fix(pipeline): preflight kill-stale 在 v2 console/worker 路径把并发兄弟 run 当孤儿杀——同仓并发 run 互杀成链（今日 4 例实证）
维护者通常 1 天内回复
还没有人认领这个 Issue。
评估
- 难度
- 4/5
- 预计耗时
- 3-5 天
- 新手友好度
- 35/100
- Issue 类型
- 缺陷
- 描述清晰度
- 描述清楚
- 活跃度
- 活跃
调研方向
Start with .dev/flows/self_improve_flow_v2.py, especially _kill_stale_agents() and its live-run detection and parent-process checks; then read test/flow_v2_paths.py and its s33 assertions. Reproduce the concurrent-run case described in the issue and verify the preflight does not kill a sibling run while still terminating a genuine orphan. Keep the existing self-run protection and kill-stale.log format intact.
由索引模型根据 Issue 内容生成。
描述
优先级 P1 · 依赖：无
基线 HEAD = c392d3c1
Summary
self-improve-v2（sbx 变体同源）preflight 的 _kill_stale_agents() 靠「进程 cmdline 里的 --run-id」构造 live run 集（#136 交付的归属过滤）：
.dev/flows/self_improve_flow_v2.py:158—live = set([rd.name])（初值只有本次 run）.dev/flows/self_improve_flow_v2.py:160—m = re.search(r"--run-id[\s=]+(\S+)", c)：唯一的外部 live 来源.dev/flows/self_improve_flow_v2.py:179—if not ids or ids[0] in live: continue：run id 不在 live 即判孤儿.dev/flows/self_improve_flow_v2.py:187— 父进程白名单只认self_improve_bridge/self-improve.flow.js.dev/flows/self_improve_flow_v2.py:192—os.kill(pid, signal.SIGTERM)
这两条 live 通道（带 --run-id 的 bridge 宿主进程、self_improve_bridge 父进程）只在 v1 bridge / flowcast 路径存在。v2 console/worker 路径下 flow 直接在 flow_worker 进程内跑：recursive executor 的父进程是 worker（不在白名单），且全机没有任何进程 cmdline 含 --run-id。
反证命令（本机 Mac worker 现场，13:4x）：
$ ps -axo pid,command | grep -- "--run-id" | grep -v grep | wc -l
0
⇒ live 集恒等于 {当前 run} ⇒ 所有并发兄弟 run 的 executor 都被判为「旧 run 孤儿」并 SIGTERM。而它们当时都持有活跃租约（不是真孤儿）。
实证：今日 4 例互杀链（kill-stale.log 的 killed 行与 worker 日志 1:1 对应）
| kill-stale 时刻 | 新 run（日志 live_runs） | 被杀 executor 所属 run | pid |
|---|---|---|---|
| 11:56:09 | pipeline-88-1008115608 (#88) | pipeline-86-1008091709 (#86) | 51584 |
| 12:20:24 | pipeline-132-1008122023 (#132) | pipeline-88-1008115608 (#88) | 52320 |
| 13:03:30 | pipeline-86-1008130329 (#86) | pipeline-132-1008122023 (#132) | 76023 |
| 13:09:35 | pipeline-88-1008130935 (#88) | pipeline-86-1008130329 (#86) | 1938 |
留痕（每 run 目录内）：recursive/.flowcast/runs/<run>/kill-stale.log，例如
# kill-stale 2026-10-08T13:09:35
live_runs=pipeline-88-1008130935
killed pid=1938 pgid=1938 run=pipeline-86-1008130329 cmd=recursive --workspace .../pipeline-86-1008130329/worktree ... run #86 ...
下游因果（每例同构）：被杀方 impl 节点立刻以 AgentRunError: executor 'recursive' exited 143 失败（~/.plaita-console/worker-mac.log 13:09:35 与 kill-stale 13:09:35 同秒）→ 节点声明「不终态化，等消息重投后重跑失败节点（第 1/5 次）」→ 但该消息早已被另一 worker 按「租约冲突」ack 释放（plaita#50）⇒ 重投永不到来 ⇒ execution 停在 running、无租约 / 不在 PEL / 无 worker 认领 = 僵尸，占槽至 2h 僵尸线才恢复。
影响
同机同仓并发 ≥2 个 run 时，每个新 run 的 preflight 都会杀掉上一个 run 的 agent：被杀的 run 白跑 + 变僵尸占槽（全局 max_in_flight=6 的一格）+ 需要人工 cancel/reopen 才能释放。今日 #86 / #88 / #132 三单的轮流失败与三连僵尸（值守两次人工处置）全部出自此链。recursive 是 Rust 长任务、按仓配额本来就是 2，等于该配额下的并发能力被这条链自噬。
建议
把「live run 集」从执行面取，而不是从 cmdline 取。三选一（按侵入度排序）：
- 保守法：父进程链上有存活
flow_worker的 recursive 进程一律视为 live（现在的白名单只认 v1 bridge 两种 cmdline），即只清「父死了且 run 不在本机任何在跑任务里」的真孤儿； - 锁文件法：preflight 把宿主 pid 写进
rd/run.lock（该文件已存在、内容仅 7 字节），判定时os.kill(pid, 0)探活即视为 live； - 租约法：preflight 在 worker 进程内可直接读 Redis，run 是否 live = 其 execution 租约键（
plaita:execution:lease:*）是否存在。
验收条件（可断言）：
- 并发不误杀：现场起两个同仓 run（两条真进程即可，复用
test/flow_v2_paths.py的 s33 现场构造），断言新 run 的 preflightkilled none（或 killed 清单不含兄弟 run 的 pid），两条都跑到 committed； - 真孤儿照杀：宿主已死的
--workspace <旧 run worktree>/--transcript-out <旧 transcript>进程仍被 SIGTERM，kill-stale.log格式不变（killed pid=… pgid=… run=… cmd=…）； - 自保不回归：本 run 重投时不得杀自己上一投递的子树（现有
startswith(rd)分支保留）；s33 现有断言继续绿。
边界
- 不处理 plaita#50（节点失败重投载体被租约冲突 ack 吃掉）——那是本条的下游放大器，已单独立单；本条修好后僵尸链的放大器仍在（节点重试仍可能丢载体），但触发源（并发互杀）消失。
- 临时缓解（值守已执行，可回退）：
pipeline_repo_limits: {jeffkit/recursive: 1}——限 1 槽即无并发兄弟可杀；本条修复落地后回退为 2。
- 主要语言
- Rust
- 星标
- 4
- 派生
- 0
- 平均合并
- 5 小时 32 分钟
- 30 天内合并 PR
- 7
环境准备
- 提供 Dockerfile 或 Docker Compose 文件
- 没有 Pull Request 模板
- 没有贡献指南
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
jeffkit/recursive 的其他 Issue
-
难度 4/5 3-5 天 新手友好度 38/100
jeffkit/recursive#147 · 14 条评论 ·
维护者通常 1 天内回复
-
难度 5/5 一周以上 新手友好度 25/100
维护者通常 1 天内回复
-
难度 4/5 3-5 天 新手友好度 35/100
维护者通常 1 天内回复
-
难度 5/5 一周以上 新手友好度 20/100
jeffkit/recursive#134 · 6 条评论 ·
维护者通常 1 天内回复
-
难度 5/5 一周以上 新手友好度 30/100
jeffkit/recursive#132 · 3 条评论 ·
维护者通常 1 天内回复
查看 jeffkit/recursive 的全部 Issue
相似的 Issue
-
难度 2/5 1-3 小时 新手友好度 72/100
antithesishq/bombadil#361 ·
维护者通常 1 天内回复
-
test(executor_l0): assert execute() TaskOutcome, not only bus events / 断言 execute() 返回的 TaskOutcome未关闭type:debt
难度 2/5 1-3 小时 新手友好度 62/100
skaiy/wild_agentos#425 ·
维护者通常 1 天内回复
-
Default-import note suggests `import * as process` for velt:process, which does not name the builtin未关闭
难度 2/5 1-3 小时 新手友好度 72/100
维护者通常 1 天内回复
-
bug ticket
难度 2/5 1-3 小时 新手友好度 72/100
cratestack/cratestack#1154 ·
维护者通常 1 天内回复
-
status:needs-triage
难度 2/5 1-3 小时 新手友好度 72/100
维护者通常 1 天内回复