admin
e03465c398
用户令逐字：「E:/ProgramData/.workbuddy/skills 提交仓库是指的这里」—— 即本目录就是仓库（2026-10-07 已在本目录建仓，见当日日志 §22），本轮把余下未纳管的 9 个技能一并提交。 本次入库（9 个技能，46 个文件）： 1、`AI HOT` 2、`draw-ui` 3、`dsh-diagnose` 4、`dsh-knowledge` 5、`dsh-local-env` 6、`dsh-opensource-release` 7、`dsh-workflow` 8、`oil-motion` 9、`skills-security-check` 提交前核对： · **凭据类扫描**（`*.env` / `*token*` / `*.key` / `*secret*` / `*.pem`）⇒ **零命中** ✓； · 体积合计约 20 MB（`draw-ui` 12M ＋ `oil-motion` 6.5M 是大头，形态为配图/素材 —— 仓库 `.gitignore` 里明写「`assets/*.png` 是内容不是产物」⇒ 属刻意入库）； · 运行产物仍按既定规则排除（`__pycache__` / `logs/` / `tmp/` / `.venv/` / `*.egg-info` / `uv.lock` / `.workbuddy/`）。
202 lines
17 KiB
Markdown
202 lines
17 KiB
Markdown
# 业务插件故障（②）
|
||
|
||
> **归属**：技能 `dsh-diagnose` · 详情档（主干 `../SKILL.md` §2）
|
||
> **本档覆盖**：原技能 `dsh-plugin-diagnose` **全文**
|
||
> **原行段**：原 `SKILL.md` 全文 186 行，其中 frontmatter 占前 8 行已剥离 ⇒ 本档承载第 9–186 行
|
||
> **搬运方式**：**逐行未改**（⛔ 未删任何判据 / 命令 / 事故事实）
|
||
> ⚠️ 本技能已由 `dsh-diagnose` **合并**，原名 `dsh-plugin-diagnose` 退役 ⇒ 见到该名按本档读。
|
||
|
||
---
|
||
|
||
|
||
# DSH 业务插件故障诊断
|
||
|
||
> 适用对象：**候选池里投放的业务插件**（`dsh-univer-office`、`dsh-plugin-mcn-suite`、`@dsh-local/*` 等）。
|
||
> 实例本身的故障（打不开 / OOM / 崩溃重启）用 `dsh-instance-diagnose`，不是本技能。
|
||
|
||
## 0. 第一原则：**静默失败要当默认假设**
|
||
|
||
业务插件最容易「坏得没声音」：host 工具照跑、日志干净、界面就是没有东西。
|
||
所以排查顺序永远是「**先证明某一层到底有没有活着**」，而不是先读代码猜。
|
||
|
||
## 1. 三层归属（先定层，再动手）
|
||
|
||
| 层 | 怎么判「它活着」 | 死了什么样 |
|
||
|---|---|---|
|
||
| **host 半边**（`lib/index.js`） | 插件的 DSH 工具能调通（`univer_*` / 业务工具返回 `ok:true`） | 工具直接报「未知工具」 |
|
||
| **client 半边**（`lib/client.js`） | 页面 `__DSH_BOOT__` 里**有**该插件行，且槽位探针能看到它的占位者 | **有无都没痕迹**：无卡片/无 dock/无服务、无报错 |
|
||
| **网关 / 原生绑定** | 网关进程在、socket 能连、`/[健康路径]` 200 | 进程崩、连接被 reset、`.node` 加载报错 |
|
||
|
||
## 2. 客户端半边**静默挂死**（最隐蔽的一类，2026-09-13 实测）
|
||
|
||
**症状**：host 工具全好，浏览器里**一个 UI 元素都没有**，Console 无报错。
|
||
|
||
**机理**：dsh 客户端加载器（`@deepseek-ai/dsh-client-modules`）对每个插件行解析 `package.json` 的
|
||
`dsh.client` → `inject`（**包名**列表）；**cordis 的 `inject waiting`** 决定 fiber 何时 `apply()`。
|
||
⇒ **只要有一条 inject 永远不可满足，`apply()` 永不执行**（连注册都没有，静默）。
|
||
|
||
**判据：`inject` 差集**（一把尺子，通用）：
|
||
|
||
1. 取实例页面（**不碰用户浏览器**，用临时会话走平台代理）：
|
||
```bash
|
||
SID=$(node /opt/dshs/mksess-guest.cjs) # 需对应用户；用完必须删会话
|
||
curl -s -H "Host: <用户名>.ai1net.com" -H "Cookie: sid=$SID" http://127.0.0.1:3080/ -o page.html
|
||
```
|
||
2. 从页面里取**实际下发的客户端插件集合**（权威清单，别用 manifest 正则——会漏行）：
|
||
```python
|
||
import re; s=open('page.html',encoding='utf-8',errors='ignore').read()
|
||
served={p.split('/client.js')[0] for u in re.findall(r'/plugins/\?\?[^"\'&]+',s)
|
||
for p in u.split('??',1)[1].split(',')}
|
||
```
|
||
3. 解析 `__DSH_BOOT__` 里目标插件的行 → 取它的 `inject` → **求差集**：
|
||
```python
|
||
rows=re.findall(r'\{"id":"([^"]+)","url":"[^"]*","rev":"[^"]*","inject":\[(.*?)\]\}', s)
|
||
need=re.findall(r'"([^"]+)"', dict(rows)['<插件包名>'])
|
||
print([x for x in need if x not in served]) # 非空 = 该客户端 fiber 永久挂起
|
||
```
|
||
4. **差集非空 = 确诊**。两个常见根因：
|
||
- **inject 了被平台角色补丁禁用的官方包**。平台对普通用户禁：
|
||
`@deepseek-ai/dsh-client-ui-settings-models` / `-settings-plugins` / `-settings-plugin-inventory` /
|
||
`@deepseek-ai/dsh-client-ui-cordis` / `dsh-client-hmr` / `dsh-host-directory-picker-auto`
|
||
（`ensure-role-profile-patch.cjs`，档案 15；**admin profile 不禁**——A/B 对照一眼能看出来）。
|
||
- **inject 了根本不存在的包名**（如 `@deepseek-ai/dsh-client-runtime`）。
|
||
⇒ 直接 `ls /usr/local/lib/node_modules/@deepseek-ai/dsh/node_modules/@deepseek-ai/ | grep <名字>` 核一下。
|
||
5. **修法**：从插件 `package.json` 的 `dsh.client.inject` **移除**该包（或改成真实存在的）。
|
||
⚠️ **别混两个 inject**：`package.json` 的 `dsh.client.inject` 是**包名**（模块级依赖）；
|
||
客户端源码里的 `export const inject = ['slots','locale','conversation']` 是**服务名**。前者不可满足会**整体不 apply**，后者只影响个别 `ctx.inject` 块。
|
||
|
||
**第二类（2026-09-20 实测）：组件挂上了、点击却「没反应」—— 外部契约失效**（与上面同族，但更难看出）
|
||
|
||
- 症状：侧栏入口**看得见**、Console 无报错，点下去 **UI 毫无变化**（不是"没渲染"，是"面板宿主找不到"）。
|
||
- 真因：客户端靠 **DOM 契约（槽位名）** 找宿主 ⇒ dsh 升级**改了槽位名**后 `querySelector` 恒 null。
|
||
实测（0.1.5-rc.1）：`conversation` → **`main.conversation`**；`document.querySelector('[data-slot="conversation"]')` 恒 null
|
||
⇒ 判据 = `!!document.querySelector('[data-mcn-panel]')` 为 **false**（同时 `#/mcn` 的 hash 已变、入口高亮已生效）。
|
||
- 同族还有 **官方 API 形态变了**：`ctx.locale.getLocale()` 由「返回 id 字符串」变成「返回**快照对象** `{active,…}`」
|
||
⇒ `String(obj)` 恒为 `"[object Object]"` ⇒ 受控 `<select>` 只显示第一项 ⇒ 看着像"切语言没反应"（其实界面语言可能是对的）。
|
||
判据：`document.documentElement.lang` 与控件 `value` **不一致**。
|
||
- 取证姿势（浏览器实测 · 平台实例）：`mksess.cjs` 造临时会话 → `agent-browser`。⚠️ **`set headers` 注 Cookie 无效**，
|
||
改用 `open https://ai1net.com/login.html` + `eval document.cookie='sid=…; domain=.ai1net.com; path=/'` 再 `open` 实例子域；
|
||
⚠️ 前台会被沙箱 SIGTERM ⇒ 先 `run_in_background` 起一次守护，后续命令加 `> 文件 2>&1`（**不走管道**）即可前台跑。用完**删会话**。
|
||
- 详版 ⇒ **`PLAYBOOK-实例与插件坑 §20`** / 档案 **`04-调整方案/143-MCN工作台入口失效与语言切换显示修复.md`**。
|
||
|
||
**预期管理（必须一起告知用户）**：
|
||
- 插件激活**之前**产生的**旧回合不会回溯渲染**（预览卡片由 conversation turn 定义驱动）⇒ 要**新跑一轮**才看得见。
|
||
- 槽位探针里 `active:false` 常常**不是故障**：很多组件在「没内容可显示」时 `return null`
|
||
（如 univer dock：`if (operation.worktreeId === null) return null`），同槽里恒有内容的项才是 `true`。
|
||
- 某类槽（chain 类，如 `conversation.chat.turnTail`）的探针输出**不带名称字段** ⇒ 「按名字找不到」是**探针局限**；
|
||
改用**注册时写的常量**（如 `priority: -10`）去对号。
|
||
- **不是所有插件都注册 `tool.*.toolview`** ⇒ 「工具卡片没变样」≠ 插件坏了。
|
||
|
||
## 2.5 host 半边「桥接类」插件：**连不上 / 静默无限重连**（2026-09-21 实测 · carbon 插件线）
|
||
|
||
**症状**：实例起得来、`dsh web:` 正常、日志干净，但**会话里一个桥接工具都没有**（如 `mcp__*`）。
|
||
这类插件（MCP 桥 / 外部服务代理 / 远程 API 插件）的 host 半边**只在连上之后才注册工具**
|
||
⇒ 「连不上」的表现与「插件压根没装」**完全一样**。
|
||
|
||
⚠️ **先破一个假象**：内核 cordis 的默认日志 exporter **只写内存环形缓冲、不落 stdout**
|
||
⇒ 内核插件（含 `@deepseek-ai/dsh-mcp-client`）的报错在实例日志里**看不见**。
|
||
第一件事就是把日志挂一份出来（公开 API）：
|
||
|
||
```js
|
||
ctx.logger.exporter({ colors: 0, levels: { default: 3 }, export: (m) =>
|
||
process.stdout.write(`[log] ${m.type} ${m.name}: ${(m.args || []).map(String).join(" ")}\n`) });
|
||
```
|
||
|
||
挂上后立刻能看到 `warn mcp-client: connection attempt failed: …`（不挂就永远在猜）。
|
||
|
||
**诊断配方（四层，逐层排除，⛔ 别跳步）**
|
||
|
||
| # | 尺子 | 判读 |
|
||
|---|---|---|
|
||
| 1 | **上游直连**：官方 SDK / curl 直打端点 | 通 ⇒ 上游没问题，问题在 dsh 侧 |
|
||
| 2 | **实例进程内出站**：插件里 `fetch` 打同一 URL | 通 ⇒ 不是沙箱 / nft / 代理拦；不通 ⇒ 查实例 egress 规则 |
|
||
| 3 | **出站抓包**：包一层 `globalThis.fetch`，打 `method / url / rpc / status`，失败时打**实发 header**（秘密只留尾 5 位） | 🔴 关键：能看出「**从哪一代请求开始丢凭据**」 |
|
||
| 4 | **硬编码对照**：把秘密**直接写进配置**（仅测试用） | 立刻全绿 ⇒ **病根 = 凭据交付通道**，与上游 / 协议 / 网络无关 |
|
||
|
||
**本线实测真因（值得背下来）**：内核 `@deepseek-ai/dsh-mcp-client` 建传输时用
|
||
`{ requestInit: { headers: config.headers } }` —— **按引用捕获 headers**；且每代重连都从
|
||
**同一个 config 对象**重建 ⇒ **第 1 代能带上运行期注入的凭据，第 2 代起每次 `initialize` 都 401**
|
||
（抓包实发 header 只剩 `accept` / `content-type`）⇒ 无限退避重试、工具永远挂不上。
|
||
「原地改内存 header」与「每周期重新注入」两种修补**都不收敛**
|
||
⇒ 结论：**插件自持连接**（自己用 `fetch` 实现 streamable-HTTP：凭据只留内存、每请求自带 header、失败响亮报出）。
|
||
|
||
**可见性判据（「注册成功」≠「模型可见」，必须分开对账）**
|
||
|
||
```js
|
||
const list = tools.schemas(); // 省略 scope ⇒ 全局视图
|
||
const set = new Set(list.map((s) => s.name));
|
||
const missing = myNames.filter((n) => !set.has(n));
|
||
console.log(`schemas()=${list.length} 缺=${missing.length} get(首个)=${!!tools.get(myNames[0])}`);
|
||
```
|
||
|
||
- ⛔ **读法陷阱**：⛔ 别用 `Object.getOwnPropertyNames(tools.layers.global.tools.data)` 数工具 ——
|
||
`new Map()` 的属性名是**空数组**，会把「有 N 个工具」误读成 `size=0`（本线因此误判过一轮）。
|
||
必须**先判 `instanceof Map`** 再读 `size`。
|
||
- `register()` 返回 disposer 只说明「调用没抛错」；**能不能被模型看见**要用上面这把尺子另证。
|
||
|
||
## 3. 原生绑定 / glibc 门禁
|
||
|
||
**第一步永远先直测**（别读代码猜）：
|
||
```bash
|
||
ldd --version | head -1 # 宿主 glibc（本平台 = 2.32，Alibaba Cloud Linux 3）
|
||
node -e "try{require('<那个 .node>');console.log('OK')}catch(e){console.log(e.message.split('\n')[0])}"
|
||
```
|
||
**两类绑定，对策不同**：
|
||
|
||
| 类型 | 例子 | 对策 |
|
||
|---|---|---|
|
||
| **有 JS/上游回退开关** | `engine-formula-rust-binding`（`useRustEngine:false` 走 JS 引擎） | **资产侧垫片**：包一层同名导出，**绑定装不上才**强制关掉（可用则原样交上游 ⇒ 宿主升级 glibc 后自动恢复） |
|
||
| **无回退** | `exchange-node-binding`（Office 导入导出） | **只能在宿主/镜像层解决**（换 glibc ≥ 2.35 的基底）⇒ 上报用户决策，别硬凑 |
|
||
|
||
**关键警示（2026-09-13 踩过）**：
|
||
- 同一条 glibc 门禁可能被**多个进程**撞到 —— 同一插件在 **worker** 与 **gateway** 里可能**都要**建投影；
|
||
**只给 worker 打垫片不够**：网关崩掉的表现是「**写入报错但数据已落盘**」（提交时崩 → 客户端读不到响应 → 连接 reset ⇒ 假错误 ⇒ 有重复写入风险）。
|
||
- 打垫片要**同时**处理 ESM（`import.meta.url` 可用）与 **CJS**（esbuild 把 `import.meta` 降级成 `{}` ⇒
|
||
`createRequire(undefined)` **启动即崩**）；CJS 产物里让垫片显式 import 该包的 **CJS 入口**。
|
||
|
||
## 4. 「改了却没生效」的四类（按可能性排序）
|
||
|
||
1. **打包顺序把垫片废掉**：模块级 `const` 被降级为 `var` 整体提升 ⇒ 垫片跑到时是 `undefined`，
|
||
比较恒 false ⇒ **静默回退原实现**。判据：在**产物**里插一行探针打印该常量。
|
||
**修法**：垫片内用**函数内字面量**，不依赖任何模块级常量。
|
||
2. **插件没真正换上新包**：`mine/apply` 对**已启用**插件是 **noop** ⇒ 必须**停用 → 启用**两步；
|
||
任务终态是 **`success`**（不是 `done`，轮询别只判 done，否则空转）。改完**核 md5**（实装产物 == 你构建的）。
|
||
3. **客户端包按 `rev` 缓存**：客户端半边改动后**必须硬刷新**页面；顺带记住**硬刷新会取消在途的
|
||
`platform: client` 工具查询**（由页面回答），而 **host 侧调用不受影响** —— 别把它当链路故障。
|
||
4. **同 `version` 号不会被重装**：改完 `lib/` 却忘了升 `package.json` 的 `version` ⇒
|
||
`dsh plugin add file:<tgz>` 之后跑的**还是旧代码**（本线因此被误导数轮排查）。
|
||
判据 = 装完立刻做**内容门禁**：`grep -q "<新符号>" <profile>/node_modules/<pkg>/lib/index.js`，
|
||
未命中就先 `rm -rf` 该包目录再装。⇒ **改代码必升 version**（0.1.0→0.1.1→0.1.2 …）。
|
||
|
||
## 5. 验证纪律（每条结论都要有可复现的命令）
|
||
|
||
- **结构自检 ≠ 能打开**：`zipfile.testzip()` 只证明「能解压」。文档类产物要上**严格解析器**
|
||
（`python-docx` / `openpyxl` / `python-pptx`；装进隔离 venv）。本次正是靠它抓到 `w:tbl` 缺必需子元素 `w:tblGrid`。
|
||
- **改完必须在真机跑一次**，并尽量用**租户 uid**（`setpriv --reuid=<uid>`）+ 真实 socket/真实数据。
|
||
- 找不到「日志」时别下结论：业务插件的 stdout **不落 journald**，实例 journal 只有 systemd 启停两行。
|
||
- **`grep` 会骗人**：esbuild 的 CJS 导出用 getter（`__toCommonJS` / `apply: () => apply`），
|
||
`grep "exports.apply"` 会给你**假阴性** —— 要按打包器形态去找。
|
||
|
||
## 6. 平台侧事实（省得反复查）
|
||
|
||
- 插件投放：admin `POST /api/plugins/business`（`{filename, file:<base64>, trust?}`）→ 池 `/var/lib/dshs/business-plugins/`；
|
||
再 `mine/apply` 启用。临时会话：`node /opt/dshs/mksess{,-guest}.cjs`，**用完必须**
|
||
`DELETE FROM sessions WHERE user_agent='poc-curl2'`。
|
||
- 技能是**显式清单**注册（`src/host/skills/plugin.ts` 的 `DEFINITIONS`），**不是扫目录** ⇒ 加技能要**同时**改清单并重建 `lib`。
|
||
- 起自带网关做复现时：`NODE_PATH` 要带 `…/node_modules/.pnpm/node_modules`，否则 `libsql`/`ws` 等外部依赖解析不到，会被误判成插件坏了。
|
||
- 平台「我的文件」面板 = **浏览 + 下载，没有预览**；**只有 `.univer` 能在线预览**，Office 文件在浏览器里没有原生渲染。
|
||
|
||
|
||
---
|
||
|
||
## 变更历史（原 frontmatter · 逐字保留）
|
||
|
||
```text
|
||
name: dsh-plugin-diagnose
|
||
description: DSH 多租户平台（ai1net.com / 47.77.182.89）**业务插件**的故障诊断技能 —— 专治「工具能用但浏览器里什么都没有」「原生绑定装不上」「明明改了却没生效」这类**静默失败**。当出现「插件没 UI / 预览不出现 / 卡片不渲染」「**装了插件但界面没变化 / 界面跟没启用一样**」「导入导出报 GLIBC 版本」「网关崩了但数据其实写进去了」「改了包上传了还是老行为」时触发。⚠️ **与 `dsh-desktop-dev-shell` 的边界**：本技能管**服务器实例里的插件**（投放后没生效 / 启用了没 UI）；「**本机**源码构建的壳里挂插件、界面不出现」属对方。核心：先按 **host 半边 / client 半边 / 网关·原生绑定** 三层归属定位，再用「**inject 差集**」「**glibc 直测**」「**产物插探针**」三把尺子取证——**每一次都要有可复现的命令**。
|
||
version: 1.0.0
|
||
updated_at: 2026-09-22
|
||
last_change: 【2026-09-22 按要求统一版本号】frontmatter `version` → `1.0.0`（原 v1.3.0）；正文与历史中的版本号为当时记录，未改动。此前 v1.3.0（2026-09-22）：补触发词「装了插件但界面没变化 / 界面跟没启用一样」并写明与 `dsh-desktop-dev-shell` 的边界 —— 实测：用户说这句时原描述命不中本技能（只有对方声明了同一说法），服务器实例语境下会加载错。此前 v1.2.0（2026-09-21）：新增 **§2.5 host 半边「桥接类」插件：连不上 / 静默无限重连** —— 含「cordis 默认 exporter 不落 stdout，必须先挂 logger.exporter 才能看见内核插件报错」这条前提，四层诊断配方（上游直连 → 实例内 fetch → 出站抓包 → 硬编码对照），以及本线实测真因（内核 mcp-client `requestInit.headers` 按引用捕获 ⇒ 第 1 代带凭据、第 2 代起 401）；并补「注册成功 ≠ 模型可见」的公开面回读判据与 `Map` 属性名空数组的读法陷阱；§4 从三类扩为四类（新增「同 version 号不会被重装 ⇒ 改代码必升 version + 内容门禁」）。v1.1.0（2026-09-20）：§2 新增「第二类：组件挂上了、点击却没反应」—— dsh 升级改了**外部契约**（槽位名 `conversation`→`main.conversation`；官方 `ctx.locale.getLocale()` 由返回 id 变成返回**快照对象**）导致 `querySelector`/取值静默失效；补浏览器实测姿势（`agent-browser` 的 `set headers` 注 Cookie 无效 + 前台会被沙箱 SIGTERM 两个坑）与判据。v1.0.0：首版。由 2026-09-13 一整天 guest 实例 univer 插件四轮排查沉淀（worker socket 垫片被打包顺序废掉 / 宿主 glibc 2.32 < 绑定要求 2.35 / 网关提交 changeset 也建投影致其崩溃 / client 半边因一条不可满足的 inject 永久挂起），含 4 类真因、3 套取证配方与 8 条实测踩坑。
|
||
agent_created: true
|
||
```
|