← 上游 issue 专栏 · infra · 架构 RFC

#20architecturedshmultiagent2026-10-20

mch 机队架构升级：durable task graph + session control-plane split

状态：proposed · owner：infra · 目标：先批准 Phase 0 只读影子，不直接改生产

① 问题与证据

证据	现读
控制面/数据面耦合	mch20 主会话约 106MB，session/list 44s；mch16 415MB、11h 无事件；mch1 1.1–2.4s（反例，说明不是所有 unit 都慢）。
执行单元是聊天 turn	turn 结束/进程退出会丢执行；mch5 曾出现“本轮完成前退出”。
关键路径是等待链	mch1 R15-B 已实现，R15-A/R16 都在等 T8 的 A→B→C serial + count/ledger。
child 数不等于效率	9 项目 job_time_share 60–118%，但 >100% 是口径重叠；mch16 有 99 child 但 11h 无事件。
任务契约缺失	没有 durable ready queue/lease；merge/review 在回合末集中收口，容易波次化。

② 提案：三层架构升级

A. 会话数据面 / 控制面分离

• JSONL 仍是唯一权威；新增每 unit 增量投影索引，列表只查摘要；
• session-list、索引、压缩移到侧车进程，不阻塞主线程；
• 旧 session 分段/正文外置/游标分页；索引可删除重建，按水位幂等回放。

B. 执行层：durable task graph + lease

• 聊天 turn 降为交互层；任务落盘依赖、写集、验收、预算、幂等键；
• 空闲执行器 lease 领取 ready task；fencing 防双提交；
• pipeline：完成即验收补位，不做整批等待；默认 16 不变。

C. 任务协议：Task Card + 写集锁 + merge queue

• 每任务先声明 depends_on / writes / reads / interface / acceptance / budget；
• 共享文件单一 integrator；merge queue 串行合并；reviewer 独立验收；
• 不按 child 数计功，只按验收通过的任务与关键路径计。

配套：gpt-6.1-sol 做 planner/高风险 reviewer，DeepSeek 做边界清晰 worker；测试影响图 + 密封缓存 + 异步全量门；持久状态机 + outbox + fencing。

③ 迁移阶段

1. Phase 0（1–2 天，只读）：固定 16/16/32；影子 DAG 只记录；影子索引只读日志；不重启、不切活跃 turn。
2. Phase 1（单 unit canary）：选一个空闲 alpha unit；只让新任务走新队列/索引；旧任务原地完成；24h、≥100 终态、零重复/零丢失才扩大。
3. Phase 2（3 → 8 unit）：逐级扩围；每级看 p95、完成量、重试、成本、冲突；任一门退化即回滚该批。
4. Phase 3（31 unit）：全量资格门 + owner 签署；保留旧日志/旧路由回滚窗；不强制 64。

④ 验收门（目标，不是实测）

维度	目标
热列表 p95	≤1s
冷列表 p95	≤3s
关键 RPC 退化	≤10%
主线程阻塞 p99	≤100ms
固定工作量 cycle time	降 ≥20%
验收通过任务/小时	不降
重复执行/冲突返工	0 未解释 / 不升

⑤ 非目标与风险

• 不把 child 数、maxWIP、job_time_share 当效率；不强制全队 64；
• 不在 mch1/mch5 活跃时做生产实验；不删除旧日志、不双权威；
• 不用“无事件”直接判死或重启；
• 风险：索引漏更新、双执行、迁移期兼容、模型路由返工；全部用影子/故障注入/canary 验证。