 5, 2026
内坑层面如果有bug需要修复
fix: stop stale-generation receipts from echoing phantom refs back (#…
ranxianglei commentedon Oct 5, 2026
把 kernel 侧对照本次事故逐条过了一遍,结论先说:kernel 自身没有需要修的 bug——它的所有行为在自己的契约下都是正确的;存在的是一处「设计级缺口」和一处「文案问题」,都还没到必须动手的程度。 清单如下,供你拍板。
A. kernel 做对了什么(证据)
assignRefsNodecursor = highestUsedIndex+1,ref 永不复用(id-never-reused 契约)。事故里模型要的是本世代从未存在过的号(m29xxx > 最高 m26289),不是 kernel 发重号或丢 ref。B. 真正的设计级缺口:跨世代 ref 身份
问题:客户端重启 / 中途换 upstream 后 refs 从 m00001 重排,但上一世代的压缩产物还留在客户端持久化历史里 → 模型跨世代追幽灵。kernel 没有任何机制让旧世代 ref「自明无效」——数字空间本身不携带世代标识。这是本次事故的最终源头所在层。
候选方向(讨论用,均未实现):
g2:m00123或请求级世代头):旧产物一眼判死,边界错误可直接说「旧世代 ref」。代价:ACP tag 线格式全变、客户端解析全变,爆炸半径大。我的建议顺序:① 先让 PR #2147 的三道 host 防线(breaker + 确定性诊断 + 回显抑制)上线观察——如果它们已能把这类事故钉死,kernel 改动的 ROI 存疑;② 若同类事故再现,立专项 issue,从方向 2 起步(小扩展、低风险);③ 方向 1 留作 2 不够时的升级路径。每步走 Kernel Boundary(你批准 + 声明 + 版本纪律)。
C. 文案问题(很小,可并入 B)
unknown-ref 错误把「typo」列为三个平权候选之一;当整段 spec 都在 frontier 之上时 typo 可被确定性排除——这个平权措辞在事故里误导模型找不存在的错别字。host 侧已用 beyondFrontierNote 补偿,kernel 严格说不必动;若做 B2 可顺带精修。
结论
代码侧本轮小修已推送:回执措辞修正(commit
40097a2b,纯文本无语义变化,测试 14/14 绿),CI 重跑中。PR:#2147fix: cross-spec compress-failure circuit breaker + stale-generation d…
fix: stop stale-generation receipts from echoing phantom refs back (#…
Merge pull request #2147 from ranxianglei/2026-10-05_compress-loop-ci…
docs(#2146): neutral JSDoc on noteCompressLoopFailure — provider cont…
5 remaining items
fix: scrub renamed dead-ref guidance while breaker armed; align #2360 …
fix: scrub renamed dead-ref guidance while breaker armed; align #2360 …
fix: make the compress circuit breaker cause-aware and visible on the…
xiaozhu1337 commentedon Oct 11, 2026
补充 Pi 历史样本:起点有效、终点略超 frontier 的一次性失败与诊断建议
在检查近期全部 Pi 会话时发现两次较轻的 unknown-ref 形态,补充到本票作为边界回归样本。这不是 #2147 失败保护回归的证据,也没有观察到无限重试或历史丢失;无需据此把已修复的原事故重新定性为仍未修复。
环境与记录边界
当前 pi 1.1.0,Windows 11,安装/npm latest bili 0.1.192。下列是 2026-10-06 与 10-08 的历史调用;历史代理有多个版本,未把每条工具调用独立绑定到运行版本。当前源码复核基线为
09a48c056da19c261cdfecab0feeba0f930f1ff7。m00548–m00690m00686m00548–m00686,约 26,996 tokens 被折叠m00224–m00290m00286m00223–m00286,约 9,295 tokens 被折叠两次都在下一次调用纠正成功,因此没有完整失败状态长期遗留。第二例发生在已生成交付正文的回合尾部,随后出现重复交付/把重组当新空消息的模型行为;其因果未独立确定,不归为 kernel 数据损坏。
与既有修复的差别
#2147 的确定性 beyond-frontier 诊断/回显抑制重点覆盖所有请求 refs 都超出 frontier 的形态。这里起点已经有效,只有终点略超,不应被同样诊断为跨世代残留,更不能把有效 refs 全隐藏。PR #2742 的 rebase ref-floor 修复解决的是另一个身份问题,不能阻止模型猜测还没出现的尾编号。
建议的低风险增强
acp_status重新选择边界,而不是继续外推编号。start <= frontier < end、起点不存在但终点存在、保护区/已消费边界、真正的 all-above-frontier。既有 breaker 和错误分类不能回退。如果这些边界已有未公开或新合入的测试,可直接纳入现有覆盖;这条评论只补充历史形态及诊断建议,没有声称当前 master 可复现原无限压缩事故。
fix(ranxianglei#2592): pin the rebase ref floor + name the rebase in …
fix: refuse manual compress folds with zero/negative net benefit befo…
fix(#4252): name the ref ceiling for partially-past-frontier compress…
fix(#4521) ci: honor the no-op success contract in dead-range memory …
fix: bound the lost-in-transit re-issue advice with the session break…
Stop the compress-burst loop: ack fold-point pointer echoes, collapse…
fix: clear compress-failure accounting on rebase; exempt post-rebase …
fix(stream): keep requested ref numbers in stale-ref compress receipts
fix: align the gate-refusal damper with #2146 breaker discipline
fix: damp nudge injection during gate-refusal loops (#7049)
fix: align the gate-refusal damper with #2146 breaker discipline