kaiwu-monitor

name	kaiwu-monitor
description	Use when working with the Kaiwu platform monitoring system — fetching training metrics, plotting charts, running anomaly checks, or updating monitor config. Covers the monitoring/ directory: fetch.py, check.py, plot.py, config.yaml.
version	1.0.0
author	Qoobee
platforms	["linux"]
metadata	{"hermes":{"tags":["kaiwu","monitoring","rl","training"],"related_skills":["rl-advisor","repo-scanner"]}}

Kaiwu Monitor

开悟平台训练监控系统。自动抓取训练指标、绘图、异常检测。

When to Use

• 用户问"看看训练状态"、"reward 怎么样"
• 需要抓取训练监控数据
• 需要生成训练图表
• 需要检查训练异常
• 需要更新监控配置（token、task_id 等）

Don't use for: 代码修改（用 git 工作流）、RL 理论问题（用 rl-advisor）

文件结构

monitoring/
├── config.yaml           # 模板配置（提交 git）
├── config.local.yaml     # 真实配置（不提交，.gitignore）
├── fetch.py              # 数据抓取（DJB2 auth + API 调用）
├── check.py              # 异常检测（cron 调用）
├── plot.py               # 绘图（matplotlib Agg backend）
└── data/
    ├── latest.json       # 最新快照
    └── YYYY-MM-DD.json   # 每天归档

快速命令

cd /root/Kaiwu_2026

# 验证连接
python3 monitoring/fetch.py --validate

# 抓取数据
python3 monitoring/fetch.py --hours 6
python3 monitoring/fetch.py --hours 1 --groups quick_check

# 异常检测
python3 monitoring/check.py

# 绘图
python3 monitoring/plot.py
python3 monitoring/plot.py --hours 12

# 更新配置
python3 monitoring/fetch.py --update-config --token NEW_TOKEN
python3 monitoring/fetch.py --update-config --url "https://tencentarena.com/...task_id=183628&..."

认证机制

Kaiwu 平台 API 使用自定义认证：

Authorization: Bearer <token>
Cookie: select_lang=zh; kaiwu-token=<token>
x-kaiwu-ts: <当前Unix时间戳(秒)>
x-kaiwu-auth: <DJB2_HASH(ts + token[-32:] + endpoint)>

DJB2 算法（从 JS 源码逆向）：

def kaiwu_auth(timestamp: int, token: str, endpoint: str) -> int:
    s = f"{timestamp}{token[-32:]}{endpoint}"
    r = 5381
    for c in s:
        r = r + (r << 5) + ord(c)
    return r & 0x7FFFFFFF

完整逆向过程记录：docs/sop/开悟平台监控API接入SOP.md

API 端点

端点	用途
GetTrainMetricRange	时间范围内的指标时序数据（推荐）
GetTrainMetric	最新快照（可能返回空）
GetTrainLog	训练日志
GetTrainTask	任务详情

配置管理

config.local.yaml 覆盖 config.yaml 的字段。load_config() 函数合并两个文件：

• base (config.yaml) 提供 metric_groups 等默认值
• local (config.local.yaml) 提供 token、task_id 等敏感字段

⚠️ 坑点：三个脚本的 load_config 必须都实现合并逻辑，否则会丢失 metric_groups。

用户修改分支

token 更新

用户: "token 过期了，新的 token 是 xxx"
→ python3 monitoring/fetch.py --update-config --token xxx
→ python3 monitoring/fetch.py --validate
→ "已更新 ✓"

新训练启动

用户: "新训练 URL 是 https://tencentarena.com/...task_id=183628&..."
→ 从 URL 解析参数
→ python3 monitoring/fetch.py --update-config --url URL
→ "已切换 ✓"

赛段切换

用户: "现在打全国决赛了"
→ python3 monitoring/fetch.py --update-config --stage 全国决赛
→ "已切换，请提供新 URL"

常见问题

1. 返回空数据

• 检查时间范围是否正确
• 用 GetTrainMetricRange 而不是 GetTrainMetric

2. 中文字体显示为方块

# 安装中文字体
dnf install -y google-noto-sans-cjk-sc-fonts  # RHEL/CentOS
apt install -y fonts-noto-cjk                  # Debian/Ubuntu

# 清除 matplotlib 缓存
rm -rf ~/.cache/matplotlib

# plot.py 中配置
plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "DejaVu Sans"]
plt.rcParams["axes.unicode_minus"] = False

3. config.local.yaml 不生效

检查 load_config() 是否实现了 base + local 合并逻辑。

指标分组（按分析场景）

metric_groups:
  quick_check: [win_rate, reward, total_loss, train_step]
  reward_analysis: [reward_sum, reward_hp, reward_tower, reward_econ, reward_combat]
  loss_analysis: [value_loss_hp, value_loss_tower, value_loss_econ, value_loss_combat, policy_loss, entropy_loss]
  convergence: [episode_win_value, grad_norm, entropy_beta]
  environment: [self_tower_hp, enemy_tower_hp, kill, death, frame]