doctor

name	doctor
description	Orchestrator 全栈诊断。检查容器/DB/采集器/通道/Qdrant/GPU，给出 pass/warn/fail + 修复命令。Use when: 用户说 doctor、诊断、体检、检查系统、出了什么问题。
origin	Orchestrator — earned through direct practice (see commit history)
source_version	2026-04-18

If you were dispatched as a subagent to execute a specific task, skip this skill. Doctor runs system-wide diagnostics that require main-agent context (containers, DB, channels).

Orchestrator Doctor — 全栈诊断

你是 Orchestrator 的诊断系统。不只返回状态，而是带着领域知识判断什么算正常、什么需要修。

诊断流程

按顺序跑以下检查，每项给出 PASS / WARN / FAIL 判定。

1. Container Runtime

docker ps --filter name=orchestrator --format "{{.Status}}\t{{.Ports}}"

• PASS: Up + 端口 23714 映射正常
• FAIL: 容器不存在或 Exited
• 修复: docker compose up -d

2. Database

docker exec orchestrator python3 -c "
import sys; sys.path.insert(0,'.')
from src.core.health import HealthCheck
import json
hc = HealthCheck()
r = hc._check_db()
print(json.dumps(r, default=str))
"

判定阈值：

• size_mb > 100 → WARN（需要归档）
• size_mb > 200 → FAIL
• lock_ok = false → FAIL（DB 被锁）
• journal_mode = wal → WARN（Docker NTFS 不兼容）
• stale_files 非空 → WARN（异常退出残留）

3. Collectors

docker exec orchestrator python3 -c "
import sys; sys.path.insert(0,'.')
from src.core.health import HealthCheck
import json
hc = HealthCheck()
r = hc._check_collectors()
print(json.dumps(r, default=str))
"

判定阈值：

• hours_ago > 48 → WARN（采集器休眠）
• hours_ago > 72 → FAIL（采集器失联）
• last_event = null → FAIL（从未采到数据）
• steam 采集器是老 meme 了，hours_ago 大也正常

4. Governor Tasks

docker exec orchestrator python3 -c "
import sys; sys.path.insert(0,'.')
from src.core.health import HealthCheck
import json
hc = HealthCheck()
r = hc._check_governor()
print(json.dumps(r, default=str))
"

判定阈值：

• stuck > 0 → FAIL（任务卡死，需要手动 kill）
• failed/total > 50% → WARN（失败率过高）

5. Channels (TG/WeChat)

docker exec orchestrator python3 -c "
import sys; sys.path.insert(0,'.')
from src.core.health import HealthCheck
import json
hc = HealthCheck()
r = hc._check_channels()
print(json.dumps(r, default=str))
"

判定阈值：

• running = false → FAIL（轮询线程停了）
• wake.stuck > 0 → WARN（wake session 卡住 >30min）
• last_chat_message.hours_ago > 48 → INFO（通道静默）

6. Qdrant Vector Store (主机侧)

curl -s http://localhost:6333/collections | python3 -m json.tool

• PASS: 返回 collections 列表
• WARN: 连接成功但 collections 为空
• FAIL: 连接拒绝（Qdrant 未运行）
• 修复: docker compose up -d qdrant 或检查 Qdrant 容器

7. GPU (主机侧)

nvidia-smi --query-gpu=name,memory.used,memory.total,utilization.gpu --format=csv,noheader

• PASS: GPU 可用，VRAM 使用 < 80%
• WARN: VRAM 使用 > 80%
• INFO: 无 GPU（纯 CPU 模式，某些功能受限）

8. Disk Space (主机侧)

powershell -Command "Get-PSDrive D | Select-Object Used,Free | ConvertTo-Json"

• PASS: 空闲 > 10GB
• WARN: 空闲 5-10GB
• FAIL: 空闲 < 5GB

9. Event Loop Latency

docker exec orchestrator python3 -c "
import sys; sys.path.insert(0,'.')
from src.core.health import HealthCheck
import json
hc = HealthCheck()
r = hc._check_event_loop()
print(json.dumps(r, default=str))
"

• PASS: latency < 50ms
• WARN: latency 50-200ms（事件循环拥堵）
• FAIL: latency > 200ms 或超时

输出格式

汇总表（不要省略）：

┌─ Orchestrator Doctor ──────────────────┐
│ Container    [PASS] Up 5 hours         │
│ Database     [PASS] 16M, lock OK       │
│ Collectors   [WARN] steam 72h silent   │
│ Governor     [PASS] 0 stuck, 23% fail  │
│ Channels     [PASS] TG running         │
│ Qdrant       [PASS] 3 collections      │
│ GPU          [PASS] RTX 4090 42% VRAM  │
│ Disk         [PASS] 234GB free         │
│ Event Loop   [PASS] 3ms latency        │
├────────────────────────────────────────┤
│ Result: 8 PASS / 1 WARN / 0 FAIL      │
└────────────────────────────────────────┘

WARN/FAIL 项给出修复建议（具体命令，不要泛泛而谈）。

智能判断规则

• Steam 采集器一直是 0 数据的老 meme，WARN 就行不用 FAIL
• DB journal_mode=wal 在 Docker NTFS 场景下是已知问题，给修复命令: docker exec orchestrator python3 -c "import sqlite3; conn=sqlite3.connect('data/events.db'); conn.execute('PRAGMA journal_mode=DELETE'); conn.close()"
• GPU 不存在不是 FAIL（有些任务不需要 GPU）
• 采集器从未采到数据比"48h 没更新"更严重
• Run Jump Tracker from SOUL/public/prompts/rationalization-immunity.md#jump-tracker — if escape count ≥ 3 surface it before proceeding.