Auto-sync: 2026-11-05

This commit is contained in:
Dominik Schön
2026-11-05 22:00:35 +00:00
parent bd366a61ee
commit 6a310538ff
4 changed files with 174 additions and 1 deletions
+164
View File
@@ -1404,3 +1404,167 @@ Pitfalls: Platzhalter vs. echter VK an der Länge erkennbar (13 vs 42); `kubectl
**KRITISCHER PITFALL (Org-Spiegel):** Agentenliste ist 4× gepflegt — org.yaml + org-truth-configmap (regen! sha-Annotation) + 3 hardcodierte frozensets: spool/submit_task.py VALID_AGENTS, Inline-CM fleet-submit-task (sync_submit_cm.py!), watcher_main.py SUBMIT_VALID_AGENTS. Ohne alle 3: Task an neuen Agenten wird synchron INVALID + im Outbox rejected (*outbox-* in _invalid/, kein Quarantine-Event). CM-Mount braucht Pod-Restart. DB-Tabellen members/sandboxes waren LEER (Stub nie aktiviert) -> SQL-Sync aus org.yaml (10 Member ON CONFLICT) + sandboxes-Zeile; get_sandbox_status(alle)=none war vorher Normalzustand. EXEC-HANDOFF-Digest 64b987.. war Soul-DATEI-Hash, nicht Image-Digest.
**Commits:** a72c246 (S1-S3), e075439 (VK-ES), prepuller-pin, 06630a5 (3 Agentenlisten), a9bdc0e (watcher 0.33 42a3b3de). 1P: "Agent-Fleet VK gitops" (Kubernetes ESO). Bifrost-Admin: 1P "Agent-Fleet Bifrost Admin" (Basic-Auth gegen /api/governance/virtual-keys, Bearer/X-Admin-Key funktionieren NICHT). fyi-Zaehlung: watcher 0.25/0.26 exempte fyi von offener Arbeit + Archiviert — alter watcher-fyi-fix-Todo war stale. SolDoc: bug-fixes/2026-11-04-gitops-rollout-org-spiegel-agentenlisten.md.
## 05.11.2026 — Arbeitsteilung: CHO-Weiche im SOUL, Produkt-PR-Bruecke, erster PR #1
**Symptom:** gitops (10. Agent) hatte dauerhaft 0 Inbox-Items; erster schoenkitchen-PR kam nicht zustande, obwohl 4/5 P1-Kinderwahl-Tasks completed waren ("kein Commit/Push/CI" — Text-Artefakt-Konvention).
**Drei Root Causes:** (1) Es gibt keinen Verteiler — Arbeit entsteht nur durch `to=<agent>`-Adressierung; Idle-Trigger kennt operative Rollen NICHT (IDLE_IDEATION_ROLES = cto/cmo/coo/research/agile-coach/chro) → operative Agenten haben keinen Selbststart. (2) S5-Weiche R1-R4 war Dokument/Entscheidung, aber nicht im cto-SOUL. (3) "Kein Cluster-Zugriff → Text-Artefakt" galt unterschiedslos — die letzte Meile Artefakt→Repo hatte keinen Besitzer, obwohl gitea-mcp (48 Tools, Schreibrecht via fleet-bot) seit dem schoenkitchen-P1 bereitstand.
**Fix (Commit 585eeb8):** cto-SOUL = "DU BIST DIE CHO-WEICHE R1-R4" (R1 strukturell→gitops, R2 Betrieb/Produkt→devops, R3 Overflow devops>20→gitops, R4 Envelope-Doku; "gitops hat keinen Selbststart"). devops+gitops-SOUL: "AUSNAHME PRODUKT-CODE: Branch+PR ueber mcp_gitea_*, CI blockiert Merge, Review Owner, kein Direkt-Push auf main". deploy_soul.sh: gitops in AGENTS-Liste + effort low.
**Vierte hardcodierte Agentenliste:** deploy_soul.sh hatte AGENTS ohne gitops → gitops' SOUL war beim Rollout NIE deployt (live 4295B alt). Nach jedem neuen Agenten: `grep -rn "ceo cto ciso" clusters/`.
**Beweis:** PR #1 https://git.schoen.codes/dominik/schoenkitchen/pulls/1 (fleet-bot, feat/kinderwahl-endpunkte→main, +833/-0 in 7 Dateien, CI success Run 127) — API-verifiziert. cto wandte Weiche an (R1/R2 gesetzt, P1-Handover b2183e31 fuer Bestands-Tasks — Redispatch existiert nur fuer Dead-Letter). gitops: erster echter R1-CHO 4ab3c718 (add_backlog_card Komma-Sanitisierung, RFC-4180 register_codec.py) claimed 07:33 completed 07:54. Queue: devops 47 offen (von 66), gitops 0. SolDoc: architecture/2026-11-05-fleet-arbeitsteilung-cho-weiche-produkt-pr.md.
**Regel:** Health (Heartbeat/VK/Sandbox Ready) beweist Betrieb, nicht Arbeit. Arbeitsnachweis = geclaimte/completed Tasks. Neue operative Rollen brauchen eine Zuweisungsquelle im Owner-SOUL, nicht nur im Dokument.
## 05.11.2026 (2) — Owner-Lane 65→6: Register-Zeilendefekt als Wurzel des Schein-Staus
**Kernbefund:** `ideen-register.md` (vs-fleet-rebuild) hatte ab 04.11. 16:27 eine Zeile mit 9 statt 6 Zellen (Titel `task-lost-cause-taxonomie` mit Kommas ungequotet). `get_kanban`/`get_backlog` fail-loud → **Board des groessten VS 22 h unlesbar** → keine Karte abschliessbar → devops-Stau → ciso eskalierte denselben Defekt **30×** in die Owner-Lane. Das Erklaermuster gilt generell: viele Eskalationen desselben Themas = ein Defekt, nicht 30 Auftraege.
**Fix:** Zeile 201 neu geschrieben (RFC-4180-Quoting), Backup `.bak-2026-11-05-chair`; 199×6 Zellen; `get_kanban`/`get_backlog` gruen (197 Karten).
**Nebenbefunde + Fixes:**
- Weichen-Cooldown war am falschen Schluessel (`busy_agent` statt `ziel`) → Sperre wirkte nie → 28 WEICHE-AUDITs/3 h. watcher 0.37 (`sha256:33420cba…`, `be6f17c`), Tests 20/20.
- cto war spool-blind → board-service 0.27 (`sha256:657bab44…`, `d6b9795`) mit `list_open_tasks(agent_id, include_fyi, limit)`, read-only, Tests 7/7.
- `sandboxes`-Tabelle hatte nur gitops → `get_sandbox_status(devops)=none` (falscher Alarm). 10 Mitglieder aus Live-Pods nachgetragen, gitops-Duplikat geloescht.
**Triage-Muster (verbindlich):** erst Defekt fixen, dann quittieren; Dubletten auf **ein** Paket konsolidieren und Originale mit Verweis quittieren; Beleg (Datei/Zeile/Backup/Tool) in die Quittung; Owner-Entscheidungen (Policy-Wortlaut, PVC, PR-Merge, Governance) bleiben offen.
**Ergebnis:** Owner-Lane 65 → 6 (bewusst offen: 2ae3fb35 envelope Rev D, 6b813142 shared artifacts PVC, 2edad98c FLEET-POLICIES 1.6, 8bba1cf2 Sandbox-View, 66792d25 PR #2, ad6adbca Lieferintegritaet). gitops lieferte in ~1 h 5 Change-Packages (deadman-beacon-metrics, NAR-SSOT-A1 3 Patches, policy-exec-7grants, grant-stop-prometheus-read, Register-Writer-Haertung) — Beweis: adressiert = arbeitet, unbeschaeftigt = idle by design.
**Pitfalls:** `decide_owner_task` nur `approve|decline` (Quittung = `dismiss_owner_task`); MCP-Schreibaufrufe ~20–40 s → Triage in Bloecken 5–8 und `python3 -u`, sonst Timeout/verlorener Puffer. SolDoc: bug-fixes/2026-11-05-owner-lane-triage-register-defekt-gitops.md.
## 05.11.2026 (3) — Review-Gate 4/4 live; Sandbox-Auto-Heilung bewiesen
**Owner-Direktive:** PR-Reviews durch ciso/cto/coo/cmo, Merge auf `main` nur bei **4/4**,
autonom durch die Fleet. Owner-Freigaben laufen ab jetzt **ausschließlich über Gitea-PRs**
(nie Chat/Board/mündlich).
### Review-Gate (bewiesen)
- Agenten-Accounts `ciso/cto/coo/cmo` + Tokens (40 Zeichen, Scope `write:repository`),
Secret `fleet-review-tokens` in NS `fleet` (out-of-band, **nie** in Git/Sandbox/Log).
- **`read` genügt**: Kommentar 201, Review-Approval 200, Lesen 200 — kein Push-Recht nötig.
- Branch-Protection `main` (dominik/schoenkitchen): `required_approvals=4`,
Whitelist ciso/cmo/coo/cto, `dismiss_stale`, `block_on_rejected_reviews`,
`enable_push=false`, Merge-Whitelist **nur `fleet-bot`**.
- **Pitfall:** Statuscheck-Kontext muss exakt `CI / test (pull_request)` heißen — sonst
blockiert ein nie-grüner Check jeden Merge.
- Serverseitig: `gitea_gate.py` im board-service (`gitea_pr_*`-Tools) prüft 4/4 + CI vor dem
Merge erneut; Fehler als JSON, nicht als ToolError.
- **Pitfall:** `gitea_pr_comment` hat **keine Gate-Wirkung** (State `COMMENT`, Autor fleet-bot).
Formal zählt nur `gitea_pr_review` mit eigenem Reviewer-Account — Review-Aufträge müssen das
Werkzeug nennen und `gitea_review_status` als Selbstkontrolle verlangen.
### Erstes echtes Review-Ergebnis (PR #2 schoenkitchen)
3 von 4 Reviews = **3× REQUEST_CHANGES**, komplementär: coo (Router nicht in `app.py`,
Migration fehlt, kein Runbook) · cto (toter Code, Store ohne Tests, TOCTOU in `speichere_wahl`) ·
cmo (technische IDs statt Namen, stumme Fehler, unbeschriftete Buttons). Nachbesserung an
`devops` (`5b47ece7`, 7 gebündelte Befunde). Merge bleibt bei 0/4 gesperrt.
### Sandbox-Auto-Heilung (E2E scharf bewiesen)
`fleet-sandbox-healer.sh` + systemd-Timer (2 min) auf mgmt-runner: erkennt
`Suspended=True`/`Ready=False>300 s`, erneuert OIDC headless, `stop→start`, max 150 s auf Ready,
fyi an ceo. Grenzen: 1 Sandbox/Takt, 3 Versuche/6 h, Pause bei Rollout.
Kill-Test `default--gitops`: 19:12:01 `PodTerminated` → 19:15:02 `✓ Started` → Ready, Pod 1/1.
- **Pitfall 1:** systemd-Units brauchen `Environment=HOME=/root` — sonst `Unknown gateway 'fleet'`
(sieht wie abgelaufenes Token aus; Auth-Check nutzt denselben Aufruf).
- **Pitfall 2:** `kubectl … | python3 - <<'PY'` → Heredoc frisst stdin; `python3 <(cat <<'PY' … PY)`.
- IaC: `clusters/main/fleet/ops/sandbox-healer/` (Skript, Unit, Timer, README) — Commit `b652bb0`.
### Watcher 0.38.1
Digest `sha256:cc325dcb…`: `tower-owner` darf jetzt auch `type=review` einlegen (Chair-Review-Aufträge).
Vorher quarantänierte der Watcher sie („System-Sender mit unzulaessigem type“).
## 05.11.2026 (4) — PR 15/16/17-Rollout; Policy-Schema-Defekte; gitops-Pilot v5.7
- Merge-Reihenfolge 15→16→17: Gitea lehnt Parallell-Merges mit 405 "Please try again later" ab —
einfach versetzt mergen, KEIN Konflikt.
- **Drei Policy-Fehlerklassen, die nur am Gateway sichtbar sind:** (1) `nar_*`/`valid_until` sind
keine Schemafelder, (2) `method`/`path` sind keine Endpoint-Felder (Schema: host, ports,
allowed_ips, protocol, tls, enforcement, access), (3) Overlap auf gleicher host:port mit
konfligierendem Protokoll (rest vs mcp) → `network endpoint ambiguity validation failed`.
Fix-Commit 8686743 (nar-SSOT als Kommentare, Befristung via Rueckbau-Karte).
- **`openshell policy set <agent> --policy <file> --wait` setzt Policies LIVE** (Worker laeuft
weiter) — Recreate nur noetig, wenn sich das IMAGE aendert. cto v11, ceo v10, devops v12 live.
- deadman ist KEINE Sandbox → sandbox-Policy-Grants wirken dort nicht.
- gitops-Regenerate: Backup→delete→create→Restore geklappt; mid-Task-Kill wurde vom System
verschlungen (Task blieb working, Agent re-claimte). Image v5.7 df08791f, §1.6 im Image bewiesen.
- **Offen:** writeback-Egress-TLS bricht im Broker (Handshake ok, dann decode error/EOF, curl 56) —
RCA-Task 64a8fefc an cto. v5.7-Rollout auf 9 restliche Agenten ausstehend.
- openshell-values.yaml war v4-Stand (a08fa5fe/hermes-agent) — auf fleet-agent-image v5.7
umgestellt (e5205c8): Live-Images heissen fleet-agent-image, nicht hermes-agent.
## 05.11.2026 (5) — v5.7 auf 10/10 Agenten; Rollout-Methode Live-Policy-Export
- **Sandbox-Rollout ohne Policy-Verlust:** Live-Policy je Agent via
`openshell policy get <a> --base -o json` exportieren, d["policy"] als Policy-Datei
verwenden (JSON ist gueltiges YAML, enthaelt filesystem_policy + network_policies + version).
Die Live-Policies sind STRENG VOR den Repo-Dateien zu bevorzugen: auto-genehmigte Egress-Chunks
(allow_openrouter/nousresearch/models.dev/raw.githubusercontent/gitea-mcp/...) existieren nur
live — Repo-Dateien sind unvollstaendig (Befund: ciso 8, research 12, coo 5 Extraregeln).
- Rollout-Bewiesen: delete+create mit exportierter Live-Policy + v5.7 + provider + start-agent.sh
<agent> <modell> → 10/10 Ready, §1.6 überall, SOUL/config per tar-restore.
- Modelle je Agent (aus config.yaml): ceo/cto/ciso glm-5-3; chro/cmo/agile-coach glm-5-3-flash;
coo/research/devops deepseek-v41-flash; gitops deepseek-v41-flash.
- tar-backup des /sandbox: rc=1 ("file changed as we read it", state.db/gateway.sock live)
ist OK und bei laufenden Agenten die NORM — nur rc>=2/leer ist ein harter Fehler.
- OIDC-Stunden-Token fällt in langen Rollouts aus — Auth-Retry (relogin + retry) in jede
lange Runner-Sequenz einbauen.
- Backup-Groessen: devops 206 MB, ceo 81 MB, cto 80 MB, research 39 MB, Rest 7-40 MB.
## 05.11.2026 (6) — PR-#2-Stall: zwei echte Blocker (Facility-Identitaet + Maskierung)
- **Facility vs. Board-Tool:** cto gab sein PR-#2-Verdikt zuerst per gitea-mcp-Facility ab —
die authentifiziert als fleet-bot, und fleet-bot ist der PR-AUTOR -> Gitea: "reject your own
pull is not allowed". Formale Reviews gehen NUR ueber das Board-Service-Tool gitea_pr_review
mit reviewer=<agent> (eigene Tokens, ciso/coo/cmo haben so formal abgelehnt).
Reviewer-Auftraege muessen das Werkzeug explizit vorgeben.
- **WebUI-Maskierung frisst Branch-Namen:** der Branch "feat/sk-u-kinderwahl" wird von der
Oberflaeche als "feat/***" maskiert (sk-...-Muster = Key-Detektion). Wer den angezeigten
Namen kopiert, uebertraegt das Maskierungssyntax-Muster in Fleet-Tasks — devops fand dann
natuerlich keinen Branch "feat/***". Regel: Branch-/Ident-Namen mit echten Bytes via base64
ermitteln und in Task-Bodies einsetzen, nie aus angezeigtem Text kopieren.
- PR-#2-Stand: 3 formale REQUEST_CHANGES (coo/cmo/ciso), cto zieht formal nach (efdaf19d),
devops bekam echte Branch-Adresse + 7 Befunde erneut (6877bf8c).
## 05.11.2026 (7) — Register-Sprengung durch Pipe im Titel; gitops-Queue-Pathologie
- **Defekt:** Ein Karten-Titel mit literalem `|` (Regex-Alternation:
`sandbox_unreachable|queue_overflow|claim_lost|ttl_expired`) sprengte die Pipe-Tabelle in
`ideen-register.md` (Zeile 319: 9 statt 6 Zellen) -> `_load_cards` wirft fuer den ganzen VS
`9 Zellen, erwartet 6` -> get_kanban/get_backlog failen -> JEDER lesende Agent legt einen
Register-Reparatur-Task an (17 Duplikate in gitops' Queue).
Fix: Zeile 319 manuell repariert (Backup `.bak-*-chair`), board-service **0.30**
(`sha256:b1090c19…`): `_render_backlog` ersetzt `|` im Titel durch `¦`, `add_backlog_card`
saniert beim Aufnehmen. Verifiziert: 315 Karten laden sauber.
- **Queue-Pathologie:** gitops hatte 46 offene Tasks (17 Register-Reparaturen, jetzt moot;
4 CO-5.1-„Transfer TEIL x/3"-Pakete von devops). Die Transfer-Tasks sind Chunk-Schleusung
durch Prompt-Texte (weil Sandboxes isoliert sind) und sprengen das 30-min-Turn-Limit
(TimeoutExpired 1800 s) — gitops verbrennt pro Versuch eine halbe Stunde, fail_task scheitert
danach teils, weil der Sender den Task schon completed hat.
Richtung: Datei-Austausch ueber das jetzt vorhandene RWX-Volume `fleet-artifacts` oder
gitea-mcp statt Prompt-Chunks; Transport-Auftraege nicht als 3-Teile-Bundle an Agenten.
- Lehre: Board-Reader sind fail-loud — ein einziger defekter Register-Eintrag legt Lesen fuer
den gesamten VS lahm und erzeugt Reparatur-Task-Spam bei allen Agenten. Titel-Sanitizing
gehoert in Writer UND Renderer (doppelt), nicht nur in die Handkorrektur.
## 05.11.2026 (8) — `cancel_task` (board-service 0.31): Rueckzugsweg fuer gegenstandslose Tasks
- **Neu:** `cancel_task(task_id, agent_id, reason)` — berechtigt sind **Absender** oder
**tower-owner** (Chair); nur `status=submitted`; `working` nie (Arbeitsverlust, fail loud);
`reason` Pflicht (<=500). Envelope wandert nach `/srv/fleet/tasks/_withdrawn/` (Bytes erhalten,
+withdrawn_by/reason/at), Journal-Event `task_withdrawn`; **kein neuer Status**, weil der Watcher
nur `submitted|working|completed|failed|blocked` kennt (`ALLOWED_STATUSES`) — alles andere
landet in `_invalid/`. 16/16 Unit-Checks (`test_cancel_task.py`).
- **Image:** `git.schoen.codes/dominik/fleet-board-service@sha256:054980d3906c4b6352b06aceb00f6c9f0771c5ee3b04913bd51ca8600a5710be`
(0.31, Commit `f707279`), live; 0.30 davor (`b1090c19…`) brachte den Pipe-Guard.
- **Wirkung:** gitops-Queue 43 -> **27 submitted** + 1 working; 17 Dateien in `_withdrawn/`
(15 Register-Duplikate + 2 Diagnose-Proben); Rundruf-fyi an agile-coach/ceo/chro/ciso/devops
(Task-IDs `5e667642`, `738345a5`, `9b456ada`, `c2a75562`, `6cd521f8`).
- **Offen/beobachtet:** `_journal/journal.logl` enthaelt 15 **alte** abgeschnittene Zeilen
(time_epoch ~1793689734, 04.11.) — Auswertungen brauchen tolerantes Parsen (bad_line -> skip).
Die letzten drei `task_withdrawn` sind vollstaendig JSON.
- Transport-Antipattern bleibt: Dateien als `TEIL x/3`-Prompt-Chunks durch Agenten schleusen
sprengt das 30-min-Turn-Limit; korrekt ist RWX `fleet-artifacts` oder gitea-mcp.
+1 -1
View File
@@ -32,4 +32,4 @@ Physischer Standalone-Node (KEIN PVE), Mitglied im Ceph-Cluster. SSH: `ssh -i ~/
- [[patterns/ceph-dead-nvme-resurrection]] (PAT-014)
## Security-Status
- **CVE-2026-98432 (Kernel-IPv4-TCP-UAF): OFFEN** (Stand 2026-11-02) — läuft `6.8.0-146-generic`, installiert `6.8.0-147.147`, Fix `6.8.0-149.149` in noble weiter `pending`. Host liegt im Mgmt-Netz 10.0.20.0/24 (nicht WAN-exponiert) → Restrisiko niedrig; ein Neustart auf 147 bringt für dieses CVE nichts.
- **CVE-2026-98432 (Kernel-IPv4-TCP-UAF): OFFEN** (Stand 2026-11-05) — läuft `6.8.0-146-generic`, installiert `6.8.0-147.147`, Fix `6.8.0-149.149` in noble weiter `pending` (ubuntu.com/CVE-JSON, 05.11.). **Mitigation aktiv:** `/etc/sysctl.d/99-cve-2026-98432.conf` → `net.mptcp.enabled=0`, `net.ipv4.tcp_migrate_req=0` (verifiziert 0/0, Dienste 22/80/8000/9443/2049 laufen, Ceph unverändert). Rollback: Datei löschen + `sysctl -w net.mptcp.enabled=1`. nft-Regel gegen IPv4-Options bewusst offen (Owner-GO). **sshhole.com: nicht betroffen** — sshd glibc+PAM, shadow ohne `*`-Login-Konto.