9.0 KiB

Raw Permalink Blame History

Round 66 工作计划：Windows 求解器进程隔离与 Fail-Closed

日期：2026-08-03

1. 背景与方向选择

Round 65 已完成并通过独立复审。完成矩阵下一优先级为 P0 可信试点基线。
并行只读审计比较了三条候选：全量 P2/P3 证据封套、共享审批存储可靠性、Windows 求解器 fatal。
本轮选择 Windows 求解器进程隔离，因为它可直接杀死后端主进程、绕过 Python 异常/审计，并曾出现“测试 passed 且 exit 0，但输出 Windows fatal”的假绿色。
全量 P2/P3 证据封套与共享审批迁移 token/损坏源问题登记为后续 P0 轮次，不以本轮完成替代。

2. 已确认事实

默认 PATH python 来自 Anaconda，用户 site OR-Tools 与 Conda pandas/pyarrow/DLL 混装可复现 0xc0000139 / WinError 127。
.venv 与 .sidecar-venv 的独立求解探针当前通过，但 .venv base 仍属于 Anaconda，不能作为发布运行时证明。
CP/HYBRID 目前在后端主进程调用 optimize_line_assignment()；OR-Tools 时限不能隔离导入崩溃、C++ abort、native deadlock 或进程级 fatal。
默认标准排产使用 HYBRID，rush/LNS/敏感性/鲁棒性等也通过引擎动态分派进入该边界。

3. 本轮目标

建立唯一的求解器进程边界：父进程构造不可变请求，子进程只执行 CP-SAT 优化并返回版本化 JSON；父进程验证退出码、fatal marker、协议、运行时身份和超时后，才允许在父进程物化世界状态。任何 native/runtime/timeout/protocol 失败都结构化失败关闭，不能杀死 8003，不能留下 PO/WO/可发布版本，HYBRID 不能伪装成 RULE 成功。

4. 范围

In scope

新增 solver subprocess request/response 协议、fatal marker 检测、OS 级 timeout、进程树回收和运行时身份。
CP 与 HYBRID 的 optimize_line_assignment 改由子进程执行；健康路径保持原 ordered entries、gap、cumulative 和物化语义。
子进程失败时父进程 world 深比较不变；CP/HYBRID 返回结构化 SOLVER_* 阻断，不做静默成功降级。
Sidecar 增加 --solver-child；普通 CPython 使用 -I -B -X faulthandler -m server.engines.solver_worker。
强化 scripts/check_solver_runtime.py：内部 timeout、模块来源、base executable、user-site、版本和 fatal marker，即使 returncode=0 也拒绝。
桌面 child env 清理 Conda PATH 段，继续设置 PYTHONNOUSERSITE=1。
增加固定服务器运行时锁/身份说明，但不在本轮擅自重建用户 .venv。

Out of scope

不修改 get_engine() 全局工厂。
不把真实 Windows CI、干净离线机或签名冻结产物冒充本地完成；这些保留外部验收。
不在本轮同时重构全部 P2/P3 evidence resolver、审批 outbox 或真实 MySQL 多主机。
不提交、不推送、不合并、不发布。

5. 失败代码与产品语义

父进程统一识别：

SOLVER_RUNTIME_UNSAFE：运行时身份/模块来源不可信。
SOLVER_NATIVE_FATAL：stderr/stdout 命中 fatal marker，包括 returncode=0。
SOLVER_PROCESS_EXITED：非零退出且非特定 runtime 失败。
SOLVER_PROCESS_TIMEOUT：超过求解时限 + 启动宽限。
SOLVER_RESPONSE_INVALID：JSON 截断、缺成功标记、协议版本或 schema 不匹配。
SOLVER_VERSION_MISMATCH：父子协议或引擎版本不一致。

规则：

子进程失败前后 world 完全一致。
显式 CP 失败不降级 RULE。
HYBRID native/runtime 失败默认阻断；若未来允许降级，必须是显式策略且不可发布。
只有验证通过的 ordered entries 才进入 materialize_schedule()。
失败必须可写算法失败审计或返回结构化阻断；父进程和 8003 必须继续存活。

6. 验收标准

健康 .venv：CP/HYBRID subprocess 与现有 in-process 基准产生等价可行性、工序顺序、line assignment、gap/cumulative 元数据。
故障注入：非零退出、returncode=0+fatal marker、超时、非法 JSON、缺 success marker、协议不匹配全部 fail-closed。
故障前后 world 深比较一致，0 新 PO/WO/VL，不产生可发布版本。
当前默认 Anaconda 探针稳定返回不安全/失败证据；.venv、.sidecar-venv 探针连续通过。
冻结 Sidecar（若现有产物可用）--solver-child 冒烟通过；若产物需重打包，记录为构建后验证而不伪造。
8003/5173 在模拟 child crash/timeout 后继续 HTTP 200。
focused、全量黄金、Node、Web build 通过；git diff --check 与 detect_changes(compare main) 完成。

7. 真实运行证据

保留默认 Anaconda 失败探针、固定运行时通过探针和产品 API child-failure 存活证据。
测试所有 APS_HOME、DB、world、日志输出重定向到临时目录；不写 server/data/**。
记录当前 MOM world hash，运行前后必须一致。

8. 风险与外部阻断

GitNexus 对 get_engine 为 CRITICAL；本轮避免修改。
动态引擎分派会低估 CpSatEngine.solve / HybridEngine.solve 的上游影响，因此按高风险验证。
真正 Windows CI、干净 Win10/11、签名冻结产物、Defender 和客户机 DLL 环境需要外部基础设施。
.venv 重建属于运行环境变更，不在未获授权时执行。

9. Pre-target-merge 停止点

实现、验证和独立审计完成后，先报告：协议覆盖、失败注入、健康求解等价性、运行时来源、现场数据保护、共享 dirty 基线和残余外部环境。未经用户明确授权，不执行 commit/merge/push/publish。

10. 计划可行性审计

PLAN AUDIT: PASS

Blocking issues: none

Clarification needed: none（persistent goal 已授权继续推进最高优先级本地项；默认采用 fail-closed、不静默 RULE 降级）

Non-blocking improvements: 真实冻结产物 smoke 取决于现有 artifact；若需重新打包则只记录为外部/后续构建证据。

11. 执行结果与验收收口

状态：实现与真实运行门禁通过；最终全量黄金计数待主 agent 在新增源码 Sidecar -I 回归后复跑确认。

已完成

子进程协议、request/response digest、fatal marker、OS timeout、进程树回收和运行时身份已落地，协议为 aps.solver-process.v1。
CP/HYBRID 仅在 child 执行优化，父进程负责校验与物化；fatal/timeout 时均 UNAVAILABLE、0 PO/WO、不可发布，且无 RULE 静默降级。
复制 world.json 的 CP/HYBRID 均 OPTIMAL，1 PO / 10 WO / 10 operationSlots，runtimeSafe=true。
复制 MOM 数据的 CP/HYBRID 均可完成求解，但现有业务主数据阻断为 0 PO/WO、1 slot/1 conflict；不宣称完成现场主数据。
fatal 注入后父进程与 8003 存活，业务世界原子；timeout 15.633 秒并回收 grandchild 进程树。
默认 PATH Anaconda 探针稳定拒绝；.venv、.sidecar-venv 各连续 5 次通过。
8003 PID 21576、5173 PID 9808 healthy；浏览器 title/root 正常且无 warning/error。
Node 60 passed、Web build passed、ruff/compile/node check/diff-check passed。

源码 Sidecar `-I` 补充发现

真实源码 --solver-child 在 Python -I 下最初因源码 import root 被移除而失败。
经 GitNexus LOW impact 门禁，仅 bootstrap 已解析的 trusted source root，并新增 test_source_solver_child_entry_runs_under_isolated_python。
修复后实际源码 Sidecar child 为 CP OPTIMAL、1 PO / 10 WO / 10 slots、协议 v1、runtimeSafe=true。
最新 focused 为 80 passed；最终全量黄金为 1029 passed / 2 warnings（300.23 秒）。

数据与发布边界

world.json hash：C6E7FF090719DB505AF5C3B0D8ADD376CBA7843D6E6982A68C1BA02C342052FA；MOM hash：6B64ADF6F29A43A518D89718610EE71FAD60E86D3F38CD5CFF26F1740CC53F7D；JSON 业务源前后不变。
server/data/**、.env 无 Git 状态；master.db 可能因 license last_seen 等运行元数据更新，不以文件 hash 证明业务不变。
现有冻结 EXE 仅旧 --probe-child 通过；未重建，故新 --solver-child 的打包验收仍是构建后停止点。
不提交、不推送、不合并、不发布。

后续 P0

全量 P2/P3 evidence 封套与审批迁移可靠性（token 摘要、损坏源 fail-closed、DB clock/TTL、CAS 并发）成为下一最高优先级本地项。

首轮独立审计修复

首轮 AUDIT: FAIL 指出成功响应摘要未被父进程验证，且非空请求可被伪造成 OPTIMAL + 空 entries。
父进程现强制重算 responseDigest，校验条目完整排列/业务字段、pipeline/status、可行解 objective/gap 与 operationSlots 覆盖；8 个新增负向用例全部通过。
源码冻结路由现按 sys.frozen 自动执行自身 --solver-child；旧 EXE 未重建，仍为构建后验收边界。
最终独立只读复审 AUDIT: PASS。
复审补强：请求先落自动清理临时文件并作为 child stdin，避免 Windows 管道背压绕过 deadline；slot 越界/订单产品错绑、错误 pipeline/status 均失败关闭。

9.0 KiB Raw Permalink Blame History Unescape Escape