Skip to content

扫描任何说意外情况下可能导致会话死掉 无限循环的代码并修复 #3379

Closed

Description

@ranxianglei

(ai: zhipuai-lb/glm-5.3)

收口:全仓"会话死循环"扫描已完成,结论=未发现新的可修缺陷;防循环护栏家族已全部落地并随 v0.1.198 发布。

Activity

  1. ranxianglei commented on Oct 16, 2026

    @ranxianglei
    OwnerAuthor

    🤖 Powered by ework · qwen3.8-27b

    (ai: vllm-qwen/qwen3.8-27b)

    查重:不重复。检索了 open+closed 的 issue 与近期 PR(关键词:infinite loop / stuck / 死循环 / 会话死掉 / token burn / advertise-reject oscillation),没有同范围的扫描类条目;历史上都是单点打地鼠(#933/#1039、#3236、#2821、#2915 等各自修各自的机制)。

    本 issue 是一个系统性审计任务,我按以下方法推进,先报方案再动手:

    扫描范围与优先级(按 issue 里的严重度排序):

    1. 意外情况下烧 token 最严重——反馈回路类:nudge→compress→nudge 振荡、advertise→reject 循环([Bug] recommend/apply 对同一区间的 turn-integrity 判定永久不一致:acp_status 反复推荐的区间被 apply 侧整段拒绝(0.1.196,Range would split N turn(s) at the protected-zone boundary) #3236 已修一处)、reconcile 反复 unfold/refold、重试放大(每次重试重发全量历史且触发新一轮压缩);
    2. 无限循环——while(true)/递归重试无终止保证、定时器立即再触发(checkInterval 失效)、reconcile pass 之间往返;
    3. 会话直接死掉——异常路径把 session state 打成不可恢复态(destroyed verdict、ref 空间污染、persist 写坏)、fail-fast 缺失导致静默卡死;
    4. 能用但烧 token——压缩不生效/重复注入/前缀缓存击穿类的慢性消耗。

    方法:全仓 grep 出所有循环/重试/定时/retry/backoff 点 → 逐一点名审查「意外输入下是否必然终止」→ 对每个可疑点给出证据(代码路径 + 触发条件)→ 能当场修的修进 PR,超范围的按机制归并立项。

    开始扫了,有阶段性发现会持续回帖。

  2. ranxianglei commented on Oct 16, 2026

    @ranxianglei
    OwnerAuthor

    🤖 Powered by ework · qwen3.8-27b

    [bot] 🏷 (ai: vllm-qwen/qwen3.8-27b)

    扫描完成:全仓系统性审计,未发现新的可修缺陷

    按优先级(意外烧 token > 无限循环 > 会话死掉 > 慢性烧 token)对 src/ 和 kernel/src 做了统一搜索 + 逐点审查。方法:grep 出全部循环/重试/定时器/正则扫描/反馈回路点位,对每个点位回答「意外输入下是否必然终止,终止保证是什么」。结论:历史上打地鼠修出来的防御模式在代码里是完整一致的,这次扫描没有发现漏网的新缺陷,因此没有开 PR(无代码变更可提)。以下是覆盖证据。

    A. 无限循环 / 挂死类(进程挂死 = 会话死掉)

    1. 全部 for(;;) / while(true)(src/ ~15 处 + kernel/ 1 处)——每处都有显式终止保证:
      • 压缩轮次:src/loop/core.ts:598、src/compress-loop-responses.ts:152 钉死 MAX_LOOP_ROUNDS=10,且对「模型用相同参数重交已失败 compress」提前 break(core.ts:1347);src/preflight.ts:1787 正常档 ≤32 轮(roundBudget)、紧急档 512 轮但紧急档每轮是纯 CPU digest、零上游调用(DSH 分叉会话后触发大量 preflight overflow compress #2383,EMERGENCY_ROUND_CAP 注释 preflight.ts:143-147)。
      • SSE reader(adapter-openai/anthropic/responses/google):done/error 双 break。
      • 目录上爬(client-config.ts findGitRoot/aiderConfFiles、update.ts:576 findPackageRoot):parent === dir 在文件系统根 break。
      • 字符串剥除循环(tag-echo-filter.ts:437/:767/:865/:1028、kernel demoted-thinking.ts:57):每次迭代严格收缩被处理串(span 恒非空),数学上有界。
      • 定点迭代(kernel turn-integrity.ts:169 while(changed)):remaining 集合只删不加,changed 必伴随至少一次删除 → 至多 |remaining| 轮。
    2. 全部 while ((m = re.exec(s))) 正则扫描(9 处)——逐一核对了正则定义,没有任何一个能匹配空串(空匹配会让 lastIndex 卡死 = 经典 JS 无限循环)。最接近的 DEAD_REF_CLOSE(tag-echo-filter.ts:223)也强制 m\d{4,} 前缀,最小长度 ≥7。
    3. 块谱系遍历(decompress.ts:44/:87/:284、store.ts:752)——全部带 visited 集合或依赖文件系统结构(readdir 不跟符号链接),即使持久化状态被损坏出环也不会转圈。
    4. 全部定时器(12 处 setInterval)——固定周期 + unref;恢复类(dsh-native.ts:668)有 retryAt 节流且在 healthy/dead 时自清;web UI 轮询(web/client.ts:2866)有 pollBusy 重入锁 + 指数退避封顶 60s(管理页面全量加载历史会话时触发堆 OOM:需要有界分页、摘要统计与详情懒加载 #1937),不会堆叠并发请求。
    5. 最后一道闸:请求看门狗(server.ts:353 armRequestWatchdog,CI: windows node-24 的 fix-806 请求看门狗空闲测试偶发超时,给多个不相关 PR 造成假红 #3091)——任何请求空闲超预算即 abort + 504,客户端 fail-fast;dispatch 顶层还有 catch-all(server.ts:577)把未预期异常变成干净的 502/413 JSON 而不是进程崩溃或连接悬挂。即使出现本次没预见到楔子,请求也会被强制终结而不是永远挂着。

    B. 烧 token 反馈回路类(issue 里排第一的严重度)

    1. nudge 重触发回路(kernel compress.ts decideNudge):成功压缩清 baseline(§5.7 修复);压力带注入受 minPressureBenefit ≥ max(5000, 1%×窗口) 门控——refactor(persist): delegate SessionStore mechanism to acp-kernel/persist #198 明确堵的就是「零收益压缩成功→baseline 重置→下轮同一 EMERGENCY nudge 再注入」的每轮烧钱回路;T2/T3 另有 per-tier cadence(lastShownByTier + growthFloor);first-sight mass bypass 受 shown-stamp 保护,模型无视 nudge 时不会每轮重发。
    2. advertise→reject 振荡:[Bug] recommend/apply 对同一区间的 turn-integrity 判定永久不一致:acp_status 反复推荐的区间被 apply 侧整段拒绝(0.1.196,Range would split N turn(s) at the protected-zone boundary) #3236 的单一投影判定已接线——recommend.ts:537-573 对每个最终合并单元重跑 apply 侧同款 projectUnit,致命单元降级为 gap,不再出现「广告的范围 apply 必然拒绝」的永久往返。
    3. 重试放大:core.ts 的 truncation/continuation/degenerate 三类重试全是 one-shot flag(每请求各最多一次);degenerate-retry 每 turn 限一次。坏上游持续报错时每请求最多 3 次全量重发即停,不是无限风暴。
    4. preflight 马拉松守卫(历史上打地鼠最密的区域,现全部在位):模型压缩输出是输入的数倍 #1841 futility gate(所有可折叠质量之和 × slack < 缺口时零调用直接诚实退出,附 relaxed-zone probe 防误判);preflight fail-fast × soft-protection livelock: over-window payload with nothing foldable outside the protected zone 502s forever #330 保护带松弛只发生一次且有 payloadEstimate 门;[bug][preflight] Raw-range futility gate may strand tier-enabled sessions with distillable T1 blocks (502 deadlock) #2952 tier-distillation recovery 有界;[Bug][preflight] folds run oldest-first, so a 180s pass burns its budget on an almost-exhausted head range while the largest foldable ranges are never dispatched #2682 largest-first 派发避免反复折叠同一个头范围;fix: preflight tries all viable ranges before declaring exhaustion #575-merge 摘要调用预算按保护档位计。
    5. nudge-decide 侧信道决策(nudge-decide.ts):失败阶梯阈值 3 → 一次性回退 advisory → 重置;模型答 "no" 直接重置计数器。无循环,单次 200-token 输出预算 + 15s 超时。

    C. 会话死掉类

    1. GC(session-gc.ts):只收「超过 maxAge + 从未压缩过 + 尺寸低于上限」的文件;不可解析/伴生 store 认不出的一律保留(never guess);损坏文件隔离自愈(persist.ts:889 quarantine,[bug] 会话状态写入缺 fsync:内核崩溃后留下 size 正常但 VDL=0 的全零状态文件,loadSync 永久抛错 → 502 acp-proxy failure 且不自愈(含 7 处 tmp+rename 写路径盘点) #3157)。从未压缩的会话没有不可替代状态,删了不伤会话。
    2. 持久化:tmp+rename 原子写 + fsync 持久化(persist.ts:271 durableSyncWrite);崩溃残留 .tmp-* 启动清扫(CCR content-store companion write is non-atomic — a crash mid-write silently destroys all retrievable originals #2674)。写坏不会留下半截状态。
    3. 长操作挂起防护:Preflight compression holds the request with zero response bytes; client undici headersTimeout (default 300s) kills it -> repeated [preflight] summarization aborted: client disconnected 5-minute death loop, payload never forwarded #568 preflight 超 30s 提前提交响应头 + 15s keep-alive 字节保住客户端 header 超时;【#551的相似问题】长时间Prefill超过300秒后断开,原因是bili拦截上游用于防undici超时的保持连接注释,导致触发Node原生undici默认300秒超时断连 #1647 流式阶段同型 keep-alive;fix: honor anthropic-beta context-1m to size the context window #301 数学上必死的 payload 直接结构化 fail-fast(省配额 + 防客户端重试风暴);dsh压缩与bili压缩冲突 #2490/[Bug] 新会话(无 usage 基线)preflight 把字符数当 token——折叠其实成功(2263796→1111212)却 fail-fast 502,上游实际只计费 540828 #3146 doomed-probe 守卫。
    4. fold-reconcile substrate destroyed 判定:streak 计数升级(连续 FOLD_DRIFT_ESCALATE_PASSES 轮才报),触发的是一次性 total unfold 而非循环;marker-strip churn 走容忍路径(Inbound markers: one declarative strip engine for all four wires (#2789, #2798, #2811 plan B) #2815/acp_status visibility markers: stripMarkerLines removes the head line but leaves the multi-line report body in incoming history (#1029 follow-up) #2789)不喂 streak。

    残余风险说明(设计内取舍,非缺陷)

    • 模型驱动的行为本质上无法用代码封顶:模型每轮换一个新参数的失败 compress 会跑满 10 轮(MAX_LOOP_ROUNDS)才停——这是有意的批处理排空设计,代价有界。
    • 客户端自己的重试循环不归 bili 管;bili 能做的是让错误干净可判(fail-fast 结构错误 + dead-end cooldown),已在位。

    结构化八问

    1. 是什么问题:审计任务——系统扫描「意外情况下导致会话死掉 / 无限循环 / 烧 token」的代码并修复。
    2. 什么原因导致的:不适用(审计本身);历史根因是这类缺陷散落在不同层被逐个发现,本次验证了各层防御已闭环。
    3. 影响范围与严重程度:覆盖 src/ + kernel/src 全部循环、重试、定时器、正则扫描、反馈回路、持久化、GC、请求生命周期点位(约 40 个审查点);结论是无新缺陷,现状维持既有行为。
    4. 怎么修复的:无需修复——每个点位都已有显式终止/预算/降级保证(轮次上限、one-shot flag、严格收缩、deadline、visited set、watchdog、futility gate),逐一点名核对过终止论证。
    5. 是否有回归问题:不涉及(零代码变更)。
    6. 是否破坏缓存:不涉及。
    7. 是否改了设计方向:不涉及。
    8. 是否引入了新的配置:不涉及。

    收工判定:扫描完成,无新缺陷,无 PR。如果 owner 认为某个具体区域(比如某个特定 host 场景下的行为)还需要更深一层验证,指出来我继续;否则建议关闭本 issue。

  3. ranxianglei commented on Oct 17, 2026

    @ranxianglei
    OwnerAuthor

    (ai: zhipuai-lb/glm-5.3)

    收口:本单要求的全仓死循环扫描已完成——ework 在 #3327 讨论中给出的结论是「未发现新的可修缺陷」;扫描期间发现的循环类风险已由 runaway-guard 家族修复并随 v0.1.198 发布(#3289 截断重试、#3357 退化重试、#3361 分类器合取修复、#3411 标签/码点/帧缓冲上限,均有回归测试)。

    无进一步动作,关闭。

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Metadata

Metadata

Assignees

No one assigned

    Labels

    No labels
    No labels

    Projects

    No projects

      Milestone

      No milestone

      Relationships

      None yet

      Development

      No branches or pull requests

      Issue actions