dsh-auto-recover
DSH 会话守护:本轮运行失败时自动发送重试恢复。每个对话可以单独设置守护开关、重试次数、重试间隔。
判定依据是会话日志里的
turn/end事件 —— 也就是界面上显示「本轮运行失败」的那一行。 只有reason.kind === 'error'才触发恢复;用户主动停止、blocked、进程中断都不动。
它解决什么
DSH 自带的 dsh-llm-retry 在步骤内重试模型请求(同一个 turn、同一个 step、对模型不可见),
默认对 RATE_LIMIT / SERVER / TIMEOUT / TRANSPORT / EMPTY_RESPONSE 重试 5 次。
仍然会结束整个 turn 的情况它管不了:
- 重试预算用尽;
- 不可重试的错误码(
AUTH/QUOTA/INVALID_REQUEST/CONTEXT_WINDOW_EXCEEDED…); - 还没选到适配器就失败的请求(没有
retryPolicy); - 非模型请求的失败:工具异常、审批拒绝、子代理/压缩失败、插件抛出的异常(这些以
code: "UNKNOWN"结束本轮)。
这些都会让对话停在「本轮运行失败」。本插件在轮次层补一刀:等一会儿,然后往会话里补一条恢复指令, 让 agent 从中断处接着干(不是从头重来)。
安装
dsh plugin --profile <你的 profile> add dsh-auto-recover
装完在 插件 页确认 自动恢复 / Auto-recover 已启用。尚未发布到 npm,从本仓库安装时给绝对路径即可:
dsh plugin --profile <profile> add "https://github.com/myxuebi/dsh-auto-rec"
# 或本地目录
dsh plugin --profile <profile> add "D:/path/to/dsh-auto-rec"
也可以直接在 profile 的 cordis.patch.yml 里手写挂载行(id 同时也是设置命名空间):
- insert:
- id: auto-recover
name: dsh-auto-recover
config:
enabled: true
maxRetries: 3
retryDelayMs: 5000
healthyMs: 60000
healthySteps: 2
sameCodeLimit: 3
config 里是全局默认值;每个对话的实际值可以在输入框下方那排胶囊里单独覆盖。
改完 cordis.patch.yml 会触发 DSH 的热重载(约 2 秒),不需要重启应用。
代价:每次恢复都是一次新的模型请求,会消耗 token。恢复动作也会以一条 user 角色消息的形式 出现在对话里(
〔自动恢复 · 第 N 次〕开头),不是静默重连。关掉守护开关后,这些行为全部停止。
每对话设置
它挂在 conversation.composer.dock,就是输入框底部那排状态胶囊所在的位置,
order: 2 排在官方的 activity(0) 和 usage(1) —— 也就是「上下文 / 缓存命中」那些 —— 的右边。
折叠态是一个同款胶囊(字号、内边距、字色、圆角逐字抄自官方 StatsPills.module.css):
| 状态 | 胶囊长这样 |
|---|---|
| 开着、无异常 | 🛡 守护 |
| 关着 | 🛡 守护关 |
| 等着重试 | 🛡 恢复 4.2s(警告色) |
| 已放弃 | 🛡 已放弃(错误色) |
点一下向上弹出面板:
| 控件 | 作用 |
|---|---|
| 守护开关 | 这个对话要不要自动恢复 |
| 最多重试 | 本对话连续「刚开跑就崩」最多几次 |
| 重试间隔 | 本对话失败后等多久再发恢复指令(秒) |
| 健康阈值 | 本对话跑满这么久才崩 → 不计入重试次数(秒) |
| 跟随默认 | 清掉本对话的覆盖值,回到默认 |
| 新对话默认 | 全局:以后新开的对话是开还是关 |
| 重置 | 把连败/累计计数清零 |
| 立即恢复 | 手动补发一次恢复指令 |
面板外壳照抄官方 stat-dialog.module.css(同一套菜单底、圆角、阴影、12px 字号),
定位优先用官方 @deepseek-ai/dsh-client-ui-primitives 的 useAnchoredPosition(向上展开),
拿不到这个内部包就退回自己算 getBoundingClientRect + 固定定位,并用 portal 挂到 body 避免被输入框容器裁掉。
三层取值优先级
cordis.patch.yml 的 config(出厂/部署默认)
↓ 被缓存里的 globals 覆盖(面板里拨「新对话默认」写的就是它)
默认值 ↓ 被本对话的 overrides 覆盖(面板上面那几个控件)
本对话生效值
- 「新对话默认」写进
~/.dsh/storages/dsh-auto-recover/state.json的globals, 所以不用编辑 YAML 就能改默认开/关;清空这一项就回落到cordis.patch.yml。 - 一个对话只要没动过上面那几个控件,就跟着默认走 —— 所以改默认时它也会跟着变。 想让它脱离默认,随便动一下那个对话的开关即可(从此有 override,不再跟随)。
- 默认改成「关」时,正挂着重试、且没有自己 override 的会话会立刻停手。
计数规则(重点)
用户要求:正常运行了一段时间才崩的,不算进重试次数。
一轮失败后,插件判定它是「健康崩溃」还是「刚开跑就崩」:
- 健康崩溃(满足任一):本轮跑满
healthyMs,或成功跑完healthySteps步。 → 连败计数清零,不消耗重试次数,但仍然会重试一次。 - 刚开跑就崩:两者都不满足 → 连败计数 +1;连败数超过
maxRetries就放弃。
「步数」这一条比墙钟更可靠:插件晚于本轮挂载时墙钟会失真,但步骤是事件驱动的,看得见就是真跑过。
另外两道保险:
- 同错熔断:同一个错误(code + message)连续出现
sameCodeLimit次 → 判定为上游故障,停止重试。 没有它的话,「健康崩溃不计数」在上游持续 502 时会变成一直重试刷屏。 - 绝对上限:累计失败超过
maxRetries × 5(最少 10)也停。
放弃时守护条会显示原因(max-retries / repeated-error / absolute-cap / agent-gone)。
实现要点
为什么不能直接在 turn/end 监听器里 followup
dsh-agent-loop 的错误路径上,turn() 会把异常 rethrow 出 kick() 的 while (await this.turn())。
此时 phase.kind === 'running' 且 signal 没有 abort,于是 send() 算出 wakingAfterAbort === false,
wakeDriver(false) 拒绝 latch;紧接着 finally 把 phase 置为 idle 而 wakeRequested === false
—— 消息就永久躺在收件箱里没人领。
本插件的做法:监听器里只记账并起一个定时器,定时器到点后先
await agent.whenIdle()(与自身 20 秒超时赛跑),确认 agent.status === 'idle' 才 followup。
如果这时 agent 还在忙(用户自己动手了),就让位,不抢方向盘。
恢复消息长什么样
一条正常构造的 UserMessage,source.kind = 'auto-recover':
〔自动恢复 · 第 N 次 · 连败 K/M〕
上一轮因为错误中断了(SERVER:502: ...)。
请从中断的地方继续完成原来的任务:
- 先确认已经完成的部分,不要重复已经做过的工作;
- 如果某个工具调用的结果未知,先核实实际状态,再决定要不要重做;
- 不要从头重新开始这个任务。
文本可用 retryPrompt 覆盖,支持 {attempt} {streak} {max} {code} {message}。
用户自己发消息、或者有新轮次开始,都会撤销挂着的重试(source.kind === 'auto-recover' 的那条除外)。
不会碰会话日志
session.append() 不会给自定义事件加 ignorable 标记,未知事件类型会让会话在重启后打不开。
所以插件状态一律放自己的 JSON 文件,绝不写进会话日志。
已知边界
- 只在实时失败后恢复。进程崩溃留下的
interrupted轮次(重启后才看到「本轮运行失败」)不会自动补 —— 那条路径上没有活的 agent。 - 恢复靠往会话里发一条 user 消息,所以它看得见(以「自动恢复」开头的用户气泡),不是静默重连。
- 上游持续故障时,熔断会先停手;等上游恢复后按一次「立即恢复」,或发任意消息即可继续。
体检 / 调试
插件挂了四个 HTTP 端点(仅回环地址与宿主信任的 Host 可访问)。把 <port> 换成你的 DSH web 端口:
# 某会话的守护状态
POST http://127.0.0.1:<port>/api/dsh-auto-recover/state {"sessionId":"..."}
# 改本会话设置(null = 跟随默认)
POST http://127.0.0.1:<port>/api/dsh-auto-recover/update {"sessionId":"...","patch":{"maxRetries":5}}
# 复位计数
POST http://127.0.0.1:<port>/api/dsh-auto-recover/reset {"sessionId":"..."}
# 列出所有活着的会话与插件已观察到的轮次(确认事件监听在工作)
POST http://127.0.0.1:<port>/api/dsh-auto-recover/sessions {}
结构
.
├── package.json # dsh.bundle.patch + dsh.client(platform: web) + exports["./client"|"./icon"|"./locale/*"]
├── cordis.patch.yml # 挂载记录 + 全局默认值
├── locale/ # en / zh 的 meta.title 与 meta.description(插件页显示用)
├── icon.svg # 插件页与市场卡片的图标
├── smoke-client.mjs # 客户端 bundle 冒烟测试(真跑一遍渲染)
└── lib/
├── index.js # 服务端:会话事件 → 判定 → 定时 → followup;HTTP 桥
└── client.js # 客户端(已构建的 __ModuleLoader__ bundle):输入框下方那排里的守护胶囊
客户端的 id 必须与包名逐字一致,否则启动图找不到 factory,整个 web boot 会失败。
跑一次客户端冒烟测试:
node smoke-client.mjs
版本
针对 DSH 0.2.1-rc.3 开发,0.2.2-rc.3 上验证可加载。Config 字段刻意不是 volatile():
volatile 字段在 apply 里拿到的是 cosmokit 的引用包装({ get })而不是普通值,
而本插件需要直接读这些数字。代价是默认值只能在 cordis.patch.yml 里改,不能从设置页表单改 ——
每个对话的开关/次数/间隔则可以在面板里改。
No comments yet. Be the first to write one.