codebee 0.1.61 → 0.1.63

package/CHANGELOG.md

@@ -6,23 +6,26 @@ README 元数据带回，供老版本在「发现新版本」时展示新版更
 
 ## 未发布
 
+## v0.1.63（2026-09-24）
+
+- 0.1.62 被并行发布占位（旧 HEAD，不含 runner 修复）；本版为完整版
+
+## v0.1.62（2026-09-24）
+
 ### ✨ 新功能
 
-- **工作汇报能直接取禅道数了**：新建「工作汇报」任务时，若已配置禅道集成，起草阶段自动把「分配给我的活跃任务 + 指派给我的活跃 Bug」聚合成本周工作素材注入起草提示（如实取材、缺失数字留待补、勿虚构业绩）——不再只靠你贴流水账。禅道未配置或临时不可达时静默跳过，起草照常。
-- **直连对话把「思考过程」打印出来了**：内置智能体改走流式（SSE），模型的思维链（DeepSeek/vLLM 系 `reasoning_content`、Anthropic `thinking` 块）边生成边实时打印进对话时间线，工具调用与正文增量同步显示——此前整轮回答只有三个点的打字动画，几十秒黑箱干等。运行中思考块常开实时增长；回答收尾后收成「思考过程」折叠摘要（带字数，点开回看），思维链同时进步骤日志。网关不支持流式时自动回落非流式（思考字段仍从响应体兜底抽取），取消/多 KEY 换链语义不变。
-- **日志抽屉认识 claude 事件流了**：claude 步骤日志此前整段原样 JSON，模型长思考时 `thinking_tokens` 心跳每个流式分片刷一条（真实案：3.2MB 步骤日志 15828 条），把正文顶出尾部窗口。现在抽屉视图按邻近组折叠成一行「— 思考中（心跳 ×N 已折叠，估算 ~M tokens）—」，会话启动/API 重试/思考摘要/正文/收尾统计各自翻译成可读行（API 重试逐条保留——429 与断连诊断金矿）；只影响显示，原始日志与结果解析不动。
-- 新增**网页成品实时预览**：代码任务跑完，详情页多出「预览」页签——「运行视图」把工作目录里的入口 HTML 真跑起来（iframe 里 style.css / script.js 这些相对引用照常生效，改完点「刷新」即看新版），旁边一排文件页签直接读源码（行号 + 高亮，与成果预览同款），右上角「打开新窗口」给真全屏。借鉴对话式编程产品"边聊边看效果"的体验：终态代码任务跑出了可打开的网页成品时，打开详情直接落在预览；直连对话任务的对话胶囊里也有「预览」入口。没有网页成品的任务（小说、普通脚本）完全不出现这个页签。安全边界：预览是只读静态挂载，只认静态扩展名白名单、拒绝路径穿越与隐藏目录；访问令牌走路径段（iframe 子资源继承不了查询串），鉴权与 /api/* 同一把尺子。
-- **直连对话会动手修了**：内置智能体新增 `run_command`，诊断、修复、改配置、重启服务等命令直接在你机器上真实执行（与 codex/claude 全权沙箱同信任档，无确认闸），退出码与输出回给智能体接力下一步——不再只甩一份「照着做」的指南。超时/取消即强杀进程树；Windows 提权命令自动走 UAC 弹窗（点一次允许即可）。顺带修掉一个底层隐患：子进程杀树后管道关闭不再死等漏网孙进程自然退出（此前会让超时杀进程卡满命令时长）。
-- 连载小说支持**分卷**：新建任务时给「每卷章数」（默认预填 20，清空 = 不分卷），或在「指定卷结构」里写明各卷（也能直接在任务目标里写「第一卷 少年初入江湖 第1-20章；卷二 风云再起 21-40章」，自动识别）。分卷贯穿四个环节：① 大纲按卷规划，产出卷名与卷弧光（用户给了卷名就原样沿用）；② 每章起草与评审都带上「第几卷第几章、是不是卷末」，卷末章按本卷高潮与卷末钩子收束；③ 合并成书插入「第 X 卷 《卷名》」分隔；④ 运行详情的章节评审卡与发布页章节清单按卷分组。卷边界由全书章号确定性推导，续写批次自动接上同一卷、不会把一卷劈成两半。
+- **任务计划活起来了**：`.codebee/task_plan.md` 从静态清单升级为随执行实时推进的活文档——每个子任务起跑标 `[>]`、成功翻 `[x]`、失败标 `[!]`（换将重试成功自动翻正）。任务崩溃、续跑、换将时打开计划文件一眼看到断点走到哪步；回写失败静默，绝不影响任务执行。
+- **skill 装前扫描认得投毒特征了**：新增四组静态特征——下载即执行（`curl|sh` 管道、PowerShell `Invoke-Expression` 投放）、持久化驻留（crontab/计划任务/注册表自启动键，直接判高风险）、常见外传信道（pastebin/webhook.site/ngrok 隧道）、挖矿特征（stratum/xmrig）。中文叙述词零误报。
+- **代码实现不再「顺手加固」了**：实现/修复提示词内置 HERO 反过度防御块——不加任务没要的哈希与校验和、不铺层层边界分支、不自造评分标准、不做顺手加固；只约束「提出什么」不约束「检查什么」，真实风险照找、写进总结由你决定。改动面更贴任务目标，少一轮「修过度工程」的返工。
 
-### ⚡ 性能
+### 📒 补记（更早已上线、此前未入版本节）
 
-- **多评审并发**：章节评审与全书评审的多位评审从排队串行改为并发执行——评审占连载运行总时长的六到七成，而各评审读的是同一份稿件、各自独立打分，串行等待纯属时间叠加。每位评审的得分、逐项目标审稿（event_check）与资源账本（ledger）仍按原顺序合并，评分口径与串行版完全一致；某位评审的管道异常照旧上抛打断。同章两评审实测墙钟约 7.2s → 4.2s。
-- **超时不再原样重烧**：章稿起草失败重试加「新变量」闸门——上一次就是超时/停滞收场、且这次的提示词与上次逐字节相同时（缩上下文降级未能生效的场景），不再用同样输入再烧一整轮 2400 秒，直接跳到换将（换 CLI/模型才是新机会）。
+- 直连对话流式打印思考过程 + 网页成品实时预览页签 + 直连 `run_command` 真执行 + 连载分卷 + 多评审并发（同章两评审 7.2s→4.2s）+ 超时原样重烧闸门 + 429 限流与欠费同口径切备用 KEY + 工作汇报取禅道数 + 日志抽屉折叠 claude 思考心跳。
 
-### 🛠 问题修复
+## v0.1.62（2026-09-24）
 
-- **首选 KEY 超限自动切备用了**：同厂商多密钥此前只认欠费类文案——首选 KEY 撞上 429 限流（智谱「并发数超过限制」「每分钟Token数已超过上限」、claude 的 rate_limit_error、codex 的 "429 Too Many Requests" 等）只记一笔错误、不进冷却，每个新步骤仍从超限的首选 KEY 重新烧起。现在限流文案与欠费同口径：进冷却 30 分钟、密钥镜像自动切下一把、链展开跳过冷却中的 KEY（到期或「恢复」按钮一键回首选）。顺带补一处漏账：无显式链时「换模型回退」的链条目不带 KEY 标记，这类重试失败此前完全不记 KEY 账。
+- 修复评审「命令行太长」：垫片检测此前只看首个参数（是 cmd.exe），漏判了真正的 .cmd 垫片——中等长度评审提示词直接撞 Windows 8191 上限。现扫全部启动参数
+- 代码修复步超时 1200→2400 秒：真实排查型修复（读仓库/追调用链）不再被中途砍死
 
 ## v0.1.61（2026-09-24）
 

package/README.md

@@ -20,13 +20,11 @@ Kimi Code、MiMo Code、Grok Build、Pi、DeepSeek Harness……），提供
 零第三方依赖：纯 Python 标准库（3.8+），本地 Web 界面，数据全部落盘可回放，
 不会把你的任务内容交给任何第三方。
 
-<!-- relnotes:start -->
-### 最新版更新内容（v0.1.61）
 
-- 修复 mimo 评审器永远「Invalid API Key」：Key 通道缺失（非 Key 失效），现自动注入配置
-- 「完成·未达标」琥珀胶囊：跑完但评审未过不再伪装「完成」
-- 同工作目录任务自动排队，互不覆盖
-<!-- relnotes:end -->
+### 最新版更新内容（v0.1.63）
+
+- 修复评审「命令行太长」（垫片漏判）；修复步超时提至 2400 秒
+
 
 ---
 

package/app/core/catalog.py

@@ -132,7 +132,11 @@ DEFAULT_CATALOG = [
         "note": "xAI 终端编码智能体；可执行名是 grok（不是 grok-build）；"
                 "默认模型在 ~/.grok/config.toml 的 [models] default（JSON 版配置不存在）",
         "detect": {"cli": "grok"},
-        "orch": {"kind": "generic", "command": "grok", "argv_template": ["-p", "{prompt}"]},
+        # Grok's CLI retries a failed reqwest connection internally. Keep the
+        # adapter's single attempt bounded so a dead endpoint does not consume
+        # the entire 20-minute generic timeout before failover.
+        "orch": {"kind": "generic", "command": "grok", "argv_template": ["-p", "{prompt}"],
+                 "timeout_ms": 180000, "stall_timeout_s": 120},
         "config": {"path": "~/.grok/config.toml", "format": "toml-section",
                    "model_key": "models.default"},
         "install": "npm install -g @xai-official/grok",
@@ -319,19 +323,20 @@ def _apply_config_patch(entries):
             e["config"] = dict(patch)
 
 
-def _apply_stall_patch(entries):
-    """存量数据幂等补齐：qwencode 补 stall_timeout_s=900（2026-09-22 实案）。
-
-    data/catalog.json 生成后不会再随版本重写，老清单里的 qwencode 没有
-    停滞看门狗配置（当时按「结束才一次性输出」留 0）；实际验证 qwen 评审
-    会先流式吐内容再卡死在 MCP 收尾，静默看门狗能兜住。用户手写过该字段的
-    不覆盖（包括显式写 0 关闭的）。"""
-    for e in entries:
-        if e.get("id") != "qwencode":
-            continue
-        orch = e.get("orch")
-        if isinstance(orch, dict) and "stall_timeout_s" not in orch:
-            orch["stall_timeout_s"] = 900
+def _apply_stall_patch(entries):
+    """为存量清单补齐 CLI 看门狗和单步上限。
+
+    data/catalog.json 生成后不会再随版本重写，用户手写过的字段不覆盖
+    （包括显式写 0 关闭的）。"""
+    for e in entries:
+        orch = e.get("orch")
+        if not isinstance(orch, dict):
+            continue
+        if e.get("id") == "qwencode":
+            orch.setdefault("stall_timeout_s", 900)
+        elif e.get("id") == "grok-build":
+            orch.setdefault("timeout_ms", 180000)
+            orch.setdefault("stall_timeout_s", 120)
 
 
 def _apply_install_patch(entries):

package/app/core/pipeline.py

@@ -722,6 +722,10 @@ __CONTEXT__
 
 ## 要求
 - 修改要最小化、聚焦任务目标；不要无关重构。
+- 反过度防御（借鉴 HERO：只约束你「提出」的方案，不约束你「检查」的范围）——
+  不要给没要求的数据加哈希/校验和；不要为内部脚本铺层层边界分支；
+  不要自造评分标准或质量闸门；超出任务目标的「顺手加固」一律不做。
+  真实风险照样要找：发现就写进总结，由人决定要不要修。
 - 完成后只用 3-5 句话总结你改了什么、为什么。
 __VERIFY_HINT__"""
 
@@ -735,6 +739,8 @@ __ISSUES__
 
 ## 要求
 - 只针对上述问题修复；不要无关重构。
+- 修复轮同样反过度防御：不加任务没要的哈希/边界分支/评分标准/顺手加固；
+  真实风险写进说明，不擅自扩大改动面。
 - 完成后用 2-3 句话说明改了什么。
 __VERIFY_HINT__"""
 
@@ -1203,6 +1209,7 @@ def _run_code(run, task, agents, ev, stats, mode):
     store.update_run(run_id, route=route)
 
     def implement_all(impl_agent, prefix_note):
+        nonlocal reviewer
         # 会话延续只对原实现者有效；换将后新智能体没有该会话，必须丢弃
         use_resume = (resume_ctx["session"]
                       if (resume_ctx and impl_agent["id"] == resume_ctx["agent"]["id"]) else None)
@@ -1247,6 +1254,7 @@ def _run_code(run, task, agents, ev, stats, mode):
                           .replace("__CONTEXT__", task.get("context") or "（无）")
                           .replace("__VERIFY_HINT__", _verify_hint(task))) + prog
                 role = "implement" if len(subtasks) == 1 else "implement-%d/%d" % (i + 1, len(subtasks))
+                mark_task_plan(workdir, i + 1, "run")   # 活计划：起跑即标进行中
                 res = _run_step(run_id, role, agt_b, prompt, step_wd,
                                 readonly=False, ev=ev,
                                 note=prefix_note if i == 0 else "",
@@ -1265,7 +1273,9 @@ def _run_code(run, task, agents, ev, stats, mode):
                     except Exception:
                         pass
                 if not res["ok"]:
+                    mark_task_plan(workdir, i + 1, "fail")
                     return False, res
+                mark_task_plan(workdir, i + 1, "done")
             return True, res
 
         ok, res = _run_one(impl_agent)
@@ -1293,8 +1303,16 @@ def _run_code(run, task, agents, ev, stats, mode):
         # （超时等）仍只换一次，防着在坏候选上再烧一整个超时。
         if mode == "auto" and impl_agent.get("mode") == "real":
             tried = {impl_agent["id"], "mock-a", "mock-b"}
+            dead_ids = {impl_agent["id"]}  # 实现步已失败的原实现者，属已知死候选
             notes = []
             dead_ups = []  # 配额死亡候选的上游集合：换将优先异上游
+            # 原实现者若死于配额，其上游（网关/账号）也一并判入死池——否则第一棒
+            # 换将不知道同网关候选已死，评审者重选更会把「与死者同上游」的候选
+            # 继续当活口，评审撞同一条失效网关白烧一轮后误报「评审器故障」。
+            if runner._quota_error(res.get("error") or ""):
+                ups0 = router.agent_upstreams(impl_agent["id"])
+                if ups0:
+                    dead_ups.append(ups0)
             prev_id = impl_agent["id"]
             other = None
             while True:
@@ -1310,6 +1328,14 @@ def _run_code(run, task, agents, ev, stats, mode):
                 ok2, res = _run_one(other)
                 if ok2:
                     route_note = "；".join(notes + [note])
+                    # 换将成功：预先选定的评审者可能在实现步走查时被证伪为死链
+                    # （quota/限流秒死），且死者同上游（同网关）的候选同样不可信。
+                    # 按「排除本轮已知死者 + 同上游候选」的池重选评审者，否则评审
+                    # 撞同一条失效网关，白烧一轮后误报「评审器故障」。
+                    if workflow["review_required"]:
+                        reviewer, route["reviewer"] = router.pick_reviewer(
+                            agents, other, "code", stats,
+                            exclude=dead_ids, dead_upstreams=dead_ups)
                     store.update_run(run_id, error="", route_note=route_note)
                     _record_actual_route(
                         run_id, task, agents, stats, other,
@@ -1320,6 +1346,7 @@ def _run_code(run, task, agents, ev, stats, mode):
                     return True
                 notes.append(note)
                 tried.add(other["id"])
+                dead_ids.add(other["id"])
                 prev_id = other["id"]
                 if runner._quota_error(res.get("error") or ""):
                     ups = router.agent_upstreams(other["id"])
@@ -1390,7 +1417,7 @@ def _run_code(run, task, agents, ev, stats, mode):
                       .replace("__VERIFY_HINT__", _verify_hint(task)))
             prompt = attachments.append_task_context(prompt, task)
             res = _run_step(run_id, "fix-r%d" % round_no, modelhub.bind_agent(impl, difficulty),
-                            prompt, workdir, readonly=False, ev=ev,
+                            prompt, workdir, readonly=False, ev=ev, timeout=2400,
                             note="自动修复第 %d 轮" % round_no,
                             resume=resume_ctx["session"] if resume_ctx else impl_sid[0],
                             require_tools=True)
@@ -4106,14 +4133,47 @@ def _write_task_plan(task, workdir, plan):
             return ""
         target.parent.mkdir(parents=True, exist_ok=True)
         lines = ["# 任务计划", "", "来源：%s" % (plan or {}).get("source", "?"), ""]
+        # checkbox 形态：mark_task_plan 按行号翻 [x]/[!]/[>]，断点一眼可见
         for i, s in enumerate((plan or {}).get("steps") or [], 1):
-            lines.append("%d. %s" % (i, str(s.get("detail") or s.get("title") or "")[:200]))
+            lines.append("%d. [ ] %s" % (i, str(s.get("detail") or s.get("title") or "")[:200]))
         target.write_text("\n".join(lines) + "\n", encoding="utf-8")
         return str(target)
     except Exception:
         return ""
 
 
+_PLAN_MARK = {"done": "x", "fail": "!", "run": ">"}
+
+
+def mark_task_plan(workdir, index, status):
+    """活计划回写：把 .codebee/task_plan.md 第 index 项（1 基）的勾选框
+    翻成 [x]（完成）/[!]（失败）/[>]（进行中）。planning-with-files 的断点
+    可见性：计划文件随执行实时推进，崩溃/换将/续跑时看文件即知走到哪步。
+    幂等覆盖（换将重试成功 [!]→[x]）；失败静默——回写绝不挡执行。"""
+    try:
+        from pathlib import Path as _P
+        import re as _re
+        mark = _PLAN_MARK.get(str(status))
+        idx = int(index)
+        if not mark or idx < 1 or not workdir:
+            return False
+        root = _P(workdir).resolve()
+        target = (root / ".codebee" / "task_plan.md").resolve()
+        if root not in target.parents or not target.is_file():
+            return False
+        pat = _re.compile(r"^(\d+)\. \[[ x!>]\] ")
+        lines = target.read_text("utf-8").splitlines()
+        for k, ln in enumerate(lines):
+            m = pat.match(ln)
+            if m and int(m.group(1)) == idx:
+                lines[k] = "%d. [%s] %s" % (idx, mark, ln[m.end():])
+                target.write_text("\n".join(lines) + "\n", encoding="utf-8")
+                return True
+        return False
+    except Exception:
+        return False
+
+
 def _workdir_blocker(task, run_id):
     """同工作目录互斥：返回占用该目录的运行中/排队任务（无则 None）。
     任务计划/项目记忆/任务分支检出都是工作目录级共享状态，并行会互相覆盖