Files
lc-mcp/scripts/audit_runs.py
Codex Agent 0a98024bfa 纠正: "模块没保留"是用户自己升阶用掉的, 不是 bug —— 措辞和文档跟着改
我问了一句, 得到的答复是"我用过(升阶之类)"。所以我前面那一轮追查的方向一开始
就该先问人: 这类"数字对不上"的现象, 默认解释可能就是人手动操作, 而不是故障。

改动:
  * module_trajectory 的措辞从"倒退"改成"比上一轮少 —— 若是人工升阶用掉的属正常;
    否则要查", 并补一条反向检查: 模组数**自己变多**才是真反常(自动化之外的来源)
  * audit_runs 的输出从"发现 N 处问题"改成"有 N 处需要确认" —— 有些只是需要确认
  * docs/WATCH.md 的失败模式表改成先问人再查代码

保留的: close_game 的优雅关闭。那是独立的健壮性改进(强制结束本来就有丢未保存
状态的风险), 和这次这件事无关, 不因为结论变了就回退。

全套 352/352 通过。
2026-10-17 09:00:40 +08:00

236 lines
9.8 KiB
Python

# -*- coding: utf-8 -*-
"""值守体检: 日志与报告交叉核对, 并挑出可疑记录。
用法: python audit_runs.py [--dir DIR] [--json]
退出码: 0 一切吻合 / 1 发现不一致
为什么需要这个脚本:
上一轮我照着自己写在 docs/WATCH.md 里的办法做核对, 结果 6 条全部报"对不上" ——
但数据其实是吻合的。坑在于: **日志的结论行写在一轮结束时, 报告的 started 是
开始时**, 两者天然差一个 elapsed_s。拿两个时间戳直接比必然全部失败。
正确关系是: 报告.started + elapsed ≈ 日志结论时刻。
代码里的时间关系比人记的可靠, 所以把核对做成脚本而不是让人照着文档敲
PowerShell —— 我手敲那次就误判了。
检查三件事:
1. 每份报告都能在日志里找到对应结论(时间对得上, 耗时和结果文本一致)
2. 日志里每条结论都有对应报告(没有"跑了但没留报告"的运行)
3. 疑似 mock 残留: 同一秒扎堆、或内容自相矛盾的结论行
"""
import argparse
import glob
import json
import os
import re
import sys
from collections import defaultdict
from datetime import datetime, timedelta
DIR = os.path.expanduser(os.path.join('~', 'lc_mcp', 'modules'))
LOG_NAME = 'convert.log'
# 报告.started 与日志结论时刻的允许偏差(两边各写一次时间戳)
TOL_S = 5
CONCLUSION_RE = re.compile(
r'^\[(?P<t>\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})\]\s*===\s*(?P<result>.+?)\s*'
r'\((?P<ok>\w+)\), 耗时 (?P<secs>\d+)s ===')
START_RE = re.compile(
r'^\[(?P<t>\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})\]\s*===\s*开始: 体力换模块\s*===')
# 明显不可能出现在真实运行里的说法
IMPOSSIBLE = ('powershell not found', 'not found', 'No such file')
def parse_runs(path):
"""把日志解析成一轮一轮的 (开始, 结束, 结果, 耗时)。
⛔ 为什么要配对而不是只取结论行: 第一版只用结论行, 拿"报告.started + elapsed"
去和结论时刻比 —— 能对上就说明 elapsed 一致, 所以"耗时不符"那个分支永远不可能
触发, 是死代码。看起来在查、实际查不到的东西比没有更糟。
改成按日志里的"=== 开始: 体力换模块 ===" 配对, 报告的 started 才能和**开始**时刻
真正对照, 耗时也能独立核对。
"""
out = []
if not os.path.exists(path):
return out
pending = []
with open(path, encoding='utf-8') as f:
for line in f:
line = line.strip()
ms = START_RE.match(line)
if ms:
pending.append(datetime.strptime(ms.group('t'), '%Y-%m-%d %H:%M:%S'))
continue
mc = CONCLUSION_RE.match(line)
if mc:
start = pending.pop(0) if pending else None
out.append({'start': start,
'end': datetime.strptime(mc.group('t'), '%Y-%m-%d %H:%M:%S'),
'result': mc.group('result'), 'ok': mc.group('ok'),
'secs': int(mc.group('secs')), 'line': line})
return out
# 兼容旧名字: 只要结论行
def parse_log(path):
return parse_runs(path)
def load_reports(d):
out = []
for p in sorted(glob.glob(os.path.join(d, 'convert_*.json'))):
try:
with open(p, encoding='utf-8') as f:
r = json.load(f)
except (OSError, ValueError):
continue
out.append({'file': os.path.basename(p),
'start': datetime.strptime(r['started'], '%Y-%m-%d %H:%M:%S'),
'secs': r.get('elapsed_s'), 'result': r.get('result', ''),
'ok': bool(r.get('ok')),
# ⛔ steps / converted 也得留着: 第一版只挑了 5 个字段, 结果
# "跨轮检查模组数"拿不到数据, 又是个查不出东西的检查。
'steps': r.get('steps') or [],
'converted': r.get('converted')})
out.sort(key=lambda r: r['start'])
return out
def same_second_clusters(conclusions):
"""同一秒里出现多行结论 = 几乎必然是测试批量产生的。"""
bysec = defaultdict(list)
for c in conclusions:
bysec[c['end']].append(c)
return {k: v for k, v in bysec.items() if len(v) > 1}
def impossible_claims(conclusions):
"""内容自相矛盾的结论(比如 powershell 明明在却说找不到)。"""
out = []
for c in conclusions:
low = c['result']
if any(k.lower() in low.lower() for k in IMPOSSIBLE):
out.append(c)
return out
OWNED_RE = re.compile(r'模组\s*(\d+)\s*->\s*(\d+)')
def module_trajectory(reports):
"""跨轮检查模组数有没有减少。
⛔ 2026-10-17 遇到一次: 22:05 合成后是 35, 而 06:04 那轮读到的合成前是 33。
当时怀疑是强制关游戏丢了未保存状态, 追查了一轮 —— **结果是人自己升阶用掉了**。
(所以现在 close_game 仍是优雅关闭: 那是独立的健壮性改进, 和这件事无关。)
教训: 这类"数字对不上"的现象, **默认解释可能是人手动操作**, 而不是 bug。
所以这里的措辞是"需要确认", 不是"出问题了" —— 唯一的例外是它能反过来证明
某件自动化的事: 如果模组数**自己变多了**, 那才是真异常(自动化之外的来源)。
自己从 steps[0].info 里解出模组数(不依赖调用方预先算好)。只比较**接连两轮都
成功合成**的情况, 免得把"跳过轮次"误判成倒退。
"""
seq = [r for r in reports if r.get('converted')]
seq.sort(key=lambda r: r['start'])
owned = []
for r in seq:
step = (r.get('steps') or [{}])[0]
m = OWNED_RE.search(step.get('info', '') or '')
owned.append((r, (int(m.group(1)), int(m.group(2))) if m else None))
out = []
for (prev, pa), (cur, ca) in zip(owned, owned[1:]):
if pa is None or ca is None:
continue
if ca[0] < pa[1]:
out.append('模组数比上一轮少: %s 合成后是 %s, 而 %s 读到合成前只有 %s '
'—— 若是人工升阶用掉的属正常; 否则要查'
% (prev['start'].strftime('%m-%d %H:%M'), pa[1],
cur['start'].strftime('%m-%d %H:%M'), ca[0]))
elif ca[0] > pa[1]:
# 自动化只会按合成前后的差值增加, 无端变多说明有别的来源
out.append('模组数无端变多: %s 合成后是 %s, 而 %s 读到合成前有 %s '
'—— 自动化之外还有别的来源, 值得看一眼'
% (prev['start'].strftime('%m-%d %H:%M'), pa[1],
cur['start'].strftime('%m-%d %H:%M'), ca[0]))
return out
def audit(d):
runs = parse_runs(os.path.join(d, LOG_NAME))
reports = load_reports(d)
problems = []
# 0. 跨轮: 模组数不该倒退
problems.extend(module_trajectory(reports))
# 1. 每份报告都要有对应的一轮
for r in reports:
hit = [c for c in runs if c['start'] is not None
and abs((c['start'] - r['start']).total_seconds()) <= TOL_S]
if not hit:
problems.append('报告 %s (started %s) 在日志里找不到对应的开始行'
% (r['file'], r['start']))
continue
c = hit[0]
# 结论时刻应当 = 开始 + 耗时
expect_end = c['start'] + timedelta(seconds=r['secs'] or 0)
if abs((c['end'] - expect_end).total_seconds()) > TOL_S:
problems.append('%s 时间对不上: 开始 %s + 报告耗时 %ss 应为 %s, 日志结论在 %s'
% (r['file'], c['start'].strftime('%H:%M:%S'), r['secs'],
expect_end.strftime('%H:%M:%S'), c['end'].strftime('%H:%M:%S')))
if c['secs'] != r['secs']:
problems.append('%s 耗时不符: 日志 %ss vs 报告 %ss'
% (r['file'], c['secs'], r['secs']))
if c['result'] != r['result']:
problems.append('%s 结果文本不符:\n 日志 %s\n 报告 %s'
% (r['file'], c['result'], r['result']))
# 2. 每一轮都要有对应报告
for c in runs:
hit = [r for r in reports
if c['start'] is not None
and abs((r['start'] - c['start']).total_seconds()) <= TOL_S]
if not hit:
problems.append('日志 %s 那轮没有对应报告: %s'
% (c['end'].strftime('%H:%M:%S'), c['result'][:50]))
# 3. mock 残留
for sec, group in same_second_clusters(runs).items():
problems.append('同一秒(%s)出现 %d 行结论, 疑似测试残留'
% (sec.strftime('%H:%M:%S'), len(group)))
for c in impossible_claims(runs):
problems.append('可疑内容(%s): %s'
% (c['end'].strftime('%H:%M:%S'), c['result'][:60]))
return {'runs': len(runs), 'reports': len(reports), 'problems': problems}
def main(argv=None):
ap = argparse.ArgumentParser(description='值守体检: 日志与报告交叉核对')
ap.add_argument('--dir', default=DIR)
ap.add_argument('--json', action='store_true')
args = ap.parse_args(argv)
r = audit(args.dir)
if args.json:
json.dump(r, sys.stdout, ensure_ascii=False, indent=2)
print()
return 1 if r['problems'] else 0
print('日志 %d 轮 / 报告 %d 份' % (r['runs'], r['reports']))
if not r['problems']:
print('✅ 全部吻合, 没有可疑记录')
return 0
# 不叫"问题" —— 有些只是"需要确认"(比如人手动升阶用掉了模块)
print('⚠️ 有 %d 处需要确认:' % len(r['problems']))
for p in r['problems']:
print(' - %s' % p)
return 1
if __name__ == '__main__':
raise SystemExit(main())