--- title: Agent-Fleet category: systems status: active created: 2026-10-22 updated: 2026-10-23 --- # Agent-Fleet (Multi-Agent-Plattform) Projekt: Corporation-scale Agent-Fleet mit CEO+SRE-Team, Org-as-Code, zentralem LLM-Chokepoint und objektiver Telemetrie. Phase 0 (Fundament) weitgehend gebaut. ## Repos & Struktur - **agent-fleet** (Gitea, lokal `/home/debian/workspace/agent-fleet`): Org-YAML, Beacon-Scaffold (`src/beacon/`), Pläne (`docs/plans/2026-10-22-agent-fleet-phase0.md`, inkl. Bifrost-Pivot-Vermerk — LiteLLM-Abschnitte A3/A4 sind superseded). - **iac-homelab** (`/home/debian/iac-homelab`, Remote `canonical` = SSH): K8s-Manifeste. Push via `git push canonical HEAD:main` (HTTPS-Auth defekt). ## K8s-Basis (Namespace agent-fleet) - ResourceQuota: 8 vCPU / 16 Gi (CNPG belegt ~250m/512Mi Requests). - **CNPG `agent-fleet-pg`** (Postgres 17.x): Ready, Hourly-Backups. DB `fleet` für Beacon-Heartbeats (Tabellen heartbeats, gov_samples — Schema liegt im Beacon-Repo). - ArgoCD-Apps: `agent-fleet` (Root-App für den NS, Synced/Healthy) und `agent-fleet-bifrost` (Helm, sync-wave 2). ## LLM-Ingress: Bifrost (A3', produktiv) - **maximhq/bifrost**, Helm-Chart 2.1.45, app v2.3.1, StatefulSet `bifrost-0`, NS agent-fleet, LoadBalancer-VIP **10.0.30.210:8080** (cilium lb-ipam). - SQLite-Store auf ceph-flash PVC 5 Gi (Bifrost-Konzern, getrennt von CNPG-fleet). - Provider `noris`: custom provider, `base_provider_type: openai`, `base_url: https://ai.noris.de`, Key via `env.NORIS_API_KEY` ← ESO-Secret `bifrost-noris-key` ← 1P `noris-api-key` (Feld `credential`, NICHT dupliziert). - Admin-API: Basic Auth (ESO-Secret `bifrost-admin` ← 1P `Agent-Fleet Bifrost Admin`), Routen `/api/governance/virtual-keys[/{id}]`, `/api/keys`, `/api/providers`. **ACHTUNG**: unbekannte Routen → SPA-Fallback mit HTTP 200 (nur application/json ist eine echte Route). - **Governance**: Plugin aktiv, VK `vk-fleet` (Name `fleet`), Header `x-bf-vk`. Policy (Nutzer-Regel 22.10.): **nur `vllm/release/*`-Modelle** — kein qsu-Kanal, keine Anthropic-Modelle. Kodiert als Regex-Allowlist `^(noris/)?vllm/release/.*` in `provider_configs[].allowed_models`, deny-by-default (kein `allow_all_providers`). Kein Budget-Cap (Amendment A10). - **Telemetry**: Plugin aktiv, `/metrics` auf dem Haupt-Port **hinter Auth** → ServiceMonitor `bifrost` (NS agent-fleet!, Label `release: monitoring`) mit basicAuth gegen `bifrost-admin`. Prometheus-Target UP. - VK-Wert in 1P-Item **`Agent-Fleet Fleet-vkey`** (Vault Kubernetes ESO, Feld `credential`). Bifrost regeneriert das VK-Secret bei Config-Änderungen NICHT — 1P-Referenz bleibt über Rollouts stabil. ## 1P-Items (Vault „Kubernetes ESO") | Item | Zweck | Feld(er) | |---|---|---| | `Agent-Fleet Bifrost Admin` | Dashboard/Admin-API | username, password | | `Agent-Fleet Bifrost Encryption` | DB-Verschlüsselung | key | | `Agent-Fleet Fleet-vkey` | VK `vk-fleet` für Agenten | credential | | `Agent-Fleet PG Owner` | CNPG owner | (siehe CNPG) | | `noris-api-key` (bestehend) | Upstream-Key ai.noris.de | credential | ## Beacon (B1+B2, PRODUKTIV seit 22.10.) FastAPI-Heartbeat-Service: POST /heartbeat (Org-Gate), GET /metrics (`beacon_heartbeats_total`, `beacon_last_heartbeat_age_seconds{agent}`, `beacon_agents_up` ≤120s), GET /healthz. 10 Tests grün (Review APPROVED, Important-Fixes committed `b3b4b9f`). - **Deploy**: iac-homelab `clusters/main/agent-fleet/beacon.yaml` + `beacon-registry-pull.yaml` (ESO ← 1P `SchoenKitchen Registry Pull`, dockerconfigjson für git.familie-schoen.com). Deployment `beacon` 1 Replica (100m/128Mi), Service ClusterIP :80, ServiceMonitor `release: monitoring`. - **Image**: `git.familie-schoen.com/dominik/beacon:{SHA,latest}` (CI-Workflow build+push; Registry-Push via dind-Daemon verifiziert — CI-Run 94 flakte am größten Blob, manuelles docker push aus demselben Daemon ging sofort). - **DB**: schema.sql auf CNPG fleet angewendet (heartbeats, gov_samples — inkl. task_id/tok_in/tok_out, die im Original-Schema fehlten). - **E2E (22.10.)**: healthz 200 · hb ceo 200 → PG-Row · hb intruder 403 (Strict-Org-Gate live) · Prometheus-Target UP. - org.yaml-Seed als ConfigMap `beacon-org-yaml` (Genesis W0/W1: ceo, cto, ciso, chro) — Quelle: Phase-0-Plan Task E1. ## CEO-Sandbox (Genesis W0, 22.10. — A15/ADR-018) - **CT 161 `ceo`** auf ms-a2-1, IP **10.0.30.162** (VLAN 30), 4 vCPU/8 GB/ **20 GB** rootfs auf `vm_disks` (Regel: Agent-CTs ≈ 20 GiB — Zahl hinter `:` ist GRÖSSE, nicht VMID; 161-GiB-Fehlcreation wurde destroyed+neu gebaut). Blueprint: CT 160 (fleet-control); Provisionierung via PVE-REST `pvesh`, SSH `root@10.0.20.92` + `pct push/exec 161`. - **Harness**: Hermes (Installer NousResearch) im CT; config.yaml mit Provider `bifrost` → `http://10.0.30.210:8080/v1`, VK **literal inline** (keine Env-Expansion!), Modell `noris/vllm/release/glm-5-3`. Inferenz via Bifrost verifiziert (9× POST /v1/chat/completions 200 im Bifrost-Log). - **Herzschlag**: `/usr/local/bin/ceo-heartbeat.sh` via systemd-Timer `ceo-heartbeat.timer` (60 s, Persistent, oneshot-Service fail-loud); Task-ID aus `/var/local/fleet/last_task_id`, Default `idle`; BEACON_URL=http://10.0.30.211. Verifiziert: Rows in `heartbeats` (task_id board-w1-memo) + Prometheus. - **Identität**: `/root/fleet/CHARTER.md` (Mandat: Board aus kritischen Gegenspielern + Lead-Hiring), `/root/.hermes/memories/USER.md` (Owner-Profil), `/root/fleet/spec.md` (v5.1-Stand), `/root/fleet/org.yaml` (= ConfigMap beacon-org-yaml). Kopien im Repo: `genesis/`. - **W1-Memo**: `/root/fleet/board/memo-2026-10-22-board-w1.md` (205 Z., MEMO-2026-10-22-W1): Board-Roster CTO „Occam"/CISO „Hadrian"/CHRO „Diogenes" mit Blindspot-Zuordnung, W2-Lead-Sequenz (VS-Lead UAL → sq-sw-dev → sq-design → sq-ea), Dissens-Protokoll, Caps-Check. **Liegt zur Genehmigung beim Owner.** ## Board-Sandboxes W1 (23.10. — A16/ADR-019) - **CT 163 `cto` (Occam, 10.0.30.163) · CT 164 `ciso` (Hadrian, 10.0.30.164) · CT 165 `chro` (Diogenes, 10.0.30.165)** — Vollklone von CT 161 (Snapshot `w1seed`, danach gelöscht) inkl. komplettem Hermes-Stack; danach sanitisiert (state.db, sessions, kanban, gateway-State, spawn-ledger entfernt — Klone „erinnern" sich nicht, CEO zu sein) und mit eigener Identität versehen (CHARTER, USER.md, Kickoff). - **Mandate:** CTO = Technology (Mission #1: Hiring-Pipeline + Parent-Orphan-Test, Governor-Baseline; Gegenspieler B1/B2/B6) · CISO = Security (Preset-Matrix, Audit-Chain, Threat-Modell der Org selbst; Gegenspieler B1/B4; Self-Disclosure-Pflicht für die eigene Sandbox) · CHRO = People (HR-Profil-Veto persönlich bis HR-Agent existiert, Bedarfs-Gate, Caps-Wächter; Gegenspieler B3/B5). - **Betriebsregeln für alle:** Inferenz nur via Bifrost (VK inline), Heartbeat 60 s → Beacon mit eigener agent_id, Dissens-Protokoll BLOCK/CONCERN/NOTE/CONSENT mit Eskalationsleiter, Fail-loud, NICHTS löschen ohne Freigabe, keine Auto-Mails. - **Ghost-Heartbeat-Zwischenfall (23.10., behoben):** Klone erbten CEO-Timer + `last_task_id` — feuerten ~7,5 h als `ceo` (1.438 Rows). Bereinigt per Timer-Phase-Clustering (308 echte CEO-Rows im Fenster erhalten), Member-Timer ersetzt CEO-Units. **Pitfall für alle zukünftigen Klone: systemd-Timer + State-Files im Snapshot mitdenken.** - **Hiring-Governance A16:** W1 hiret der CEO allein; ab W2 hiret das Board kollektiv (Decision Item, Mehrheit; Patt → CEO-Eskalation zum Owner). Worker-Sandboxes ab W2 Slim-Sizing 2 vCPU/4 GB; Backup sekundär. - **Owner-Delegation A17 (24.10., Direktive „Ich möchte keine operativen Pläne freigeben müssen"):** Operative Pläne + Umsetzungsentscheidungen genehmigt der Konzern selbst (CEO/CTO-Lane im A16-Vote), KEINE Genehmigungsanfragen an Owner. Owner-GO bleibt NUR für destruktive Operationen + strategische Entscheidungen (Zaun-Änderungen, Gremien, Budget). Grauzone: destruktiv → Owner-GO; im Zweifel nicht-destruktiv → Konzern. CISO-Gates/Vetos unberührt. Zustellung 1792824363. - **W1-Onboarding-Memos GELIEFERT (23.10., 06:30 UTC):** CTO → `memo-2026-10-22-cto-pipeline.md` (Hiring-Pipeline-Plan D1–D4, Owner-Bedarfsliste B1–B7, Pipeline-Go-Ziel 26.10.) · CISO → `memo-2026-10-22-ciso-baseline.md` (Preset-Matrix DI-1, Audit-Chain/Sampling DI-2, Threat-Modell T1–T5, Self-Disclosure DI-4) · CHRO → `memo-2026-10-22-chro-w2-profiles.md` (W2-Lead-Profile Staffel 1/2, Scorecard ≥10/12, Caps-Matrix, Attention-Budget). Alle im Repo `genesis/` (Commit `901f3ac`, Gitea gepusht) und per Stopgap ins CEO-Board-Verzeichnis verteilt. Heartbeats verifiziert: je Member eigene Task-ID (cto-pipeline-plan-memo, ciso-memo-…-baseline, chro-memo-…-w2-profiles). ## Board-Kanal & Fleet-Mail (23.10., Interims-Kommunikation bis Control Tower) - **Fleet-Mail** (Herzstück der 24/7-Autonomie): Host-Verz. `/srv/fleet-mail` mit `inbox-/{new,processed}` je Agent (ceo/cto/ciso/chro), via `pct set -mp1 /srv/fleet-mail,mp=/mnt/fleet-mail` in alle 4 CTs gemountet (2777). Nachrichten = MD-Dateien `-von--.md` mit From/To/Subject-Kopf; Mailboxen allseitig beschreibbar. - **Poller**: systemd `fleet-mail.service` je CT (Restart=always) → `/usr/local/bin/fleet-mail-poller.sh `: pollt 60 s, verarbeitet seriell mit `hermes chat -q` (timeout 1500 s, -Q quiet), verschiebt nach `processed/`, Run-Logs als `.run.log` daneben; Fehler → `/var/local/fleet/mail-errors.log` + logger (fail loud). Task-ID aus Subject ins Heartbeat. - **Mailprompt** `/root/fleet/mailprompt.txt` je Agent: Kommunikationsregeln (Roster, Antwort in Absender-INBOX, Alle-an-Alle erlaubt, CEO-only für Digests an Owner), Dissens-Klassifikation, A16-Board-Kollektiv. - **Board-Board**: `/srv/fleet-board` (mp0) — `/digest-*.md` (CEO-final), `challenges/`, `inbox/`. Owner liest dort freizügig. - **Kadenz (A7)**: `/etc/cron.d/fleet-meeting` im CEO-CT — werktäglich 09:00 Europe/Berlin (CT-Zeitzone Europe/Berlin gesetzt, DST-safe) → Trigger-Nachricht in inbox-ceo/new → CEO fährt Meeting autonom über Fleet-Mail. - **SC6-Watchdog**: Hermes-Cron `b28227374068` (monitor-Modus, Mo–Fr 08:20 UTC = 09:20 Berlin), Script `~/.hermes/scripts/fleet-digest-watch.sh`, deliver=all — Alert nur wenn Digest `-final.md` fehlt oder fleet-mail inaktiv (OK = deterministisch, still). Board-Meeting #1 (23.10.) lief vollautonom in 13 min: r1-Digest → 5 Challenges → Final-Digest (F-1–F-11, alle Board-GO 4/0, Artefakte im Repo `genesis/board-2026-10-23/`, Commit `0917144`). - **Gotcha Detach**: `nohup hermes chat &` starb lautlos (Exit ohne Log) — niemals Detach-Runs der Members bauen; serielle Nachrichtenverarbeitung über den systemd-Poller ist der stabile Weg. ## Konventionen & Regeln - Fleet-Standard-Modelle: `noris/vllm/release/*` (heavy=default/light-Tiers später über Aliase im VK oder weitere VKs). - Token-/Cost-Messung AM INGRESS (KRITIS-Requirement, kein Agent-Self-Reporting). - ArgoCD: kein prune bis Besitz-Konsolidierung; Overlap-Regel: Helm-Release `bifrost` verwaltet nur bifrost-*-Objekte. - ArgoCD-CLI vom Host nicht erreichbar (argocd-server ClusterIP) → Refresh via `kubectl -n argocd annotate application argocd.argoproj.io/refresh=normal`. ## Offene Punkte - **W1-Board-Genehmigung** (DI-1…DI-4 aus MEMO-2026-10-22-W1) — Owner- Entscheidung ausstehend; nach Go: W1-Provisionierung (CTs cto/ciso/chro). - Governor-Skeleton (A8): Baseline-Messung aus Bifrost-/metrics. - Aliase/Tiers heavy/default/light (A10) — derzeit nur ein VK. - Bekannter Defekt (niedrige Prio): Secret `git-schoen-codes-tls` (ns gitea) doppelt-base64 → Traefik serviert intern das Default-Cert; Workaround: Registry/CI via git.familie-schoen.com routen. - D1 ERLDIGT: CT fleet-control (10.0.30.161) — Hermes-Spike bestanden („BETRIEB" via Bifrost; VK direkt in config.yaml, KEINE env.-Expansion in Hermes-Configs). ## B-Inputs PB1–PB3 geliefert (23.10., Owner-Proxy, AL3-Freigabe) - **PB1 Fleet-DB-Zugang CTO:** CNPG-Managed-Role **`fleet_rw`** (`managed.roles` in `clusters/main/agent-fleet/postgres-cnpg.yaml`, `Agent-Fleet PG fleet_rw`; `connectionLimit: 10` — SINGULAR, CRD v0.21). Grants als Owner `fleet`: CONNECT/TEMP auf DB, USAGE/CREATE auf schema public, DML+Default-Privileges auf alle Tabellen. Zugang vom VLAN 30 über **rw-LB-VIP 10.0.30.214:5432** (`agent-fleet-pg-rw-lb`, Cilium lb-ipam). CT 163: postgresql-client + `~/.pgpass`. Reconciler-Jobs im K8s nutzen intern `agent-fleet-pg-r…svc` statt VIP. **PW-Sofort-Rotation:** CNPG zieht Secret-Änderungen nicht sekundenschnell → `kubectl exec … psql -U postgres` (Socket, ohne -h) `ALTER ROLE fleet_rw …` (DB-Owner fleet darf KEIN ALTER ROLE). Solutions-Doc: `docs/solutions/integrations/2026-10-23-cnpg-managed-role-password-rotation.md` - **PB2 openshell_controller-Vertrag v0** (Controller selbst noch nicht implementiert, CT 160 leer; Adapter loggt DRY-RUN gegen den Vertrag): API-Doku + **Blueprint `hermes-sandbox` v1** (hash-gepinnt, sha256 `a5611966…b3f1`, Board: `blueprint-hermes-sandbox-v1.yaml`) + **Machine-Token** (1P-Item `openshell_controller Machine-Token` + `/root/.secrets/openshell-machine-token` in CT 163). T08: preset_hash ≠ Blueprint → 422 BLOCK. - **PB3 Deploy-Recht NS agent-fleet:** SA **`cto-deployer`** + Role + Token-Secret (`clusters/main/agent-fleet/cto-deployer-rbac.yaml`), NS- scoped (kein ClusterScope, kein secrets-read, argocd/kube-system/default verweigert, Negativ-Tests live). Kubeconfig `/root/.kube/config` + kubectl v1.35.0 in CT 163 (Symlink /usr/bin — pct-PATH-Pitfall). Zweck: Ad-hoc-Deploys (Web-UI v0 M5), GitOps bleibt Prime-Pfad. - Board-Doks: `/srv/fleet-board/b1-fleet-db-input.md`, `b2-openshell-controller-api-v0.md`, `b3-deploy-recht-input.md`, `b1-fleet-schema-dump.sql`. Mail an inbox-cto + inbox-ceo (`*-von-eigentuemerproxy-b123-*.md`). - Neu in 1P (Vault Kubernetes ESO): `Agent-Fleet PG fleet_rw`, `openshell_controller Machine-Token`. ## B-Inputs PB4+PB5+PB7 geliefert (23.10. nachmittags, „Go") - **PB4 Bifrost-Admin + Monitoring:** Admin-API-Creds an CT 163 (`~/.secrets/bifrost-admin.json`, 600). Scope NUR VK-Anlage (`/api/governance/virtual-keys`); Provider-/Policy-Änderungen TABU. Monitoring read-only: Prometheus **10.0.30.202:9090**, Grafana **10.0.30.201:3000**, Loki **10.0.30.207:3100** — anonym erreichbar im VLAN 30 (F-2-Thema beim CISO). VK-Create/Delete-Pfad live verifiziert (Probe-VK sofort wieder gelöscht). - **PB5 Test-NS `agent-fleet-test`:** ArgoCD-App `agent-fleet-test` (app-of-apps `clusters/main/apps/agent-fleet-test.yaml`) — NS + Quota (4 vCPU/8 Gi/20 Pods) + Ingress-Deny-NetPol + Fixture-org-ConfigMap (ft-ceo/ft-cto) + cto-deployer-RBAC (inkl. pods/exec+log für E2E). E2E gegen Fixture, nicht master-org.yaml; Teardown nur nach Owner-Freigabe. - **PB7 Capacity:** Zaun 12 host-tragfähig (Agent-CTs real ~0,7 GiB RAM/8 GiB, CPU ~0 %; 8 freie Slots × 50 GB = 400 GiB << 1,3 TiB Ceph-avail). F-7 Option B (4/8/50) damit formal bestätigt. - **PITFALL ArgoCD (neu):** Manifest einer unbekannten CustomResource im App-Pfad → Auto-Sync blockiert im Retry-Loop („synchronization tasks are not valid"); **Dotfiles werden NICHT geskippt**; JSON-Patch auf `/status/operation` abgelehnt. Fix: File aus App-Pfad entfernen (Content → ConfigMap), dem Retry ~3–5 min geben — selbtheilend. Solutions-Doc: `integrations/2026-10-23-argocd-unknown-crd-blocks-autosync.md` - Board-Doks: `b4-bifrost-admin-input.md`, `b5-test-ns-input.md`, `b7-capacity-input.md`; Mails an inbox-cto + inbox-ceo (`*-von-eigentuemerproxy-b457-*.md`, 13:42). ## Web-UI v1-Zugang: IP-only, kein Client-Cert/Login (23.10., Owner-Direktive) - **Zugang:** `http://10.0.30.212` (plaintext, kein Browser-Warning) **oder** `https://10.0.30.212` (TLS, einmalige Self-Signed-Warnung: no-SNI → Traefik-Default-Cert). **Kein** Client-Zertifikat, **kein** Login in v1. mTLS-Material (`fleet-webui-clientca`, Owner-P12) bleibt vorgehalten → v2/OIDC. Nichts gelöscht. - **Edge:** Intern-only LB `traefik-internal-lb` (VIP **10.0.30.212**): `:443 → 8444` (EntryPoint `websecure-internal`) und `:80 → 8001` (NEUER dedizierter PLAINTEXT-EntryPoint **`web-internal`**). Warum dediziert: EntryPoint `web` (8000) ist geteilt mit öffentlichem `traefik-lb` (.203) → Catch-all hätte gespooft werden können; dediziert ⇒ `.203:80` mit Host-Spoof → 404 (verifiziert). - **IngressRoutes (Git, `clusters/main/agent-fleet/`):** `fleet-webui` (HTTPS, `PathPrefix(/)`, middleware `fleet-webui-headers`, tls `fleet-webui-tls`), `fleet-webui-http` (EntryPoint `web-internal`). Provider-Filter `providers.kubernetescrd.ingressClass=traefik` ⇒ **jede** IngressRoute braucht `traefik.io/ingress.class: traefik` — sonst still ignoriert (404, kein Log). Das war der ursprüngliche Bug. - **App:** Deployment `fleet-webui` env `REQUIRE_CERT_HEADER=0` (Backend verlangt keinen Cert-Header mehr); `auth_interim` in CM `fleet-webui-app` ehrlich = „v1: ip-only, no client-cert". CM hat **2 Keys** (`server.py` + `sanitize_md.py`) — `--from-file` muss beide liefern (sonst CrashLoop). - **Noch live-only (CTO-App-Manifest-Lane):** Deployment-Env, CM, Middleware, TLSOption, NetPol, Services, board-CMs. Routen + Edge sind Git-persistiert (Commits 37f40ec/8d915d2/efa983e/08a3533/1d35b1f). - Solutions-Doc: `integrations/2026-10-23-traefik-ingressroute-ingressclass-ignored-404.md`. ## Web-UI v0.2 (23.10. abend, Owner-Direktive 24/7-Loop): Organigramm + Live tok/s - **Neue Endpunkte:** `/api/org` (org.yaml aus CM `fleet-webui-org` — Kopie von `beacon-org-yaml`, Mount `/org`, Mini-Parser stdlib-only, fail-loud), `/api/live/tokens` (Prometheus `10.0.30.202:9090`, `sum by (virtual_key_name)` über `bifrost_input/output_tokens_total` rate[2m], 10 s-Cache). UI-Tab „Live" pollt 15 s. APP_VERSION=`v0.2.0-live`. - **Per-Agent-VKs:** `key_ids:["*"]`-Fix (s. Solution-Doc bifrost-vk-key- binding) — Attribution je virtual_key_name verifiziert (Solo-Smoke: ceo-Counter 16→332, cto konstant). vk-fleet bleibt Fallback. - **NetPol-Pitfall (2. Mal):** Prometheus-VIP .202 per `ipBlock`-Egress ⇒ FAIL (Cilium DNAT'd VIP → Pod-IP; ipBlock matcht nicht post-DNAT). Fix: `namespaceSelector` auf `monitoring` + Port 9090 — gleiche Klasse wie beacon-Regel. VIPs in Agent-Fleet-NetPol **nie** per ipBlock erlauben, immer den Backend-NS selektieren. - **24/7-Loop:** Cron `konzern-loop` (`23d4769ec873`, **alle 15 min** seit 23.10. abends, Owner-Direktive, deliver origin): CEO-INBOX-FIFO, Fleet-Health, Open-Items-Treiber (W2/W3: Seed 199, COO/CMO, Tofu-Pipeline), Board-Refresh (CM-Snapshot bei neuen Board-Entscheidungen), Takt-Report. ## v0.2-Backfill-Merge (23.10. abend): Mandat, Incidents, Härtung - **Final-State:** Package landete mandatkonform in `clusters/main/_archive/webui-v02-backfill/` (**Commit 478da727**, AUSSERHALB aller 23 ArgoCD-App-Sync-Pfade — Merge-Kommission Board-Inbox 19:37 forderte tracking-freie Platzierung; Underscore-Trick funktioniert NICHT, ArgoCD trackt hier per instance-LABEL und scanned `_webui-v02` trotzdem). Board-CMs bewusst NICHT im Git (live-only, One-Truth-per- Concern; org-CM-Snapshot war innerhalb 2 h stale = Werkstück). - **INCIDENT (unaufgeklärt):** Zwischen 19:47–19:52 wurden alle 6 fleet-webui-CMs aus NS agent-fleet GELÖSCHT, während der Pod lief (stale Volume-Projektionen; FailedMount-Burst als Alarmsignal). Kein Audit-Log im Cluster ⇒ Löscher unklar (ArgoCD-Partial-Sync + simultanes Label-Strippen ODER manueller Delete eines parallelen Actors). **Restore byte-exakt** aus 3 Quellen (lokale JSON-Dumps 17:35, Stage- Manifeste, Git e823c20): Hash-Gegenprobe 5/5 MATCH. Danach Härtung: alle 6 CMs + Deploy/NetPol/SVC/IngressRoute mit Annotations `argocd.argoproj.io/compare-options=IgnoreDifference` + `sync-options=Prune=false,Delete=false`. - **Parallel-Actor-Race:** Zweite aktive Session-Linie fuhr dasselbe Thema (VLAN-40-ACL 9b029641, Merge-Kommission, Auto-Sync-Toggles, eigene Mails) — mein syncPolicy-Pause-Patch wurde binnen Sekunden resumed. Regel: **niemals davon ausgehen, dass ein Toggle hält**; lieber Schutz-Annotations (persistieren) als transiente Spec-Changes. - **Open:** API-Server-Audit-Logging absent (destruktive Ops ohne Zuordnung) — Aktivierung prüfen; Varianten-Wahl Board-CM-Fix (B/C/ Re-Bake) bei Owner; Adoption-PR am v0.3/v1-Gate. ## Fleet-Board-CM-Sync & LB-Pools (23.10.2026) - Board-CMs (fleet-webui-board/-challenges/-inbox, NS agent-fleet): live Plaintext-Werte (Restore 19:50 via kubectl-CSA). NICHT mit /tmp/board-cm-gen.py (base64!) neu anlegen — WebUI dekodiert nicht. Update nur via kubectl patch --type=json Plaintext (umgeht auch 262144-Byte-Annotation-Limit bei apply). Patch ohne Deployment-Neustart wirksam (Volume-Mount), Rollout-Restart optional. - LB-IP-Pool: EIN CiliumLoadBalancerIPPool "default-pool" 10.0.30.200-250 (Quelle: /var/lib/rancher/rke2/server/manifests/cilium-l2-lb.yaml auf rke2-cp-01 10.0.30.51, identisch iac-homelab ansible playbook Z.86-95). KEIN kube-vip. API-VIP 10.0.30.50 = statisch /32 auf cp-01. Speaker-MAC-"Wanderung" = Cilium-L2-per-Node-ARP. .212 = fleet-webui (traefik-internal-lb, io.cilium/lb-ipam-ips), .213 frei (Authelia-Kandidat), .214 = agent-fleet-pg-rw-lb. - Fleet-Mail: Zustellung = Datei in inbox-/new/ + delivery.log-Zeile (epoch TAB name TAB bytes TAB sha256). Mails an andere Rollen als Eigentümer-Proxy: From "Eigentümer (Dominik, über Eigentümer-Proxy Hermes)". - CT-Admin: ssh debian@10.0.30.51 mit id_ed25519_cloudinit; RKE2-manifests ohne sudo lesbar; kubectl cto-deployer (auf PVE-Host via cto-deployer-kubeconfig) ist NS-scoped (agent-fleet only). ## openshell_controller v0 (23.10. abend: B2 implementiert, E2E grün; Clone blockiert) - **Service:** CT 160 (`10.0.30.161:8081`), systemd `openshell-controller.service` (Unit IM CT, nicht Host — Fehlinstallation passiert), stdlib-Python, Bearer-Auth fail-closed (401 ohne Token), Deploy-Kette Workspace → scp PVE → pct push → systemctl restart (nach JEDEM Patch komplett, sonst testet man alten Stand). - **API:** GET /v1/health (200 `db:true`), GET/POST /v1/sandboxes. Gates verifiziert: T08 preset_hash ≠ Pin → 422; org.yaml-Strict-Gate → 422 (journalisiert); False-409 gefixt. DB (CNPG fleet, 10.0.30.214): Tabellen `sandboxes` (UNIQUE member_id, Broken-Recycle per UPDATE) + `provisioning_events` additiv. - **Blueprint-Pin:** BLUEPRINT_SHA256 `a5611966…b3f1` (Board-Datei live gehasht; CISO gegengeprüft 21:31 — Baseline intakt). Hash-Typo `…1418…` vs `…2818…` war Bug 1 der Fünf-Bug-Kette (Solution-Doc: `docs/solutions/bug-fixes/2026-10-23-openshell-controller-v0-bug-chain-and-pve-clone-blocker.md`). - **Pitfalls (verifiziert):** (1) LXC- UND QEMU-VMIDs teilen den Nummernraum — ID-Vergabe 200–299 muss `/lxc` UND `/qemu` prüfen (VM 200 mgmt-runner-01 kollidierte); `pct list` zeigt nur CTs. (2) psql-Empty-Checks brauchen `-t -A`. (3) JSONB via `lit(json.dumps(x))`, nie `json.dumps(json.dumps(x))`. (4) CTs mit Bind-Mounts sind NICHT klonbar (Snapshot + Full-Clone → API 500, `unable to clone mountpoint mp0 type bind`) — W1-Klone liefen vor dem Mount-Anhängen; vzdump/restore umgeht (dump bind-mounts nicht mit). - **Aktiver Blocker/Beauftragung:** Seed-CT 199 mount-frei via vzdump/restore aus CT 161 (Owner-GO 23.10.), Scrubbing (onboot=0, CEO-Timer aus, Creds scrubben), CISO-Gate vor First-Sandbox-Go; danach COO- + CMO-Sandbox F-7 Option B (4 vCPU/8 GB/50 GB) — Auftrag 1792784178. Tofu-GitOps-Hiring-Pipeline: Auftrag 1792782897 (OpenTofu, nicht Terraform-Runner). Beide in inbox-ceo/new. ## W2-Nacht-Vollzug (24.10., Owner-Proxy im Nacht-Mandat 1792787120) - **Blueprint v1.1 ADOPTIERT**: Controller-Pin v1→v1.1 (0f1496d5…e607d6, Single Active Pin); Basis CISO-Re-Check GRÜN [1792786716]. Backup: openshell-controller.py.bak.pin-v1-adopt. - **COO „Taylor" LIVE: CT 202, 10.0.30.166** (vlan30), phase=verified (sbx-1792788409-e5306264), Heartbeat autark, agents_up=5. Weg: POST crashte 2× (ACL-403 → Grant; _wait_task-AttributeError → Fix), Clone detached fertig, Owner-Lane-Harvest + DB-Repair + 3 Journal-Events. - **Controller-Fixes**: _wait_task shape-robust, next_ct_id cluster-wide, Traceback-Logging, negative Smoke 422 OK. **PVE-ACLs openshell@pve (USER-Level! privsep=0 ignoriert Token-ACLs): PVEVMAdmin /vms, PVEDatastoreUser /storage/vm_disks, TaskPoller(Sys.Audit) /nodes/ms-a2-1.** - **Pitfalls (live erlebt)**: pct unlock während Create-Task = Task-Abort; pct mount ohne Zielarg (MP immer /var/lib/lxc//rootfs); Hollow-Confs unsichtbar in Resources-View. - **Offen**: CMO-Tranche (Kit: /srv/fleet-board/provisioning-kit/), W3-Votes, hohler CT 201 (Purge nur mit Owner-Freigabe), WebUI-/api/health-Check, Morning-Report 07:30 Berlin. ## W2-Mail-Isolation-Fix (24.10. nachts, Tick 12) - **Lücke:** Seed 199 ist bewusst mount-frei; Harvest zog mp0/mp1 NICHT nach → CT 202 (coo) + CT 205 (cmo) liefen ohne Bind-Mounts, und inbox-coo/inbox-cmo fehlten auf dem Host (nur W1-Mailboxen angelegt) → coo/cmo mail-isoliert (Poller gegen leere lokale Pfade). - **Fix (live attach ohne Restart nötig):** `pct set -mp0 /srv/fleet-board,mp=/mnt/fleet-board -mp1 /srv/fleet-mail,mp=/mnt/fleet-mail` + `-onboot 1` + Mailbox-Hostdirs 2777 anlegen (`/srv/fleet-mail/inbox-/{new,processed}`) + `pct unmount 202` (stale lock). - **VK-Injektion CT205:** Placeholder `VK-PLACEHOLDER-SET-BY-PROVISIONER` → Wert aus CT161 (whitespace-safe sed-Extraktion, Wert via env in python, kein Logging). - **Für jeden künftigen Klon (Kit-Ergänzung):** Mailbox-Anlage + mp0/mp1 + onboot=1 + VK-Injektion sind Pflichtschritte; provisioning_events-Schema: member_id, sandbox_id, phase, outcome, detail(jsonb). Controller-Token liegt in CT160 `/root/.secrets/openshell-machine-token` (64 B — der 1P-Wert ist ein ANDERER/älterer!). ## Klammer-VK-Bug (24.10. Tick, gefixt) - VK-Injektion hinterließ `api_key: ` (Spitzklammern) in CT 202/205/206 → Hermes 401 "virtual key is required" gegen Bifrost, obwohl Curl mit demselben Key 200 lief. Fix: sed Klammern entfernen; Inferenz je CT verifiziert (OK). - Stray-CEO-Poller auf CT206 (PID, Arg ceo statt devops — systemd-Erbe aus Clone-Verarbeitung) killen; konsumierte CEO-Mails aus processed/ nach new/ re-queueen. - WebUI /api/health 403 von VLAN 30 ist ERWARTET: G1-Middleware fleet-webui-owner-acl erlaubt nur 10.0.20.0/24+10.0.40.0/24+172.16.0.0/24 (Owner-Segmente + WireGuard, Owner-Direktive 24.10.). Health-Verifikation immer aus Owner-Segment (z.B. via PVE-Host). - **Hire-Grenzen ENTFERNT (Owner-GO 24.10. „Kein rate limit"):** Zaun 999 (beacon.yaml d06750b), Validator-SCOPE_PIN = _UnlimitedPin, capacity_ledger 999, Loop-Tranchen-Regel raus; S-01-PIN-Testfall entfernt (CT163 19 Tests OK). Unberührt: A16-Vote, CISO-Gates, hrProfileId, B2. Vollzugs-Ledger: `/srv/fleet-board/ownerproxy-vollzug-2026-10-24-hire-limits-removed.md`. ## Takt-Learnings 24.10. ~09:00 (Tick 13) - **last_task_id Invalid-UTF-8 → Beacon 400**: Poller schreibt Subject (cut -c1-60) raw in last_task_id; Subject mit defekten Umlaut-Bytes → JSON-Payload bricht → Heartbeat-POST 400. coo fiel dadurch 5 min aus (agents_up 7→6). Interim: ASCII-Sanitize des Files; v3-Kandidat (cto): Task-ID-Sanitization + plain Mail-Koepfe (N2-Klasse). Heartbeat-Skripte: JSON NIE via Shell-String mit rohen Bytes bauen. - **Requeue-Akteur-These fuer CT161 widerlegt**: journal -t fleet-mail 06:30-08:08 durchgaengig ok, 0 RC=1, kein nobody-Prozess/cron/at. Erstversuch-RC=1-Serie (CTO-Beobachtung) stammt aus CT206-Klon-Erbe-Sicht. Lehrstueck: Journal-Gegenprobe vor These-Uebernahme. - **SSH+Heredoc-Pitfall**: Mail-Bodies via ssh heredoc scheitern am Quoting — robust: base64-Transport (lokal b64, remote dekodieren), Zustellzeile remote per printf. - **Owner-Gundsatz [1792824363, dauerhaft]**: operative Planlae/Umsetzungsentscheidungen = Konzern-Selbst (A16-Vote), KEINE Plan-Freigaben mehr an Owner. Destruktiv/strategisch bleibt Owner-GO. DI-10-Vote Mo 09:00 entscheidet selbst. - **coo/cmo operabel**: Inferenz live verifiziert (RC=0); Klammer-VK-401 transient/bereits gefixt. Offen: Send-Werkzeug-Retrofit (cto-Lane) + coo-3-Outbox-Entwuerfe. ## DI-10 WebUI v0.3 (24.10. — Org-Chart/Themen/Kanban/Owner-Notiz) - **Root Cause des Verzugs:** Verfahrens-Gate (Plan v0.1 wartete auf A16-Vote Mo 09:00), NICHT Technik. Owner-Accountability-Direktive ersetzte das Warten; GO-Vermerk im Board-Plan; A16 ratifizierend nach; CISO-Gates hart (Z3-POST hinter Flag default OFF bis CISO-GRUEN). - **CM-Fix Variante B:** fleet-webui-org (live-only CM, IgnoreDifference+Prune=false) mit beacon-org-yaml-Inhalt befüllt + `kubectl -n agent-fleet rollout restart deploy/fleet-webui` (App cached Org-Daten Point-in-Time). /api/org schachtelt unter `org.members` (nicht top-level!). WebUI-CMs sind NICHT Git-getrackt — selfHeal greift nicht, live-apply ist der Weg. - **Daten:** topics.yaml (13 Themen) + topics-history/ in /srv/fleet-board/ = Z2/Z5-Basis (Chair-kuratiert). Kanban-Quelle: backlog-Items + wartet_auf + status je Thema. - **Bau-Routing:** CTO-FIFO-Backlog 16 Mails (serial 10–25 min/Mail) → Bau-Auftrag ZUSÄTZLICH direkt an inbox-devops (CT 206, leer, 60-s-Poller) — devops zog <90 s. CTO bleibt Lead/Architekt. - **Überwachung:** cron `7423f0a98e8f` (*/30, monitor=di10-deploy-watch.sh) feuert bei v0.3-Deploy/Health-Down/18:00-Verzug; konzern-loop-Prompt (23d4769ec873) um DI-10-Open-Item erweitert (jobs.json direkt editiert). - **Provenienz-Konflikt (wichtig für Chair-Direktmails):** Loop-Agent meldete Owner-Proxy-Mails als Spoof-Verdacht (Future-Epoch-Filenames, keine Zustellzeile, Signatur-Abweichung). Geklärt via hygiene-nachbuchung-chair-2026-10-24.md Addendum 2: Owner-Proxy-Session > Loop-Tick bei Widerspruch; legitim bei Substanz-Alignment mit Owner-Kanal. Künftig: Zustellzeilen + einheitliche Signatur in Direktmails. - **Pitfalls:** APP_VERSION-env im WebUI-Deployment dupliziert (Warning bei apply); curl-Checks nur vom PVE-Host (VLAN 30 = 403 by design G1); topics bake in neue CM fleet-webui-topics mit Snapshot-Badge (kein Fake-Live). ## 24.10.2026 12:15 CEST — Chair-Tick 30 (Delta) - Fleet: 7/7 Agents up (devops CT-devops LIVE seit 09:42); WebUI v0.2.0-live (DE-Lane: DI-10 v0.3.1 reviewt 58/58, Deploy ETA ~13:30, Ready -> PVE-E2E). - Controller CT160 openshell-controller.service ACTIVE. Beacon .211 (7/7, Age<62s). WebUI /api/health 403 aus Host-Sicht = interim ip-only-ACL (kein Defekt; PVE-Host-Sicht 200 ok). - CHAIR-KANAL ab jetzt ZEILIG (K1): Helper v1 byteidentisch vendort CT161 /root/fleet/tools/deliverylog_helper_chair.py (sha b1d48773...); Aufruf: dd(conv=fsync) -> helper . Roster-Whitelist der CT163-Wrapper-Variante gilt nicht fuer Chair (von-ceo-Naming). - Governance-Entscheidungen T30: PR-Paket-Konsistenz-Fix GO (Merge-gated KW43 2/2); Anti-Spoof E1/E2/E3 CONSENT; Hygiene-Addendum 3 (Erstwellen-Nachtrag, sha 088fda41); AL3 999/99 CONSENT mit Auflagen; Urheberschaft Vollzug=Owner-Proxy-Session (Host-Evidenz workspace/journal_hire_limits.sh df547692 + 3 Patch-Skripte). - Offen: W3 #8 research am CISO-Gate (pc-research-egress FINAL); DI-11 1/4 (Frist 17:00); Backlog-Altbestand ~19 Mails. ## 24.10.2026 13:2x CEST — Chair-Tick 31 (Delta) - DI-11 ABGESCHLOSSEN: Tally 3/4 (chro O4 + cto O4 + ciso O4 12:51; beratend coo/cmo O4) => BESCHLUSS Option 4 Hybrid (CTO Process-Owner, COO Delivery Master, Chair Taktung; Hire-Neubewertung nach 2 Retros <=07.11.). Resolution an cto+chro zustellzeilig. - Owner-Auftrag CISO-Departement-Struktur (Dublette 8611/8646 konsolidiert; Termin-Korrektur Mo->Di 27.10. 12:00) an ciso verteilt + Owner-Quittung. - Tranche fleet_devops_ro (2)-(4): C1+B+D+E1+F VOLLZOGEN — C1 GitOps commits 1c5baa2/e20301e (pg_hba 4 User-Regeln incl. podselector-Expansion 10.42.4.203/32, log_connections=on, RELOAD ohne Restart), B Rolle+Grants (shortsha 2b20c301b5c2), D .pgpass CT206 Match OK, E1 5 Counts + Probe(a) permission-denied, F Guard GREEN 13:12:56. C2/E2/G offen (Inventur >=8h, fruehester C2 ~21:00 CEST). Evidenz: cto-fleet-devops-ro-anlage-evidenz-2026-10-24.md. - PITFALLS neu: CNPG podselector-Adresse ohne YAML-Quotes; CSV-Logs=FIFO (kubectl logs statt tail); Helper v1 BASE=/mnt (Host-Dispatch via pct exec 161); Duplikat-Dispatch => mv quarantine. ## Chair-Tick 32 (24.10. ~18:45 CEST) — Learnings & Betriebszustand - **dd if=X of=X TRUNCATED**: Selbstkopie via dd schrieb Quelldatei auf 0 B (delivery.log bekam e3b0c442-Geisterzeilen). Fix: nach cat-Heredoc `sync -f ` statt dd-Selbstkopie; 0-Byte-Geister vor Redelivery entfernen. Betrifft Chair-Dispatcher auf PVE-Host. - **Phantom-CT-Mapping**: coo/cmo/devops = CT 202/205/206 (IPs .166/.167/.168) — CT 166/167/168 existieren NICHT (pct exec failed lautlos mit "does not exist"). Mapping immer gegen `pct list` prüfen, bevor Skripte CT-IDs hardcoden. - **openshell-controller Unit lebt IM CT 160**: Host-Sicht `systemctl is-active` = "not-found" (EXPECTED, kein Defekt). Realer Check: `pct exec 160 -- systemctl is-active openshell-controller.service` + curl /v1/health mit Bearer aus /root/.secrets/openshell-machine-token (auch via pct exec 160). - **v2.1-Threshold-Activator** (host-seitig, /root/fleet-tools/v21_threshold_activator.sh auf PVE): restart fleet-mail je CT nur bei Queue<20 ∧ 0 in-flight hermes-chat ∧ 0 Mail-Aktivität <60 s (Cross-Write-Schutz); Staffel 240 s; Singleton via flock; Order 202/205/206/163/164/165/161; Lifetime 4 h; Log /var/local/fleet/v21-threshold-activator.log. Umgeht den poller_idle()-False-Negative-Deadlock der Watcher v1.1 (Root cause cmo-RCA [1792855529]). - **E-2-Rollout-Forensik 24.10. abend**: unabhängige Chair-Messung deckungsgleich CISO-Kickoff [1792856060]: nft 0 Regeln + sshd listening auf allen 4 W1-CTs (161/163/164/165), kein Ship-Skript auf CT164 (/root/fleet/security/ fehlt) — Rollout nie materiell ausgeführt; Operator-Stellungnahme CTO ausstehend (Bit [1792857720]). - **research #8 entblockt**: ciso-preset-register ## #8 FINAL (15:32, preset_hash v1.1-Vollstring, Zeilen-Hash 2f4278f6…78cebe); Chain: CHRO hrp-Mint → CTO Merge-Lane (active_pin-Precondition) → Chair Controller-POST. Drives [1792859874]/[1792859875]. - **CHRO-Config-Lifecycle**: Tooling war bereits exekutiert (Owner-Proxy, ASAP Ziff. 5); CHRO lieferte Inventar (7/7 Agenten, sha 369ed4a4…) + Selfbericht-Lane; Chair-Zeile CT161 + IP-Klarstellung (massgeblich 10.0.30.162, NICHT .161) geliefert [1792860031]. ## Chair-Learnings 24.10. abend (E-2 + WebUI-Topics) - **E-2 ceo/CT161 LANDED-GRÜN 20:13** (Kit-Lauf CT-Poller; Reassign [1792863449]). nft `fleet_e2` (Egress NUR .210:8080+.211:80, 3x policy drop), sshd/postfix disable --now. Kit-BUG Ziff. 10: `SSHD_AFTER=$(systemctl is-active ssh || echo unknown)` hängt bei rc=3 (stdout `inactive` + Fallback `unknown`) → false-NEGATIV-Abbruch NACH materiellem Vollzug. Kit v1.1 nötig für CT163-165. Zweitlauf stoppt korrekt am VORHER==0-Assert (anti-doppelvollzug intakt). - **PITFALL (selbst verschulbt, 20:3x):** `kubectl patch --type=json` mit Platzhalter-Value als "Test" zerstört live CM-Daten SOFORT (topics.yaml → 11 B "PLACEHOLDER", WebUI topics ok:false). Nie Test-Patches auf live CMs — immer Full-Value + Verify. Restore-Quelle: `kubectl.kubernetes.io/last-applied-configuration`-Annotation (hier 9819 B, aktuell da kubectl-apply-basiert). Nach Restore: kubelet-Projektion kann stale bleiben → rollout restart erzwingt frischen Mount; danach health-Verify (topics count 15, v0.3.4). - **Fleet-WebUI Health-Check:** https://10.0.30.212/api/health via PVE-Host .92 (IP-ACL 10.0.20.0/24 erlaubt) — Beacon .211/metrics, Controller .161:8081 antwortet 401 ohne Token (fail-closed SOLL). Hermes-WebUI (Runner) separat: 10.0.30.230:8790/health. - **Chair-Session läuft auf hermes-agent-01 (.230)** — NICHT auf CT161/ceo. Fleet-CTs via `pct exec` (PVE .92) steuern; pct exec überlebt nft-input-drop + sshd-off auf Ziel-CT.