doctor

<SUBAGENT-STOP> 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). </SUBAGENT-STOP> # 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 ```bash 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 ```bash 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 ```bash 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 ```bash 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) ```bash 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) ```bash 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) ```bash 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) ```bash 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 ```bash 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.