Open
Hook: SubagentStop 发生重入,打破状态机设计 #96
tonglAdd on  Sep 29
tongl
tonglCollaborators
Sep 29 Create

问题概述

executor_report_complete hook 假设一次 SubagentStop 即为 agent 终态,据此立即判定 task 成功或失败。实际运行中,Claude Code subagent 可能在任务未完成时触发 SubagentStop(例如:subagent 用 run_in_background: true 启动长时间运行的 evaluator 后结束当前 turn),orchestrator 还可能自主通过 SendMessage 恢复该 agent。这种重入导致 task 被误标 failed、agent_index 中的 task_id 被覆盖为 None,最终在第二次 SubagentStop 时报错。

环境信息

  • Commit: 2f257c38b71828fcf807277243d872fcfb4e1e1d1(refactor/hooks_and_scheduler)
  • Run: txn_scheduling_20260825152605
  • Agent: a3363342d3a0a3e7f(task_001)
  • Claude Code: 2.1.245

预期行为

  • SubagentStop 触发时,hook 检查 completed_tasks.jsonl:找到记录则 complete_task,未找到则 fail_task
  • 一个 agent_id 只被索引一次,task_id 绑定后不被覆盖
  • evotrias task_pool 中 task 的最终状态与 completed_tasks.jsonl 一致

实际行为

task_001 在 evotrias task_pool 中被标记为 failed,但 completed_tasks.jsonl 中为 success(fitness=4149.38)。两个数据源不一致。根因是同一 agent_id 上发生了两次 SubagentStop,中间夹着一次 SubagentStart。

时间线

时间 事件 效果
15:27:30 SubagentStart(第 1 次) start_task → task_001 进入 running。remember_agent 写入 agent_index[agent]={task_id: task_001}
15:34:41 subagent 用 run_in_background: true 启动 evaluator(600s) 后台 Bash 进程启动,agent 无 pending tool call
15:34:45 subagent 结束 turn(stop_reason: "end_turn") subagent 输出"Waiting for it to finish"后结束当前轮次,实际并未阻塞等待
15:36:05 SubagentStop(第 1 次) _find_completed_task 返回 None(evaluator 仍在运行)→ fail_task(running → failed)
15:36:19 orchestrator 用 SendMessage 恢复 agent orchestrator 从 task-notification 的 result 文本中发现 subagent 提前停止,自主决定 resume
15:36:19 SubagentStart(第 2 次) start_task 在 queued 中找不到该 agent(已 failed)→ 返回 None。remember_agent 用 task_id: None 覆盖了 agent_index 中原本正确的记录
15:45:56 evaluator 完成,subagent 写入 completed_tasks.jsonl,调用 record_attempt task 实际成功
15:45:56 SubagentStop(第 2 次) executor_report_complete 读 agent_index 发现 task_id: None → ERROR,无法 complete_task 也无法 fail_task

根因分析

两个设计假设被违反:

假设一:SubagentStop = 终态

Claude Code 的 SubagentStop 在 subagent 结束当前 turn 且无 pending tool call 时触发,不等同于任务完成。subagent 用 run_in_background: true 启动后台 Bash 进程后结束 turn,会触发 SubagentStop,但后台进程仍在运行。Claude Code 的 task-notification 文档明确说明了这一点:"A task-notification fires each time this agent stops... The user can send it another message and resume it, so the same task-id may notify more than once."

hook 在 SubagentStop 时未找到完成记录即调用 fail_task,是过早的终态判定。

假设二:一个 agent_id 不会重入

orchestrator在检测到 subagent 提前停止后,有一定概率通过 SendMessage 恢复该 subagent。resume 会触发同一 agent_id 的第二次 SubagentStart。

remember_agent(scheduler_hooks.py:76)在每次 SubagentStart 时无条件用新建的 dict 覆盖 agent_index。重入时 start_task 返回 None(task 已离开 queued),agent_info 被重建为 task_id: None,破坏了之前正确的绑定关系。

likedislike
openJiuwen-botCollaborators
Sep 29 Comments:

欢迎来到 openJiuwen 社区

Hey @tongl , 感谢你对社区的贡献.

机器人使用手册

有关指令的使用,可以点击 此处 查看详情。开发人员可以在每个PR或Issue下方评论特定指令来触发机器人任务。

likedislike