ai: zhipuai-lb/glm-5.3 ## 现象(一句话) 插件升级到新版本后,**正在跑的旧代理进程永远不退出、也不换新**:用户重启宿主应用,新会话只是重新「挂上」那个旧代理,磁盘版本和运行版本永久错位——不手工杀进程或重启机器,更新永远不生效。 ## 实测复现(Windows 桌面版,2026-10-17) 1. `dsh plugin --profile desktop add billion-context@0.1.199-dev.3` 安装 dev.3,启动 dsh 桌面应用 → 代理(pid 4236)从 dev.3 拉起,监听 18787,一切正常。 2. `... add billion-context@0.1.199-dev.4` 升级磁盘到 dev.4。 3. **完全退出并重新启动 dsh 桌面应用**(设置面板 stale 提示给的建议正是这句)。 4. 结果:面板显示「版本 0.1.199-dev.3 (b2ce32ca)/ 磁盘版本 0.1.199-dev.4」——旧代理还活着。`wmic` 证实:代理的父进程(pid 2020,上一个应用会话)**已不存在**,代理本身脱离父进程存活,新应用会话发现 18787 上有健康代理就直接 attach。 5. 唯一出路:`taskkill /pid 4236 /f` 杀掉孤儿,再启动应用,才拉起 dev.4。 ## 根因(两层) **第一层:代理是 detach 出来的,应用退出杀不死它。** `src/launcher.ts:4207` spawn 用 `detached: true`(有意设计:应用崩了代理还在、共享代理跨会话存活)。配套的退出机制是父进程看门狗:`src/server.ts:1379-1404`,每 2 秒用 `isPidAlive`(`src/instance.ts:346`,`process.kill(pid, 0)` 纯存在性检查)轮询所有 watcher pid,全死 + 5 秒宽限后 `shutdown`。但实测它没有收走这个孤儿。候选机制: - **Windows pid 回收**:`kill(pid,0)` 只查「这个 pid 存不存在」,不查「是不是当初那个进程」。Windows 激进复用 pid,死掉的父进程 pid 被任何新进程占走后,看门狗永远看到「活着」。 - 或 `shutdown(reason)` 的优雅退出被挂起(等待 drain/连接关闭)而无限拖延。 (被杀进程的日志文件为空,无法定证哪一支;需要一次受控复现确认。) **第二层(真正的产品缺口):attach 不看版本,换代没有通路。** dsh-native 的 attach 逻辑(`src/agent/dsh-native.ts` verifyAttachAndRecover / ensureProxyRunning 发现路径)对健康代理一律 attach,**从不比较「跑着的版本」和「磁盘上已安装的版本」**。设置面板倒是能看出错位(stale 态),但它给出的处方「请完全退出并重新启动 dsh 以加载新版本」对 detach 代理**无效**——应用重启恰恰只是重新挂上旧进程。两层叠加 = 「永远更新不了」。 ## 修法建议 1. **版本感知的受控换血(主修)**:attach 时若健康代理版本 < 已安装 dist 版本,触发 supervised rotation——请旧代理 drain+退出(优雅退出路径已有),再从新 dist 拉起(single-flight 已有)。stale 态几秒内自愈,用户无感。 2. **看门狗加固**:pid 配对进程启动时间(或复用已有 launchToken 身份),回收的 pid 不再算「活着」。 3. 面板 stale 态文案改为「一键重启代理」或直接自动换血,别再给无效的「重启 dsh」建议。 ## 影响面 所有 native 插件宿主(dsh/pi/omp/opencode/zcode/kimi/hermes…)在**任何**「更新已装、代理常驻」的场景:市场升级、`dsh plugin add` 新版本、自动更新。Windows 上 pid 回收更频繁,最容易命中;但第二层(attach 不比版本)是平台无关的。
Activity
ranxianglei commentedon Oct 17, 2026
(ai: vllm-qwen/qwen3.8-27b)
查重:不重复 —— 按症状关键词(detach/stale/版本错位/watchdog 孤儿/换代/rotation)检索了 open+closed 的 issue 与 PR,无同症状条目。最近的相邻工作:#1225(code-fingerprint attach 门)、#1335(watchdog attach 门)、#1723/#3044(升级换代端口交接)——都只解决其中一环,没有覆盖「attach 不比版本 + detach 旧进程永不替换」。
审核结论(验证了什么、层次判断)
第二层是根因,已逐行核实。 attach 决策全链路没有任何「代际」概念:
pickAttachable(src/launcher.ts:3687)只比 codeFingerprint(入口脚本字节哈希)+ 配置形状 + lane。字节不一致的旧实例被拒绝——但拒绝不等于换代:它只是并行再拉一个新进程(EADDRINUSE → +1 端口漂移),旧进程继续占着规范端口,无人收走。BILLION_CONTEXT_PROXY/ATTACH):verifyAttachAndRecover(src/agent/dsh-native.ts:667)只探/__bili/health存活,从不比较运行版本 vs 磁盘版本。第一层的候选机制需要修正。 issue 猜的是「Windows pid 回收让 kill(pid,0)误判存活」。我核对了 libuv v1.x 源码(
src/win/process.cuv_kill +error.c翻译表):现代 libuv 在 Windows 上对不存在的 pid 返回 ENOENT、仅对他属主活进程返回 EPERM——所以isPidAlive(src/instance.ts:346)在现代 Node 上语义本身是对的,pid 回收不是主因。但两个更直接的机制成立:复现里新会话究竟走了 attach 还是并行了第二个进程,空日志定不了支;但两条支都被下面的修法覆盖,不需要受控复现来解锁开工。
修法(一个 PR,三个子缺陷,同一失败域)
POST /__bili/shutdown请它优雅 drain+退出(复用现有优雅退出路径,带 10s 硬兜底),确认释放后在同端口拉起新进程(port-zone 重启竞态:sticky 端口单调漂移,升级依附与无界自增互相矛盾(#1660 后续) #1723 既有机制)。只动 lane 自有实例:user-zone 守护(手工bili start)、外 lane、同代或更新的版本一律不碰;旧构建没有该端点/版本字段时自动回退现状。不引入新配置项。行为变更披露:① 会话启动时会对同 lane 的陈旧旧代理主动请求关闭(此前:共存或漂移到别的端口),日志明示原因;② 看门狗新增一条死亡判定通道(心跳超时),仅对采用新协议的属主生效。
开始实现:本地跑定向测试,全量回归交给 CI;完成后按八问体例补最终回复。
ranxianglei commentedon Oct 17, 2026
(ai: vllm-qwen/qwen3.8-27b)
查重:不重复(open+closed issue/PR 按 detach/stale/rotation/watchdog-pid/版本错位多组关键词检索均无同症状条目;相关前作 #1723/#1225/#1335 已在修法中兼容复用)。
修复完成,PR:#3562 #3544)。
结构化八问:
kill(pid,0)是纯存在性检查、无身份——Windows 上被回收的 pid 永远读成「活着」,孤儿收不走。注:实测核对 libuv Windows 源码后,kill(死pid,0)在现代 Node 上正确返回 ENOENT(EPERM 分支只对「存在但属其他用户」的活进程),所以第一层的真实缺口不是 errno 误判,而是「pid 存在 ≠ 当初那个进程」的身份盲区。POST /__bili/shutdown,走既有 graceful shutdown + 10s 强制退出兜底),有界等待端口释放后在同端口拉起新版;任何疑点(版本不可比/请求被拒/超时)回落既有 spawn 阶梯;②dsh pinned attach 对健康但严格更旧的 target 同样先请求退出再走 spawn fallback,失败照旧 attach(不劣化);③owner 可带{pid, hb:true}注册并周期性重发心跳,hb 注册的 pid 超 15s 无心跳判死——回收的 pid 不再算「活着」;legacy 注册保持 kill-0 语义,新旧两端双向兼容;④面板 stale 文案顺手改对(独立 commit):不再给无效的「完全退出并重启 dsh」处方。isVersionNewer严格比较);user-zone daemon、外 lane、显式 attachUrl 目标、unarmed 实例(claude-native hooks must not attach to a lifecycle-less proxy — attach gate + self-managed fallback #1335 门禁)一律不碰;pre-安装新版本后旧代理永远不换新:detach 代理躲过应用退出,重启只是重新挂上旧进程(「永远更新不了」) #3544 无版本字段的旧代理保持原共存行为(向后兼容,测试用例钉住);换血失败(拒绝/超时/端点不存在)回落原 spawn 阶梯,不劣于现状;非 hb 的看门狗注册保持原判死逻辑。相邻回归套件本地定向绿(issue2954-launcher-clobber 2/2、watchdog-health 1/1),typecheck 干净,全量以 CI 为准。hb字段是 loopback-only 管理线协议扩展,不是用户配置面。STALE_ROTATION_WAIT_MS=12s、WATCHER_HEARTBEAT_GRACE_MS=15s等);POST /__bili/shutdown与/__bili/watcher的可选hb字段是内部线协议扩展。行为变更披露(old→new):① 发现式 bring-up:canonical port 被更旧代际占据时,原共存 + 端口阶梯漂移(strictPort 下 hard-fail)→ 现主动请求旧代理优雅退出、同端口拉新版(失败回落旧行为);② dsh pinned attach:原无条件挂健康 target → 现先换血严格更旧者,失败回落原 attach;③ 看门狗:hb-opted owner 增加 15s 心跳过期死通道,legacy 不变;④ 面板 stale 文案由无效处方改为自动换血说明 + 手动杀进程选项 + 「应用自身还是旧版才需重启」。
判定:修复完成、定向测试与 typecheck 全绿,等 CI 全局把关 + 你 review。我无法合并 PR——请自行合并:#3562
fix(#3544): invalidate in-flight attach chains after giveUp so a late…
fix(#3544): resolve the lane zone preference lazily in stale rotation
fix(#3544): scope the giveUp invalidation to attach-to-existing-origi…
fix(ranxianglei#3544): supersede strictly-older resident proxies inst…
fix(ranxianglei#3544): correct the dsh panel's ineffective stale-vers…
fix(server): confirm parent death over consecutive probes; drain befo…
fix(server): confirm parent death over consecutive probes; drain befo…
fix: fresh owner heartbeat vetoes transient kill-0 failures in the pa…
fix: scope spawn-log evidence to this spawn and record the at-spawn p…
test(#5050): drive the #4982 drain e2e through /__bili/shutdown — Win…
Merge master into PR head (ranxianglei#4540 conflict resolution)
fix: confirm heartbeat-branch watchdog deaths over consecutive ticks (r…
fix(#5152): stop the watchdog from judging a live owner by its own bl…
fix(launch): a strictly newer same-lane holder is adopted, not deadlo…
fix(launcher): field-tune wedged-takeover timings + quiet win32 ESRCH…
fix(launcher): force-takeover the wedged same-lane proxy holding the …
agent: one-lane guard for dsh; thick lifecycle stays local, documented (
fix(launcher,storage): #7156 fixes 1+2 — never spawn a second same-la…