fix(sandbox): docker run 加 --shm-size 修 mmdc 渲 mermaid 挂超时 + bump 0.12.5

容器 /dev/shm 默 docker 64MB,chromium(mmdc/puppeteer)起不来一直挂到 timeout。
实测一个"生图测试"对话:模型裸调 mmdc,自造 puppeteer config 漏 --disable-dev-shm-usage,
连试 6 次全超时烧约 120k token。从根上给 docker run 加 --shm-size(默 512m,
env ZCBOT_SANDBOX_SHM_SIZE / yaml sandbox.shm_size 可配),任何 chromium 路径都不再挂。

- core/sandbox/pool.py: --shm-size 旋钮(优先级同 memory/cpus)
- config/agent.yaml / RUN.md: 新增 shm_size 配置 + env + 故障兜底一行
- deploy/sandbox/probe_mermaid.sh: 实测脚本(区分 chromium 缺包 vs 纯 shm 超时)
- scripts/diag_dump_task.py: 按 email+任务名 dump 对话的诊断脚本
- 已 running 旧容器需重启 web + idle 回收后新起才生效;镜像无需 rebuild

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

PROGRESS.md

@@ -21,6 +21,12 @@
 
 ## 已完成关键能力
 
+### 2026-06-14 / sandbox 容器加 `--shm-size`:修 mmdc 渲 mermaid 挂超时
+
+- 实测一个"生图测试"任务(`caoqianming@foxmail.com`)对话:模型裸调 `mmdc` 渲 mermaid,自造的 puppeteer config 漏了 `--disable-dev-shm-usage`,chromium 用 64MB 的 `/dev/shm` 起不来 → 连试 6 次全超时,烧约 120k token 才绕道 mermaid.ink 出了个 SVG。根因:`pool.py` 的 `docker run` 没传 `--shm-size`,容器 `/dev/shm` = docker 默认 64MB(镜像备的 `/sandbox/puppeteer-config.json` 虽有 `--disable-dev-shm-usage`,但模型不一定用那份;且 `mmdc` 不读 `MERMAID_PUPPETEER_CONFIG` env)。
+- 修法(只做最小 infra,不动模型侧):`docker run` 加 `--shm-size`(`DEFAULT_SHM_SIZE=512m`,env `ZCBOT_SANDBOX_SHM_SIZE` / yaml `sandbox.shm_size` 可配,优先级同 memory/cpus)。从根上让任何 chromium 路径都不再挂,连模型自造的漏 flag config 也能跑。已 running 旧容器需重启 web + idle 回收后新起才带。
+- 实测脚本 `deploy/sandbox/probe_mermaid.sh`(区分 chromium 缺包 vs 纯 shm 超时);诊断脚本 `scripts/diag_dump_task.py`(按 email+任务名 dump 对话)。改动文件:`core/sandbox/pool.py`、`config/agent.yaml`、`RUN.md`。bump 0.12.4 → 0.12.5。
+
 ### 2026-06-13 / 模型选择瘦身:对话模型常驻 + 生图/生视频收进 ⚙ 弹层
 
 - `#chat-meta` 右侧原三个带标签下拉(模型/生图/生视频)占满整行。改为**高频的对话模型下拉常驻**(一眼可见当前模型、直接切),**低频的生图/生视频收进一个「⚙ 媒体」弹层**(fixed 定位逃出 pane overflow,点开才渲染 select)。meta 行从"3 下拉"降到"1 下拉 + 1 齿轮"。

RUN.md

@@ -396,6 +396,7 @@ sudo -u zcbot docker network create --internal zcbot-sandbox-net
 # ZCBOT_SANDBOX_MEMORY=2g
 # ZCBOT_SANDBOX_CPUS=1.0
 # ZCBOT_SANDBOX_PIDS_LIMIT=256
+# ZCBOT_SANDBOX_SHM_SIZE=512m   # chromium/mmdc 渲 mermaid 的 /dev/shm(docker 默 64MB 不够会挂超时)
 # PG 实际 IP,逗号分隔。defense-in-depth ── 即便落内网三段(§7.5 #1),
 # init.sh 再加一遍 DROP 规则。生产部署必填。
 ZCBOT_PG_IPS=10.1.2.3,10.1.2.4
@@ -694,6 +695,7 @@ sudo xfs_quota -x -c "limit -p bhard=10g zcbot_<user_uuid>" /opt
 | 镜像 build apt 报 `OpenSSL error: ... unexpected eof while reading` | 某些 mirror HTTPS 端偶发 close_notify 缺失,OpenSSL 3 严格 fail(腾讯 / 阿里见过;清华一般不犯)。改用 http 形式:`--build-arg APT_MIRROR=http://mirrors.tuna.tsinghua.edu.cn`(apt 包 GPG 签名校验,无 HTTPS 安全收益)。Dockerfile 已配 apt retry=5 + 关 pipeline,重 build 一般直接过 |
 | 容器内 shell 写工作目录报 `Permission denied`(but `sandbox check` ⑤ HOST_UID aligned ok) | DockerExecutor 写死了 `--user 1000:1000` 不会自动跟 build 的 HOST_UID 同步(改 `--user zcbot` 后已修)。仍报错检查镜像内 `docker run --rm --entrypoint id zcbot-sandbox:latest zcbot` 输出 uid 是否 = `id -u $(whoami)` |
 | 模型用 run_python 跑 `render_diagrams.py` 报 `mmdc returncode=1: Failed to launch chromium` | 容器内 chromium 缺 puppeteer no-sandbox 配置。镜像已落 `/sandbox/puppeteer-config.json` + ENV `MERMAID_PUPPETEER_CONFIG`,render_diagrams.py 已读 env 自动 -p 注入;仍跪查 `docker exec ... env \| grep MERMAID` 看 env 是否在 |
+| 模型裸调 `mmdc -i x.md -o x.png`(自造 puppeteer config / 不走 render_diagrams.py)卡到 **timeout** 而非报错 | chromium 默认用 `/dev/shm`,docker 不传 `--shm-size` 时只 64MB → 起不来一直挂。已在 `pool.py` 给 `docker run` 加 `--shm-size`(默 512m,env `ZCBOT_SANDBOX_SHM_SIZE` / yaml `sandbox.shm_size`)。**已 running 的旧容器不会自动生效**,重启 web + 等 idle 回收(或 `docker rm -f zcbot-sandbox-<uid>`)后新起的才带。注:`mmdc` 自身不读 `MERMAID_PUPPETEER_CONFIG` env(只认 `-p`),裸调要么靠 shm-size 兜底要么显式 `-p /sandbox/puppeteer-config.json`。实测脚本 `deploy/sandbox/probe_mermaid.sh` |
 | Export 报 "无可导出内容" | task 没 messages(只 system 不算);先发条消息再 export |
 | `NoSubtaskError: working_dir ... 前缀嵌套` | §7.4 no-subtask:同 user 不允许 working_dir 嵌套(child / parent)。**同项目多对话**用**完全相同**的 working_dir;否则改成 sibling(平级) |
 | `main.py web` 启动后 curl 连不上 | 检查 proxy(`HTTP_PROXY` / `HTTPS_PROXY`):本地服务 127.0.0.1,系统 proxy 拦截会 502。临时 `unset HTTP_PROXY HTTPS_PROXY` 或 `curl --noproxy '*'`。验通:`curl --noproxy '*' http://127.0.0.1:8765/healthz` |

config/agent.yaml

@@ -35,6 +35,7 @@ sandbox:
   memory: 2g                 # --memory      (env: ZCBOT_SANDBOX_MEMORY)
   cpus: 1.0                  # --cpus        (env: ZCBOT_SANDBOX_CPUS)
   pids_limit: 256            # --pids-limit  (env: ZCBOT_SANDBOX_PIDS_LIMIT)
+  shm_size: 512m             # --shm-size    (env: ZCBOT_SANDBOX_SHM_SIZE);chromium/mmdc 渲 mermaid 的 /dev/shm,默 64MB 不够会挂
   # 容器 DNS server 显式配置(docker run --dns,容器 /etc/resolv.conf 直接写,
   # 绕过 docker daemon 上游 DNS 探测路径;腾讯云轻量 / 部分云上 daemon 探测
   # systemd-resolved 上游会失败,导致 embedded DNS 127.0.0.11 forward 出去也跪)。

core/__init__.py

@@ -1,3 +1,3 @@
 # zcbot 版本号单一事实源:web/app.py 的 FastAPI version、/healthz 返回、前端展示都引这里。
 # 改版本只动这一行。
-__version__ = "0.12.4"
+__version__ = "0.12.5"

core/sandbox/pool.py

@@ -49,6 +49,11 @@ DEFAULT_IDLE_TTL_SECONDS = 300
 DEFAULT_MEMORY = "2g"
 DEFAULT_CPUS = "1.0"
 DEFAULT_PIDS_LIMIT = 256
+# chromium(mmdc 渲 mermaid / puppeteer)默认走 /dev/shm,docker 不传 --shm-size 时
+# 只给 64MB,起不来就一直挂到 timeout。镜像备的 puppeteer-config 有 --disable-dev-shm-usage,
+# 但模型不一定用那份;这里从根上把 /dev/shm 撑到够用,任何 chromium 路径都不再挂。
+# 从 --memory(默 2g)里切,512m 是上限非占用(tmpfs 按需用)。
+DEFAULT_SHM_SIZE = "512m"
 
 
 def container_name(user_id: UUID) -> str:
@@ -89,6 +94,7 @@ class SandboxPool:
         memory: Optional[str] = None,
         cpus: Optional[str] = None,
         pids_limit: Optional[int] = None,
+        shm_size: Optional[str] = None,
         dns: Optional[List[str]] = None,
     ) -> None:
         """
@@ -107,10 +113,11 @@ class SandboxPool:
                         (env `ZCBOT_SANDBOX_IDLE_TTL`,默 300)
         pg_ips:        逗号分隔的 PG IP 串,塞容器 `ZCBOT_PG_IPS` env,init.sh 加 DROP 规则
                         (env `ZCBOT_PG_IPS`)。defense-in-depth ── 即便落内网三段。
-        memory/cpus/pids_limit:
+        memory/cpus/pids_limit/shm_size:
-                       容器资源限制,默 2g/1.0/256;env(`ZCBOT_SANDBOX_MEMORY` 等)
+                       容器资源限制,默 2g/1.0/256/512m;env(`ZCBOT_SANDBOX_MEMORY` 等)
                        override caller 参数 override 默认。改后重启 web 生效,新起的
                        容器用新值;已 running 不变(idle 5min 回收后下次起按新值)。
+                       shm_size 撑 chromium 的 /dev/shm(默 64MB 不够,mmdc 渲图会挂)。
         """
         self.user_root_base = user_root_base
         self.repo_root = repo_root
@@ -123,6 +130,7 @@ class SandboxPool:
         # 资源限制:env > caller > 默
         self.memory = os.getenv("ZCBOT_SANDBOX_MEMORY") or memory or DEFAULT_MEMORY
         self.cpus = os.getenv("ZCBOT_SANDBOX_CPUS") or cpus or DEFAULT_CPUS
+        self.shm_size = os.getenv("ZCBOT_SANDBOX_SHM_SIZE") or shm_size or DEFAULT_SHM_SIZE
         self.pids_limit = int(
             os.getenv("ZCBOT_SANDBOX_PIDS_LIMIT")
             or (pids_limit if pids_limit is not None else DEFAULT_PIDS_LIMIT)
@@ -197,6 +205,7 @@ class SandboxPool:
             # §7.5 硬限制(任一缺失视为 hardening 未完成)
             "--read-only",                                  # rootfs read-only
             "--tmpfs", "/tmp:exec,size=512m,mode=1777",     # 可写临时区,exec 允许 (run_python 写脚本)
+            f"--shm-size={self.shm_size}",                  # chromium/mmdc 的 /dev/shm,默 64MB 不够会挂(DEFAULT_SHM_SIZE)
             "--cap-drop=ALL",                               # 默全丢
             "--cap-add=NET_ADMIN",                          # init.sh 配 iptables 需要;exec 进来的 uid 1000 拿不到
             "--security-opt=no-new-privileges",
@@ -308,5 +317,6 @@ def setup_pool(
         memory=cfg.get("memory") if isinstance(cfg.get("memory"), str) else None,
         cpus=str(cfg["cpus"]) if cfg.get("cpus") is not None else None,
         pids_limit=int(cfg["pids_limit"]) if cfg.get("pids_limit") is not None else None,
+        shm_size=cfg.get("shm_size") if isinstance(cfg.get("shm_size"), str) else None,
         dns=[str(x) for x in dns_cfg],
     )

deploy/sandbox/probe_mermaid.sh

@@ -0,0 +1,29 @@
+#!/usr/bin/env bash
+# 在 sandbox 容器里实测 mmdc/chromium：区分「chromium 缺包」vs「纯启动超时(/dev/shm 64MB)」。
+# 用法(服务器上,任选其一):
+#   A) 进一个活着的 per-user 容器(最贴真,复用线上 64MB /dev/shm 默认):
+#        C=$(docker ps --filter "label=zcbot.product=sandbox" --format '{{.Names}}' | head -1)
+#        docker cp deploy/sandbox/probe_mermaid.sh "$C":/tmp/probe.sh
+#        docker exec "$C" bash /tmp/probe.sh
+#   B) 没有活容器时,起一个临时的(显式 NOT 传 --shm-size,复现线上 64MB):
+#        docker run --rm --read-only --tmpfs /tmp:exec,size=512m,mode=1777 \
+#          --cap-drop=ALL --security-opt=no-new-privileges \
+#          --entrypoint bash zcbot-sandbox:latest /dev/stdin < deploy/sandbox/probe_mermaid.sh
+set -u
+echo "===== /dev/shm size (期望线上 64M) ====="; df -h /dev/shm
+echo "===== chromium 是否在 (缺包则这里就失败) ====="
+command -v chromium && chromium --version 2>&1 | head -1 || echo "[FAIL] chromium 缺包/不可执行"
+cd /tmp; printf 'flowchart TB\n  A[甲]-->B[乙]\n' > d.mmd
+
+echo; echo "===== A: 模型自造 config(漏 --disable-dev-shm-usage)→ 预期挂起/超时 ====="
+printf '{"args":["--no-sandbox","--disable-setuid-sandbox"]}' > bad.json
+ts=$SECONDS; timeout 60 mmdc -i d.mmd -o a.png -p bad.json >a.log 2>&1; rc=$?
+echo "rc=$rc 用时=$((SECONDS-ts))s"; tail -3 a.log; ls -l a.png 2>/dev/null && echo "[A 出图]" || echo "[A 无图]"
+
+echo; echo "===== B: 镜像备好的 /sandbox/puppeteer-config.json(含 --disable-dev-shm-usage)→ 预期成功 ====="
+ts=$SECONDS; timeout 60 mmdc -i d.mmd -o b.png -p /sandbox/puppeteer-config.json >b.log 2>&1; rc=$?
+echo "rc=$rc 用时=$((SECONDS-ts))s"; tail -3 b.log; ls -l b.png 2>/dev/null && echo "[B 出图]" || echo "[B 无图]"
+
+echo; echo "===== 结论 ====="
+echo "chromium 在 + A挂超时 + B出图  => 纯 /dev/shm 64MB 问题,fix=给 docker run 加 --shm-size 或强制用 B 的 config"
+echo "chromium 缺/B 也失败          => 更深的环境问题,看上面 b.log"

scripts/diag_dump_task.py

@@ -0,0 +1,77 @@
+"""按 email + 任务名 dump 一个 task 的完整对话记录(ASCII 标签,Windows GBK 安全)。"""
+import json
+import os
+import sys
+from pathlib import Path
+
+env = Path(__file__).resolve().parent.parent / ".env"
+for line in env.read_text(encoding="utf-8").splitlines():
+    if line.strip().startswith("ZCBOT_DB_URL="):
+        os.environ["ZCBOT_DB_URL"] = line.split("=", 1)[1].strip()
+from sqlalchemy import create_engine, text  # noqa: E402
+
+import builtins  # noqa: E402
+
+_out = open(Path(__file__).resolve().parent / "_task_dump.txt", "w", encoding="utf-8")
+
+
+def print(*a, **k):  # noqa: A001 - redirect to utf-8 file
+    builtins.print(*a, **k, file=_out)
+
+
+engine = create_engine(os.environ["ZCBOT_DB_URL"])
+email = sys.argv[1] if len(sys.argv) > 1 else "caoqianming@foxmail.com"
+name_like = sys.argv[2] if len(sys.argv) > 2 else "生图测试"
+
+
+def s(x, n=4000):
+    t = str(x or "")
+    return t if len(t) <= n else t[:n] + f"...[+{len(t)-n} chars]"
+
+
+with engine.connect() as conn:
+    uid = conn.execute(text("select user_id from users where email=:e"), {"e": email}).fetchone()
+    if not uid:
+        print("[NO USER]", email)
+        sys.exit(1)
+    uid = uid[0]
+    rows = conn.execute(
+        text("select task_id,name,skill,model,model_profile,status,run_status,run_error,"
+             "tokens_prompt,tokens_completion,created_at,updated_at from tasks "
+             "where user_id=:u and name like :n order by created_at"),
+        {"u": uid, "n": "%" + name_like + "%"},
+    ).fetchall()
+    print(f"[USER] {email}  matched tasks: {len(rows)}")
+    for r in rows:
+        print(f"  task={r[0]} name={r[1]!r} skill={r[2]!r} model={r[3]}/{r[4]} "
+              f"status={r[5]} run={r[6]} tok={r[8]}/{r[9]} created={r[10]}")
+        if r[7]:
+            print(f"    run_error: {s(r[7], 500)}")
+    if not rows:
+        sys.exit(0)
+
+    tid = rows[-1][0]
+    print(f"\n========== DUMP task {tid} ==========")
+    msgs = conn.execute(
+        text("select idx,payload,model_profile,tokens_in,tokens_out from messages "
+             "where task_id=:t order by idx"),
+        {"t": tid},
+    ).fetchall()
+    print(f"messages: {len(msgs)}\n")
+    for idx, p, mp, ti, to in msgs:
+        role = p.get("role")
+        head = f"[{idx}] {role}"
+        if mp:
+            head += f" ({mp})"
+        if ti or to:
+            head += f" tok={ti}/{to}"
+        print(head)
+        content = p.get("content")
+        if content:
+            print("    content:", s(content, 3000))
+        for tc in p.get("tool_calls") or []:
+            fn = tc.get("function") or {}
+            print(f"    CALL {fn.get('name')}({s(fn.get('arguments'), 1500)})")
+        if role == "tool":
+            print(f"    TOOL[{p.get('name')}]:", s(content, 2000))
+        print()