From 1cb1b42395bf6d7b0d0dab9fa8ec7ec0e1ef5f98 Mon Sep 17 00:00:00 2001 From: dark Date: Thu, 4 Jun 2026 14:49:15 +0800 Subject: [PATCH] =?UTF-8?q?=E9=87=8D=E8=AF=95bug=E4=BF=AE=E5=A4=8D?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- README.md | 8 +- docs/current_logic_flow.md | 22 +++-- docs/todo.md | 2 +- packaging/README_linux_package.md | 6 +- packaging/README_packaged_agent.md | 6 +- packaging/build_linux_self_contained.sh | 7 +- pam_deploy_graph/agent.py | 116 ++++++------------------ pam_deploy_graph/interactive.py | 2 +- tests/test_agent_flow.py | 48 +++++++++- 9 files changed, 101 insertions(+), 116 deletions(-) diff --git a/README.md b/README.md index 8ac21a9..754dd6a 100644 --- a/README.md +++ b/README.md @@ -64,7 +64,7 @@ packaging/ - 实现 `config.txt.example` 风格和 JSON 风格参数读取。 - 实现 fake 全局流程和完整部署流程，便于不触碰真实环境地验证 Agent 路由。 - 实现逐 IP 处理骨架：升级、轮询、启动、校验、日志下载。 -- 实现单 IP 失败后暂停并保留失败 action，修复后 `resume` 会从失败 action 重试。 +- 实现 action 失败或审核阻断后暂停并保留当前 action，修复后 `resume` 会从当前 action 重试。 - 回滚已从主 workflow 中拆出，改为 chat/CLI 的显式 `rollback` 命令；旧 `confirm` 入口仅作为兼容保留。 - 实现 checkpoint 自动保存和 `resume` 续跑：全局步骤、成功 IP、单 IP 已完成 action 会跳过。 - 实现 LLM structured output 骨架：意图识别、参数抽取、部署计划生成。 @@ -82,7 +82,7 @@ packaging/ - chat 在开发环境和默认发布包中都会优先启用 `rich` / `prompt_toolkit`；如果增强输入初始化失败，会自动降级到普通 `input()`。 - chat 执行前会归一化参数并展示实际写入脚本配置的值；`script_only` / `hybrid_node_mcp` 会提前检查 `ZIP_FILE_PATH` 是否存在。 - chat 执行中会播报每个 action 的开始、完成或失败；action 执行失败会停在当前 checkpoint，不再误报 LangGraph 不可用。 -- 每个 action 完成后都会进入一次 LLM/规则审核；如果审核建议停止，流程会暂停并给出建议，等待用户 `resume`。 +- 每个 action 完成后都会进入一次 LLM/规则审核；只有审核通过才会把 action 记为 completed，如果审核建议停止，流程会暂停并等待用户 `resume` 重试当前 action。 - `--analyze-actions` 和 `llm action-analysis on` 改为只控制是否把详细审核结果写入 `events`，不再控制审核是否执行。 - chat 会播报 action 审核开始、审核完成和审核失败，避免黑盒执行。 - chat 支持执行中按 `Ctrl+C` 中断，保存 checkpoint 后再 `resume`。 @@ -299,7 +299,7 @@ PAM> resume PAM> exit ``` -`chat` 默认仍要求在会话内显式输入 `run`，并确认参数、目标 IP 范围和最终执行后才会执行 action。输入 `你好`、`hello` 这类问候不会触发 LLM/结构化分析；需要分析部署需求时可直接描述部署任务，或显式使用 `analyze <需求>`。每个 action 完成后都会自动进入一次 LLM/规则审核，并播报审核开始/结束；如果审核建议停止或审核本身失败，流程会暂停并输出建议，等待用户决定是否 `resume`。逐 IP action 失败时也会暂停，修复外部环境后输入 `resume` 会从失败 action 重试；如果确实需要回滚，使用 `rollback [IP]` 显式执行。`llm test [文本]` 可测试当前 LLM client 是否可用。`--analyze-actions` 仅控制详细审核结果是否写入 `events`。执行中可按 `Ctrl+C` 中断，chat 会保存当前 checkpoint 并把流程标记为 `user_interrupted`。`set KEY=VALUE` 和 `load params <路径>` 会把更新同步到当前运行 state、`config.txt` 和 checkpoint。`chat` 也支持 `--llm-base-url` / `--llm-api-key` / `--llm-model` / `--llm-action-analysis-prompt-file`、`--mcp-config` 和 `--analyze-actions`。 +`chat` 默认仍要求在会话内显式输入 `run`，并确认参数、目标 IP 范围和最终执行后才会执行 action。输入 `你好`、`hello` 这类问候不会触发 LLM/结构化分析；需要分析部署需求时可直接描述部署任务，或显式使用 `analyze <需求>`。每个 action 完成后都会自动进入一次 LLM/规则审核，并播报审核开始/结束；只有审核通过才会把 action 记为 completed；如果审核建议停止或审核本身失败，流程会暂停并输出建议，等待用户决定是否 `resume` 重试当前 action。逐 IP action 失败时也会暂停，修复外部环境后输入 `resume` 会从当前 action 重试；如果确实需要回滚，使用 `rollback [IP]` 显式执行。`llm test [文本]` 可测试当前 LLM client 是否可用。`--analyze-actions` 仅控制详细审核结果是否写入 `events`。执行中可按 `Ctrl+C` 中断，chat 会保存当前 checkpoint 并把流程标记为 `user_interrupted`。`set KEY=VALUE` 和 `load params <路径>` 会把更新同步到当前运行 state、`config.txt` 和 checkpoint。`chat` 也支持 `--llm-base-url` / `--llm-api-key` / `--llm-model` / `--llm-action-analysis-prompt-file`、`--mcp-config` 和 `--analyze-actions`。 ## 日志 @@ -332,7 +332,7 @@ fake 完整部署流程验证： python -m pam_deploy_graph.cli run-deploy --config doc_scripts/config.txt.example --strategy fake --checkpoint runtime/checkpoints/demo.json --confirm ``` -如果某个 IP 失败，流程会保存 checkpoint 并暂停；修复外部环境后可直接续跑，Agent 会从失败 action 重试： +如果 action 失败或审核阻断，流程会保存 checkpoint 并暂停；修复外部环境后可直接续跑，Agent 会从当前 action 重试： ```bash python -m pam_deploy_graph.cli resume --checkpoint runtime/checkpoints/demo.json --confirm diff --git a/docs/current_logic_flow.md b/docs/current_logic_flow.md index d48a19f..f8fa12f 100644 --- a/docs/current_logic_flow.md +++ b/docs/current_logic_flow.md @@ -116,8 +116,8 @@ flowchart TD E -- 否 --> G[RuleBasedLlmClient 本地规则审核] F --> H{should_continue} G --> H - H -- true --> I[继续后续 action] - H -- false --> J[暂停流程并写入 review_context] + H -- true --> I[标记 action completed 并继续后续 action] + H -- false --> J[不写 completed，暂停流程并写入 review_context] J --> K[chat/CLI 播报审核建议并等待 resume] F --> L{是否开启 analyze-actions} G --> L @@ -129,6 +129,8 @@ flowchart TD - 每个 action 完成后都会进入一次审核，不再依赖 `--analyze-actions` 开关。 - `--analyze-actions` 或 `llm action-analysis on` 只控制是否把详细审核结果写入 `events`。 +- 只有 action 执行成功且审核允许继续时，才会写入 `completed_global_steps` 或 `ip_states[ip].completed_steps`。 +- 如果审核建议停止或审核本身失败，当前 action 不会计入 completed，`resume` 会重试当前 action。 - 如果审核本身失败，也会生成“停止继续”的审核结果并暂停流程，避免黑盒继续执行。 ## 失败、显式回滚和续跑 @@ -136,19 +138,18 @@ flowchart TD ```mermaid flowchart TD A[逐 IP action 执行] --> B{action 失败或业务校验失败} - B -- 否 --> C[记录 completed_steps 并保存 checkpoint] - C --> C1{LLM 审核是否允许继续} - C1 -- 是 --> C2[继续后续 action] - C1 -- 否 --> G[保存 checkpoint 并暂停] + B -- 否 --> C{LLM 审核是否允许继续} + C -- 是 --> C1[记录 completed_steps 并保存 checkpoint] + C1 --> C2[继续后续 action] + C -- 否 --> G[不记录 completed_steps，保存 checkpoint 并暂停] B -- 是 --> D[记录 ip_state 为 FAILED] - D --> E[download-log 尽力下载日志] - E --> F[保存 failed_stage 和 failure_reason] + D --> F[保存 failed_stage 和 failure_reason] F --> G[保存 checkpoint 并暂停] G --> H{用户决定} H -- 修复后继续 --> I[resume 清理 paused] I --> J[next_ip_action 返回 failed_stage] - J --> K[重试失败 action] + J --> K[重试当前 action] H -- 需要回滚 --> L[rollback IP 显式执行 rollback-ip] L --> M{rollback 是否成功} M -- 是 --> N[标记 ROLLBACK_DONE] @@ -179,10 +180,11 @@ flowchart TD ## checkpoint 续跑语义 - `completed_global_steps`：全局阶段已经完成的 action 会跳过。 +- `completed_global_steps` 只记录“执行成功且审核通过”的全局 action；审核阻断时不会提前写入，`resume` 会重试该 action。 - `ip_states[ip].status == SUCCESS`：成功 IP 会跳过。 - `ip_states[ip].rollback_status == ROLLBACK_DONE`：已显式回滚的失败 IP 会跳过，继续后续目标。 - `ip_states[ip].failed_stage`：失败 IP 未回滚时，`resume` 会从该 action 重试。 -- `ip_states[ip].completed_steps`：同一个 IP 已完成的 action 会跳过。 +- `ip_states[ip].completed_steps`：同一个 IP 已完成且审核通过的 action 会跳过；审核阻断时不会提前写入，`resume` 会重试当前 action。 - `pending_confirmation`：仅保留为旧 checkpoint/旧 confirm 入口的兼容字段，新失败流程不再自动设置。 - `paused` / `pause_reason`：流程可能因 action 失败、LLM 审核阻断、用户中断、回滚失败等原因暂停；`resume` 会先清理暂停标记，再继续执行。 - `review_context`：保存最近一次暂停时的审核建议、失败原因、IP 和阶段，供 chat/CLI 输出给用户。 diff --git a/docs/todo.md b/docs/todo.md index d874980..fac1139 100644 --- a/docs/todo.md +++ b/docs/todo.md @@ -11,7 +11,7 @@ - [x] 增加参数确认和目标 IP 范围确认，不只在回滚阶段确认。 - [x] 增加 LLM/MCP 配置热加载，例如 `llm config`、`mcp config`。 - [x] 增加执行中 `Ctrl+C` 中断处理：保存 checkpoint、标记 `user_interrupted`，再由 `resume` 继续。 -- [x] 将 chat 执行接入 action 级 LangGraph runtime；逐 IP action 失败后保存 checkpoint 并暂停，`resume` 从失败 action 重试，`rollback [IP]` 作为显式命令单独执行。 +- [x] 将 chat 执行接入 action 级 LangGraph runtime；action 失败或审核阻断后保存 checkpoint 并暂停，`resume` 从当前 action 重试，`rollback [IP]` 作为显式命令单独执行。 ## LLM action 后分析 diff --git a/packaging/README_linux_package.md b/packaging/README_linux_package.md index 54e77de..e9f91aa 100644 --- a/packaging/README_linux_package.md +++ b/packaging/README_linux_package.md @@ -70,11 +70,11 @@ cd pam-deploy-agent-linux-x86_64 本次发布包对应的运行时行为也已同步到包内 `README.md`： -- 每个 action 完成后都会自动执行一次 LLM/规则审核。 +- 每个 action 完成后都会自动执行一次 LLM/规则审核，只有审核通过才会把 action 记为 completed。 - `--analyze-actions` 只控制是否把详细审核结果写入 `events`。 -- 逐 IP action 失败后会保存 checkpoint 并暂停；修复外部环境后通过 `resume` 从失败 action 重试。 +- action 失败或审核阻断后会保存 checkpoint 并暂停；修复外部环境后通过 `resume` 从当前 action 重试。 - 回滚不再属于主 workflow 自动分支；需要时使用 chat 内 `rollback [IP]` 或 CLI `rollback --checkpoint ...` 显式执行。 -- chat 支持执行中 `Ctrl+C` 中断后保存 checkpoint，再通过 `resume` 继续。 +- chat 支持执行中 `Ctrl+C` 中断后保存 checkpoint，再通过 `resume` 重试当前 action。 - chat 支持 `set KEY=VALUE` 和 `load params <路径>` 热更新当前运行任务参数。 - 支持通过 `--llm-action-analysis-prompt-file` 或 chat 内 `llm config action_analysis_prompt_file=...` 自定义 action 审核提示词。 - chat 支持 `llm test [文本]` 测试当前 LLM client 是否正常加载。 diff --git a/packaging/README_packaged_agent.md b/packaging/README_packaged_agent.md index 71e49ec..b0266a1 100644 --- a/packaging/README_packaged_agent.md +++ b/packaging/README_packaged_agent.md @@ -35,8 +35,8 @@ pam-deploy-agent-linux-x86_64/ ``` 发布包默认会优先使用 `prompt_toolkit` 增强输入，支持更稳定的退格、历史记录和补全；如果增强输入初始化失败，会自动降级到普通 `input()`。输出仍会在可用时使用 `rich` 做更清晰的文本展示。 -逐 IP action 失败后会保存 checkpoint 并暂停；修复外部环境后输入 `resume` 会从失败 action 重试。回滚不再属于主 workflow 自动分支，需要时在 chat 内输入 `rollback [IP]` 显式执行。 -chat 会在执行前归一化并展示实际写入脚本配置的参数；`script_only` / `hybrid_node_mcp` 会先检查 `ZIP_FILE_PATH` 是否存在，避免脚本运行后才用默认路径失败。执行过程中每个 action 都会输出开始、完成或失败状态；每个 action 完成后还会自动进入一次 LLM/规则审核，并播报审核开始和审核结果。 +action 失败或审核阻断后会保存 checkpoint 并暂停；修复外部环境后输入 `resume` 会从当前 action 重试。回滚不再属于主 workflow 自动分支，需要时在 chat 内输入 `rollback [IP]` 显式执行。 +chat 会在执行前归一化并展示实际写入脚本配置的参数；`script_only` / `hybrid_node_mcp` 会先检查 `ZIP_FILE_PATH` 是否存在，避免脚本运行后才用默认路径失败。执行过程中每个 action 都会输出开始、完成或失败状态；每个 action 完成后还会自动进入一次 LLM/规则审核，并播报审核开始和审核结果；只有审核通过才会把 action 记为 completed。 ## 交互式使用 @@ -244,7 +244,7 @@ MCP token 获取方式与 HOME 一致，默认按 `client_credentials` POST 到 - `chat` 中输入 `你好`、`hello` 这类问候不会触发 LLM/结构化分析；需要分析部署需求时请直接描述部署任务，或显式使用 `analyze <需求>`。 - 每个 action 完成后都会自动执行一次 LLM/规则审核；`--analyze-actions` 和 `llm action-analysis on` 只控制是否把详细审核结果写入 `events`。 - `llm test [文本]` 可测试当前 LLM client 是否可用。 -- 如果审核建议停止、审核本身失败，或用户在执行中按下 `Ctrl+C`，流程都会保存 checkpoint 并进入暂停状态；后续可使用 `resume` 继续。 +- 如果审核建议停止、审核本身失败，或用户在执行中按下 `Ctrl+C`，流程都会保存 checkpoint 并进入暂停状态；后续可使用 `resume` 重试当前 action。 - `set KEY=VALUE` 和 `load params <路径>` 会热更新当前运行任务的参数，并回写运行中的 `config.txt` 和 checkpoint。 - `checkpoint` 会保存完整运行参数，请放在受控目录。 - `hybrid_node_mcp`、`resume`、`rollback` 如果需要执行 MCP action，请同时传入 `--mcp-config`。 diff --git a/packaging/build_linux_self_contained.sh b/packaging/build_linux_self_contained.sh index 0083886..30e3942 100644 --- a/packaging/build_linux_self_contained.sh +++ b/packaging/build_linux_self_contained.sh @@ -138,7 +138,8 @@ PAM 部署 Agent 解压即用包 --analyze-actions 每个 action 完成后的 LLM/规则审核默认都会执行；该参数只控制 - 是否把详细审核结果写入 events。审核建议停止时流程会暂停。 + 是否把详细审核结果写入 events。审核建议停止时流程会暂停， + resume 会重试当前 action。 LLM 参数： --llm-base-url @@ -176,7 +177,7 @@ LLM 环境变量： ./run.sh run-deploy --config doc_scripts/config.txt.example --strategy fake --checkpoint runtime/checkpoints/demo.json --confirm - # 失败暂停后，修复外部环境并从失败 action 重试： + # 失败或审核阻断暂停后，修复外部环境并从当前 action 重试： ./run.sh resume --checkpoint runtime/checkpoints/demo.json --confirm # 需要回滚失败 IP 时显式执行： ./run.sh rollback --checkpoint runtime/checkpoints/demo.json --confirm @@ -191,7 +192,7 @@ LLM 环境变量： 2. doc_scripts 只包含运行必需文件：deploy.sh、config.txt.example、PAM_AUTO_DEPLY_SKILL.md。 3. prompts/action_review.txt 是当前默认 action 审核提示词基线，可复制后自行修改。 4. mcp_client.example.json 是 MCP server URL + 独立鉴权配置示例，需要按真实 MCP server 修改。 - 5. 逐 IP action 失败后会暂停；修复后用 resume 从失败 action 重试，需要回滚时用 rollback 显式执行。 + 5. action 失败或审核阻断后会暂停；修复后用 resume 从当前 action 重试，需要回滚时用 rollback 显式执行。 6. chat 会在执行前归一化并展示实际写入脚本配置的参数；script_only / hybrid_node_mcp 会先检查 ZIP_FILE_PATH 是否存在。 7. chat 执行过程中会播报每个 action 的开始、完成或失败；普通问候不会触发 LLM/结构化分析。 8. chat 内可使用 params、events、rollback、list checkpoints、load checkpoint、load params、llm config、llm test、mcp config 等命令。 diff --git a/pam_deploy_graph/agent.py b/pam_deploy_graph/agent.py index 00387b6..5e998e5 100644 --- a/pam_deploy_graph/agent.py +++ b/pam_deploy_graph/agent.py @@ -395,17 +395,6 @@ class PamDeployAgent: ) self._save_checkpoint(state) raise RuntimeError(message) - self._apply_result(state, action, result.values) - state.completed_global_steps.append(action) - state.last_success_step = action - self._emit_progress( - { - "type": "ACTION_DONE", - "stage": action, - "backend": result.backend, - "message": result.values.get("MESSAGE", "ok"), - } - ) if analysis is not None and not analysis.should_continue: state.last_failed_step = action self.pause_state( @@ -415,6 +404,19 @@ class PamDeployAgent: ) logger.info("全局 action 被 LLM 审核拦截 run_id=%s action=%s analysis=%s", state.run_id, action, json_for_log(asdict(analysis))) return state + self._apply_result(state, action, result.values) + state.completed_global_steps.append(action) + state.last_success_step = action + if state.last_failed_step == action: + state.last_failed_step = "" + self._emit_progress( + { + "type": "ACTION_DONE", + "stage": action, + "backend": result.backend, + "message": result.values.get("MESSAGE", "ok"), + } + ) self._save_checkpoint(state) logger.info("全局 action 完成 run_id=%s action=%s completed=%s", state.run_id, action, state.completed_global_steps) return state @@ -442,7 +444,7 @@ class PamDeployAgent: return state def run_ip_flow(self, state: AgentState) -> AgentState: - """执行逐 IP 部署流程，失败时暂停在失败 action，等待修复后重试。""" + """执行逐 IP 部署流程，失败时暂停在当前 action，等待修复后重试。""" logger.info( "逐 IP 流程开始 run_id=%s paused=%s target_ips=%s online_ips=%s", state.run_id, @@ -575,12 +577,21 @@ class PamDeployAgent: reason="action_failed", review_context=self._review_context(action=action, analysis=analysis, result=result, ip=ip), ) - if action != "download-log": - self._download_log_best_effort(state, ip) self._save_checkpoint(state) logger.info("IP action 失败并暂停等待重试 run_id=%s ip=%s action=%s", state.run_id, ip, action) return state + if analysis is not None and not analysis.should_continue: + ip_state["failed_stage"] = action + ip_state["failure_reason"] = analysis.possible_reason or analysis.suggested_action or "LLM 审核要求暂停" + state.last_failed_step = action + self.pause_state( + state, + reason="llm_review_blocked", + review_context=self._review_context(action=action, analysis=analysis, result=result, ip=ip), + ) + logger.info("IP action 被 LLM 审核拦截 run_id=%s ip=%s action=%s analysis=%s", state.run_id, ip, action, json_for_log(asdict(analysis))) + return state self._apply_ip_result(ip_state, action, result.values) ip_state["status"] = "RUNNING" ip_state["failed_stage"] = "" @@ -597,14 +608,6 @@ class PamDeployAgent: "message": result.values.get("MESSAGE", "ok"), } ) - if analysis is not None and not analysis.should_continue: - self.pause_state( - state, - reason="llm_review_blocked", - review_context=self._review_context(action=action, analysis=analysis, result=result, ip=ip), - ) - logger.info("IP action 被 LLM 审核拦截 run_id=%s ip=%s action=%s analysis=%s", state.run_id, ip, action, json_for_log(asdict(analysis))) - return state self._save_checkpoint(state) logger.info("IP action 完成 run_id=%s ip=%s action=%s completed=%s", state.run_id, ip, action, completed_steps) return state @@ -905,7 +908,7 @@ class PamDeployAgent: ip_state["log_file"] = str(values.get("LOG_FILE", "")) def _record_ip_failure(self, state: AgentState, ip: str, action: str, reason: str) -> None: - """记录单 IP 失败，并保留失败 action 供 resume 重试。""" + """记录单 IP 失败，并保留当前 action 供 resume 重试。""" ip_state = state.ip_states[ip] stop_first = action in ("start-ip", "verify-ip") logger.info( @@ -936,73 +939,6 @@ class PamDeployAgent: } ) - def _download_log_best_effort(self, state: AgentState, ip: str) -> None: - """失败后尽力下载日志，日志失败不覆盖原失败原因。""" - backend = state.action_backends.get("download-log", "script") - logger.info("失败后尝试下载日志 run_id=%s ip=%s backend=%s", state.run_id, ip, backend) - self._emit_progress( - { - "type": "ACTION_START", - "stage": "download-log", - "backend": backend, - "ip": ip, - "message": "失败后尝试下载日志", - } - ) - try: - result = self.router.run_action(state, "download-log", ip=ip) - except Exception as exc: - logger.exception("失败后下载日志 action 调用异常 run_id=%s ip=%s backend=%s", state.run_id, ip, backend) - result = ActionResult( - action="download-log", - backend=backend, - ok=False, - error_summary=str(exc), - ) - ip_state = state.ip_states[ip] - if result.ok: - ip_state["log_file"] = str(result.values.get("LOG_FILE", "")) - state.events.append( - { - "type": "ACTION_DONE", - "stage": "download-log", - "backend": result.backend, - "ip": ip, - "message": "已尽力下载日志", - } - ) - self._emit_progress( - { - "type": "ACTION_DONE", - "stage": "download-log", - "backend": result.backend, - "ip": ip, - "message": result.values.get("MESSAGE", "已尽力下载日志"), - } - ) - logger.info("失败后下载日志完成 run_id=%s ip=%s result=%s", state.run_id, ip, _action_result_for_log(result)) - else: - state.events.append( - { - "type": "ACTION_FAIL", - "stage": "download-log", - "backend": result.backend, - "ip": ip, - "message": result.error_summary or "尽力下载日志失败", - } - ) - self._emit_progress( - { - "type": "ACTION_FAIL", - "stage": "download-log", - "backend": result.backend, - "ip": ip, - "message": result.error_summary or "尽力下载日志失败", - } - ) - logger.info("失败后下载日志失败 run_id=%s ip=%s result=%s", state.run_id, ip, _action_result_for_log(result)) - self._append_action_analysis(state, "download-log", result, ip=ip) - def _save_checkpoint(self, state: AgentState) -> None: """如果配置了 checkpoint 路径，则保存完整运行状态。""" if state.checkpoint_path: diff --git a/pam_deploy_graph/interactive.py b/pam_deploy_graph/interactive.py index adba645..bc6bb32 100644 --- a/pam_deploy_graph/interactive.py +++ b/pam_deploy_graph/interactive.py @@ -819,7 +819,7 @@ class InteractiveCliSession: if reason == "user_interrupted": self.output("输入 resume 可从当前 checkpoint 继续。") elif reason == "llm_review_blocked": - self.output("请根据以上建议判断后续；如需继续，输入 resume。") + self.output("请根据以上建议判断后续；如需继续，输入 resume 重试当前 action。") elif reason == "action_failed": ip = context.get("ip") rollback_hint = f"rollback {ip}" if ip else "rollback " diff --git a/tests/test_agent_flow.py b/tests/test_agent_flow.py index 1052adf..0da31ea 100644 --- a/tests/test_agent_flow.py +++ b/tests/test_agent_flow.py @@ -35,6 +35,26 @@ class BlockingReviewLlmClient: ) +class BlockingOnceReviewLlmClient: + def __init__(self, blocked_action: str = "get-token") -> None: + self.blocked_action = blocked_action + self.blocked = False + + def analyze_action_result(self, *, action, result, state_summary): + if action == self.blocked_action and not self.blocked: + self.blocked = True + return LlmActionAnalysis( + action=action, + has_anomaly=True, + severity="high", + possible_reason="review blocked once", + suggested_action="fix then retry current action", + requires_confirmation=True, + should_continue=False, + ) + return LlmActionAnalysis(action=action) + + class BrokenReviewLlmClient: def analyze_action_result(self, *, action, result, state_summary): raise RuntimeError("review transport failed") @@ -118,6 +138,7 @@ def test_run_deploy_flow_stops_on_verify_failure(tmp_path: Path): assert state.ip_states["192.168.1.10"]["rollback_status"] == "ROLLBACK_NOT_RUN" assert "192.168.1.11" not in state.ip_states assert any(event["type"] == "ACTION_RETRY_REQUIRED" for event in state.events) + assert not any(call[0] == "download-log" for call in fake.calls) def test_resume_retries_failed_ip_action_without_rollback(tmp_path: Path): @@ -196,11 +217,35 @@ def test_successful_action_can_be_blocked_by_llm_review(tmp_path: Path): assert state.paused is True assert state.pause_reason == "llm_review_blocked" assert state.last_failed_step == "get-token" - assert state.completed_global_steps == ["get-token"] + assert state.completed_global_steps == [] assert state.review_context["stage"] == "get-token" assert state.review_context["suggested_action"] == "stop and inspect" +def test_resume_retries_llm_blocked_global_action(tmp_path: Path): + fake = FakeActionRunner() + agent = PamDeployAgent( + fake_runner=fake, + llm_client=BlockingOnceReviewLlmClient(), + ) + state = agent.create_state( + params=PARAMS, + execution_strategy="fake", + config_path=str(tmp_path / "config.txt"), + checkpoint_path=str(tmp_path / "checkpoint.json"), + ) + + agent.run_deploy_flow(state) + agent.resume_state(state) + agent.run_deploy_flow(state) + + called_actions = [call[0] for call in fake.calls] + assert called_actions[:2] == ["get-token", "get-token"] + assert called_actions.count("get-token") == 2 + assert state.paused is False + assert state.completed_global_steps[0] == "get-token" + + def test_action_review_failure_pauses_flow(tmp_path: Path): agent = PamDeployAgent( fake_runner=FakeActionRunner(), @@ -219,6 +264,7 @@ def test_action_review_failure_pauses_flow(tmp_path: Path): assert state.pause_reason == "llm_review_blocked" assert state.review_context["stage"] == "get-token" assert "LLM 审核失败" in state.review_context["possible_reason"] + assert state.completed_global_steps == [] assert any(event["type"] == "ACTION_ANALYSIS_FAIL" for event in state.events)