fix(chv): V-3/F1/F2 真机缺陷修复 + V-1/V-4 附带修复

V-3 快照/restore：
- snapshot 改传裸 URL（source_url= 是 restore 的键，服务端
  Could not extract path from URL）；快照产物是目录，校验
  改为目录非空，登记计量/剪枝同步支持目录
- restore 起 VMM 前补 _restore_prepare：杀旧 VMM（登记的 +
  未登记跨实例扫描）并清旧 socket，与 _wake_prepare 对等
- hibernate 评估结论：快照 config.json 引用原盘，旧 stop 删
  盘致 restore 必失败；hibernate 的 stop 改 keep_disk=True，
  GC 不删有登记快照的 VM 的盘，restore 前预检快照引用的盘
  （snapshot_disk_missing fail-fast）

F1：re-wake 删旧盘——H5 删私钥致 re-wake 必然生成新 key 对，
旧盘复用时 cloud-init 不重应用新 seed，sshd 仍呈旧 key 而
known_hosts 钉新 key；wake 本就是冷启动，旧盘不是要保留的状态

F2：stop_vm 跨实例按 socket 进程扫描杀未登记 VMM
（/proc cmdline 精确 socket + VMM 二进制名 + 跳过自身/pid 1，
绝不误杀 ch-remote 与他人 VMM）

V-4：remote_command source 失败改 || exit 126 fail-fast；
guest-env 条目 owner 改归 SSH 用户（0600 不变），root 仍 root:root

V-1 附带：build.sh 预建 /app/work（1777 粘滞位 + stat 断言）；
host.py default_codex_bin() 改 shutil.which，裸名不再让
health 报 ok:false

测试：新 test_chv_v3_fixes.py 23 项；旧快照测试按目录产物改写；
test_chv* 458 全过，全量 cloud 套件 1930 全过（skipped=8）

cloud/chv/disk.py

@@ -141,6 +141,34 @@ def _snapshots_path(state_dir, vm_name):
     return os.path.join(state_dir, vm_name, "snapshots.json")
 
 
+def _snapshot_path_size(path):
+    """快照产物大小：v54 起快照是目录（含 config.json/
+    state.json/memory-ranges），取目录内文件总和；文件
+    目标（旧登记）仍取文件大小；读不出时返回 None（调用
+    方按未知处理，不谎报 0）。"""
+    if os.path.isdir(path) and not os.path.islink(path):
+        return _dir_total_bytes(path)
+    try:
+        return os.path.getsize(path)
+    except OSError:
+        return None
+
+
+def _remove_snapshot_path(path):
+    """删快照产物：目录整树删，文件/链接只删本身。"""
+    if os.path.isdir(path) and not os.path.islink(path):
+        shutil.rmtree(path)
+    elif os.path.islink(path) or os.path.exists(path):
+        os.remove(path)
+
+
+def has_recorded_snapshots(state_dir: str, vm_name: str) -> bool:
+    """该 VM 是否还有登记在册的快照（hibernate 的盘保护
+    依据）：有登记快照时任务盘是 restore 的输入，残留盘
+    GC 不得删；登记被剪干净后盘即成孤儿，可正常 GC。"""
+    return bool(_load_snapshots(state_dir, vm_name))
+
+
 def _load_snapshots(state_dir, vm_name):
     import json
     path = _snapshots_path(state_dir, vm_name)
@@ -176,12 +204,8 @@ def prune_snapshots(state_dir: str, vm_name: str,
         if retention_days is not None \
                 and now - created > retention_days * 86400:
             pruned.append(entry)
-            if delete_files and entry.get("path"):
-                try:
-                    if os.path.exists(entry["path"]):
-                        os.remove(entry["path"])
-                except OSError:
-                    pass
+            if delete_files:
+                _prune_snapshot_file(entry)
         else:
             kept.append(entry)
     if pruned:
@@ -189,6 +213,19 @@ def prune_snapshots(state_dir: str, vm_name: str,
     return kept, pruned
 
 
+def _prune_snapshot_file(entry):
+    """剪枝时删一条登记对应的快照产物：目录整树删，
+    文件只删本身；删失败静默（登记已剪，残留产物由
+    下次 GC/人工清理，不因删产物失败挡住剪枝本身）。"""
+    path = entry.get("path")
+    if not path:
+        return
+    try:
+        _remove_snapshot_path(path)
+    except OSError:
+        pass
+
+
 def check_snapshot_limits(state_dir: str, vm_name: str, max_count: int,
                           max_total_gb: float,
                           retention_days: float | None) -> list:
@@ -208,10 +245,9 @@ def check_snapshot_limits(state_dir: str, vm_name: str, max_count: int,
         if isinstance(size, (int, float)):
             total += size
         elif entry.get("path") and os.path.exists(entry["path"]):
-            try:
-                total += os.path.getsize(entry["path"])
-            except OSError:
-                pass
+            _sized = _snapshot_path_size(entry["path"])
+            if _sized is not None:
+                total += _sized
     if total >= max_total_gb * 1024 ** 3:
         raise ChvFailure(
             "snapshot_quota_exceeded",
@@ -230,10 +266,7 @@ def record_snapshot(state_dir: str, vm_name: str, snapshot_url: str, max_total_g
     size = None
     if snapshot_url.startswith("file://"):
         path = snapshot_url[len("file://"):]
-        try:
-            size = os.path.getsize(path)
-        except OSError:
-            size = None
+        size = _snapshot_path_size(path)
     entries = _load_snapshots(state_dir, vm_name)
     entries.append({"url": snapshot_url, "path": path,
                     "size": size, "created_at": time.time()})
@@ -244,11 +277,7 @@ def record_snapshot(state_dir: str, vm_name: str, snapshot_url: str, max_total_g
         total = sum(e.get("size") or 0 for e in entries)
         while len(entries) > 1 and total > cap:
             oldest = entries.pop(0)
-            if oldest.get("path") and os.path.exists(oldest["path"]):
-                try:
-                    os.remove(oldest["path"])
-                except OSError:
-                    pass
+            _prune_snapshot_file(oldest)
             total -= oldest.get("size") or 0
             removed.append(oldest)
         if removed:

cloud/chv/executor.py

@@ -43,6 +43,7 @@ from cloud.chv.disk import (
     check_disk_quota,
     check_snapshot_limits,
     delete_task_disk,
+    has_recorded_snapshots,
     provision_task_disk,
     record_snapshot,
     task_disk_path,
@@ -69,6 +70,101 @@ from cloud.executor_base import Executor
 _LOGGER = logging.getLogger("cloud.cloud_hypervisor")
 
 
+def _pid_gone(pid):
+    """进程是否已不在（/proc 消失，或已成僵尸：父进程未收，
+    但内存/tap 等资源已释放，等同已死）。"""
+    try:
+        with open("/proc/%d/stat" % pid, "rb") as fh:
+            stat = fh.read()
+    except OSError:
+        return True
+    try:
+        state = stat.rsplit(b")", 1)[1].split()[0]
+    except (IndexError, ValueError):
+        return False
+    return state == b"Z"
+
+
+def _terminate_pid(pid, sigterm_timeout=2.0):
+    """SIGTERM→等→SIGKILL 杀一个进程：best-effort 不抛异常。
+    僵尸态即算已死（资源已释放），不等父进程收尸。"""
+    import signal
+    try:
+        os.kill(pid, signal.SIGTERM)
+    except OSError:
+        return
+    deadline = time.time() + sigterm_timeout
+    while time.time() < deadline:
+        if _pid_gone(pid):
+            return
+        time.sleep(0.05)
+    try:
+        os.kill(pid, signal.SIGKILL)
+    except OSError:
+        return
+    deadline = time.time() + sigterm_timeout
+    while time.time() < deadline:
+        if _pid_gone(pid):
+            return
+        time.sleep(0.05)
+
+
+def _find_vmm_pids_by_socket(socket_path, binary_basename):
+    """扫描 /proc，找命令行以 --api-socket 带该 socket 路径、
+    且 argv[0] 是给定 VMM 二进制的进程 pid 列表。三道门：
+    精确 socket 路径（每 VM 唯一）、VMM 二进制名（ch-remote
+    等客户端绝不认）、跳过自身与 pid 1。读不到 cmdline 的
+    进程跳过，不抛异常。"""
+    if not socket_path or not binary_basename:
+        return []
+    try:
+        entries = os.listdir("/proc")
+    except OSError:
+        return []
+    me = os.getpid()
+    found = []
+    for entry in entries:
+        if not entry.isdigit():
+            continue
+        pid = int(entry)
+        if pid in (1, me):
+            continue
+        try:
+            with open("/proc/%d/cmdline" % pid, "rb") as fh:
+                raw = fh.read()
+        except OSError:
+            continue
+        if not raw:
+            continue
+        tokens = [t.decode("utf-8", "surrogateescape")
+                  for t in raw.split(b"\0") if t]
+        if not tokens:
+            continue
+        if os.path.basename(tokens[0]) != binary_basename:
+            continue
+        if socket_path not in tokens:
+            continue
+        if "--api-socket" not in tokens \
+                and not any(t.startswith("--api-socket=")
+                            for t in tokens):
+            continue
+        found.append(pid)
+    return found
+
+
+def _assert_snapshot_dir_persisted(snapshot_url):
+    """file:// 快照的落盘校验（v54 起产物是目录）：目标须是
+    已生成的非空目录，否则 ChvFailure snapshot_not_persisted。
+    非 file:// 目标无法从宿主验证，只认 ch-remote returncode。"""
+    if not snapshot_url.startswith("file://"):
+        return
+    snap_path = snapshot_url[len("file://"):]
+    if not os.path.isdir(snap_path) or not os.listdir(snap_path):
+        raise ChvFailure(
+            "snapshot_not_persisted",
+            "快照未落盘或为空目录：%s" % snapshot_url)
+
+
 def _default_popen_launcher(cmd):
     """默认 VMM 启动器：独立会话子进程，输出丢弃（纯移动）。"""
     return subprocess.Popen(
@@ -908,7 +1004,8 @@ class CloudHypervisorExecutor(Executor):
                               secret_env=secret_env,
                               guest_env=guest_env,
                               user_data_extra=user_data_extra,
-                              network_config=network_config)
+                              network_config=network_config,
+                              ssh_user=getattr(self, "ssh_user", None))
         self._emit("host_key_generated", task,
                    "vm=%s secret_names=%s"
                    % (vm, ",".join(sorted(secret_env or {}))))
@@ -1075,6 +1172,38 @@ class CloudHypervisorExecutor(Executor):
         from cloud.sandbox import _call_runner_with_timeout
         return _call_runner_with_timeout(self.runner, cmd, timeout)
 
+    def _drop_registered_proc(self, name):
+        """取走并杀掉本实例登记的旧 VMM 进程（wake 与 restore
+        的共用准备步）：返回旧进程或 None。"""
+        old = None
+        with self._vms_lock:
+            if name in self._vms:
+                old = self._vms.pop(name, None)
+        if old is not None:
+            self._kill_proc(old)
+        return old
+
+    def _kill_vmm_by_socket(self, socket_path):
+        """按 api-socket 杀未登记的 VMM 进程（F2 跨实例 stop
+        与 V-3 restore 的共用机制）：扫描 /proc 找命令行里
+        以 --api-socket 带该 socket 路径、且 argv[0] 是本执行
+        器 VMM 二进制的进程，SIGTERM→等→SIGKILL。
+
+        绝不误杀的三道门（见 _find_vmm_pids_by_socket）：
+        精确 socket 路径、VMM 二进制名、跳过自身与 pid 1。
+        扫描/杀失败一律 best-effort 不抛异常——stop_vm
+        “尽力而为、不抛异常”的契约不变。返回杀掉的 pid 列表
+        （调用方审计用，测试断言用）。"""
+        try:
+            own_binary = os.path.basename(self.binary or "")
+        except Exception:
+            return []
+        killed = []
+        for pid in _find_vmm_pids_by_socket(socket_path, own_binary):
+            _terminate_pid(pid)
+            killed.append(pid)
+        return killed
+
     def _kill_proc(self, proc):
         """终止登记进程：terminate → 等 5 秒 → kill，全部
         best-effort，绝不抛异常。"""
@@ -1549,19 +1678,35 @@ class CloudHypervisorExecutor(Executor):
 
     def _wake_prepare(self, task: dict, name: str) -> tuple:
         """wake 准备：reuse 审计、旧 VM 清理、任务盘供给、
-        直连 egress 审计，纯移动。返回 (task_disk, socket_path)。"""
+        直连 egress 审计，纯移动。返回 (task_disk, socket_path)。
+        feat-chv-v3（F1）：旧 VM 在时先删旧任务盘再供给新盘。
+        根因：H5 在 seed 建好后删宿主私钥，re-wake 必然重新
+        生成 key 对；旧盘若复用，cloud-init 以 instance-id
+        （=VM 名）已应用为由不再重应用新 seed，sshd 仍呈旧
+        key，known_hosts 却钉了新 key → host_key_mismatch。
+        wake 按设计是冷启动（单任务单 VM，重复 wake 即重启），
+        旧盘从来不是要保留的状态（restore 另走 restore_vm，
+        暂停唤醒另走 resume）；删盘失败即 ChvFailure fail-fast，
+        绝不带着旧盘 + 新 key 对去启动。reuse 模式不删（盘
+        就是基础镜像本身，删不得）。"""
         if getattr(self, "disk_mode", "copy") == "reuse":
             self._emit("disk_reuse_experiment_allowed", task,
                        "vm=%s CHV_REUSE_SINGLE_TENANT_EXPERIMENT=1 "
                        "explicit single_tenant_project=%s"
                        % (name, getattr(self, "single_tenant_project",
                                         None)))
-        old = None
-        with self._vms_lock:
-            if name in self._vms:
-                old = self._vms.pop(name, None)
-        if old is not None:
-            self._kill_proc(old)
+        self._drop_registered_proc(name)
+        # 旧盘不论旧 VMM 是否登记在册（活着重 wake / 崩溃后
+        # 重 wake）一律先删：delete_task_disk 无盘时返回 False，
+        # 不 extra 判断。
+        if getattr(self, "disk_mode", "copy") != "reuse":
+            try:
+                delete_task_disk(self.state_dir, name)
+            except OSError as exc:
+                raise ChvFailure(
+                    "stale_disk_cleanup_failed",
+                    "旧任务盘删不掉，拒绝复用旧盘启动：VM %s：%s"
+                    % (name, exc))
         task_disk = self._provision_task_disk(task)
         socket_path = self.api_socket(task)
         if self.allow_direct_egress:
@@ -1646,10 +1791,18 @@ class CloudHypervisorExecutor(Executor):
         return True
 
     def snapshot_vm(self, task_or_name: dict | str, snapshot_url: str) -> str:
-        """给（已暂停的）VM 做快照：ch-remote snapshot
-        <source_url>。snapshot_url 为空即 ValueError；成功
-        审计 vm_snapshot。快照本身不改变 VM 状态（仍 paused，
-        需 resume 才醒）。
+        """给（已暂停的）VM 做快照：ch-remote snapshot <裸 URL>。
+        注意：snapshot 的参数是裸 URL，不是 source_url=...
+        （那是 restore 的键）；传 source_url=... 会被服务端
+        当成 URL 本身，报 Could not extract path from URL
+        （2026-11-07 WSL 真机 V-3 实测）。snapshot_url 为空
+        即 ValueError；成功审计 vm_snapshot。快照本身不改变
+        VM 状态（仍 paused，需 resume 才醒）。
+        v54 起快照产物是目录（含 config.json/state.json/
+        memory-ranges），不是文件：file:// 目标须是已生成
+        的非空目录，文件/空目录/缺失一律报
+        snapshot_not_persisted（旧 isfile 校验会把真快照
+        误判为未落盘）。
         feat-chv-secfix（L2/M3）：ch-remote 之前先过 URL
         白名单（file:// 须在 state_dir/CHV_SNAPSHOT_DIR 内，
         远端须显式放行）与数量/总量/保留期上限；成功后登
@@ -1666,20 +1819,14 @@ class CloudHypervisorExecutor(Executor):
             getattr(self, "snapshot_max_count", 10),
             getattr(self, "snapshot_max_total_gb", 20.0),
             getattr(self, "snapshot_retention_days", 30.0))
-        self._ch_remote(task_or_name, "snapshot",
-                        "source_url=%s" % snapshot_url)
-        # feat-chv-fix（P1-7）：只查 returncode 不够。file://
-        # 快照须验证目标文件存在且非空，否则报
+        self._ch_remote(task_or_name, "snapshot", snapshot_url)
+        # feat-chv-fix（P1-7）/feat-chv-v3：只查 returncode
+        # 不够，见 _assert_snapshot_dir_persisted——file://
+        # 快照须验证目标目录已生成且非空，否则报
         # snapshot_not_persisted，调用方（hibernate_vm）据此
         # 不 shutdown、不销毁原 VM；非 file:// 目标无法从宿
         # 主验证落盘，仍只认 returncode，但文档明写该边界。
-        if snapshot_url.startswith("file://"):
-            _snap_path = snapshot_url[len("file://"):]
-            if not os.path.isfile(_snap_path) \
-                    or os.path.getsize(_snap_path) == 0:
-                raise ChvFailure(
-                    "snapshot_not_persisted",
-                    "快照未落盘或为空：%s" % snapshot_url)
+        _assert_snapshot_dir_persisted(snapshot_url)
         task = task_or_name if isinstance(task_or_name, dict) \
             else {"id": task_or_name}
         _entries, _removed = record_snapshot(
@@ -1721,6 +1868,7 @@ class CloudHypervisorExecutor(Executor):
             snapshot_url, self.state_dir,
             snapshot_dir=getattr(self, "snapshot_dir", None),
             allow_remote=getattr(self, "allow_remote_snapshot", False))
+        self._check_snapshot_disk(snapshot_url)
         self.preflight()
         self.resolve_ssh_host()
         if self._provisioned_key_guard(task):
@@ -1744,11 +1892,66 @@ class CloudHypervisorExecutor(Executor):
             raise
         return snapshot_url, net_entries
 
+    def _check_snapshot_disk(self, snapshot_url):
+        """restore 前的快照磁盘预检（feat-chv-v3，hibernate
+        评估结论）：快照 config.json 引用原任务盘路径，
+        盘缺失时 restore 必在 ch-remote 侧失败；起 VMM 前
+        先 fail-fast（snapshot_disk_missing），不让调用方
+        拿一个含糊的 ch-remote 失败去猜。只对本地目录快照
+        且 config.json 可读可解析时校验：远端源、旧格式
+        无 config.json、解析失败时跳过（ch-remote 本身会
+        在源缺失时失败，不在这里多一层误拒）。"""
+        if not snapshot_url.startswith("file://"):
+            return
+        snap_dir = snapshot_url[len("file://"):]
+        if not os.path.isdir(snap_dir):
+            return
+        config_path = os.path.join(snap_dir, "config.json")
+        try:
+            with open(config_path, "r") as fh:
+                config = json.load(fh)
+        except (OSError, ValueError):
+            return
+        if not isinstance(config, dict):
+            return
+        disks = config.get("disks")
+        if not isinstance(disks, list):
+            return
+        missing = []
+        for disk in disks:
+            if not isinstance(disk, dict):
+                continue
+            path = disk.get("path")
+            if isinstance(path, str) and path \
+                    and not os.path.exists(path):
+                missing.append(path)
+        if missing:
+            raise ChvFailure(
+                "snapshot_disk_missing",
+                "快照引用的任务盘缺失，restore 无法进行：%s"
+                % ", ".join(missing))
+
+    def _restore_prepare(self, task, name):
+        """restore 准备（feat-chv-v3，与 _wake_prepare 对等）：
+        杀旧 VMM（登记的 + 未登记跨实例的），清旧 socket。
+        restore 须落到全新 VMM 上：旧 VMM 还活着时新 VMM
+        抢不到 tap/socket，ch-remote restore 会被旧 VM 拒
+        掉（2026-11-07 WSL 真机 V-3 实测）。"""
+        socket_path = self.api_socket(task)
+        self._drop_registered_proc(name)
+        self._kill_vmm_by_socket(socket_path)
+        try:
+            if os.path.exists(socket_path):
+                os.remove(socket_path)
+        except OSError:
+            pass
+
     def _restore_boot(self, task, snapshot_url, net_entries):
         """restore 的启动段：起 VMM → 等 ping → restore →
         显式 resume → 等 SSH 就绪（恢复后默认 paused，不
         resume 就不算醒）。"""
         name = self.vm_name(task)
+        self._restore_prepare(task, name)
         self._launch_api_only(task)
         self.wait_api_ready(task)
         self._check_api_socket_permissions(self.api_socket(task))
@@ -1798,10 +2001,19 @@ class CloudHypervisorExecutor(Executor):
         保留在快照里（快照是暂停时刻的完整状态），临时文件
         不在恢复保证内（见 recycle_vm 的说明）。
         成功返回 {vm, state: "hibernated", snapshot: ...}。
-        本方法明写“等价实现”，绝不声称接了原生 hibernate。"""
+        本方法明写“等价实现”，绝不声称接了原生 hibernate。
+        feat-chv-v3（V-3 附带评估，结论：必须留盘）：
+        快照 config.json 引用原任务盘路径（state_dir/<vm>/
+        disk.raw），stop_vm 默认会删盘——修前 hibernate 的
+        stop 直接删掉了自己快照的输入，restore 时盘已不在、
+        必失败。所以休眠的 stop 用 keep_disk=True 留盘；
+        留下的盘由 gc_stale_disks 的快照登记保护（有登记
+        快照的 VM 不 GC 盘），快照被剪干净后盘才成孤儿可删。
+        restore 成功后 VM 再走正常 stop，盘照常删，不留
+        长期残留。"""
         self.pause_vm(task_or_name)
         self.snapshot_vm(task_or_name, snapshot_url)
-        self.stop_vm(task_or_name)
+        self.stop_vm(task_or_name, keep_disk=True)
         # to10：删死赋值（task 建出后未用，F841；返回值直接
         # 用 task_or_name 算 VM 名，行为不变）。
         return {"vm": self.vm_name(task_or_name),
@@ -1826,11 +2038,14 @@ class CloudHypervisorExecutor(Executor):
         if alive:
             self._kill_proc(proc)
 
-    def _cleanup_vm_files(self, name, task):
+    def _cleanup_vm_files(self, name, task, keep_disk=False):
         """stop 的三块文件清理：seed/私钥、任务磁盘、net 登记。
 
         任一块失败记对应审计并返回 True（脏标记由调用方写）；
-        seed/私钥与磁盘删除的审计名与文案逐字不变。"""
+        seed/私钥与磁盘删除的审计名与文案逐字不变。
+        keep_disk=True 时跳过任务盘删除（hibernate 专用：
+        快照 config.json 引用原盘路径，盘删了 restore 即
+        失败——见 hibernate_vm 的评估注释）。"""
         from cloud.chv.hostkeys import dirty_marker_path  # noqa: F401
         failed = False
         try:
@@ -1848,7 +2063,7 @@ class CloudHypervisorExecutor(Executor):
             self._emit("vm_key_cleanup_failed", task,
                        "vm=%s error=%s" % (name, _cleanup_exc))
         try:
-            if delete_task_disk(self.state_dir, name):
+            if not keep_disk and delete_task_disk(self.state_dir, name):
                 self._emit("vm_disk_deleted", task,
                            "vm=%s disk deleted on stop" % name)
         except Exception as _disk_exc:
@@ -1903,11 +2118,16 @@ class CloudHypervisorExecutor(Executor):
                        "dirty_marker_write_failed")
             return False
 
-    def stop_vm(self, task_or_name: dict | str) -> bool:
+    def stop_vm(self, task_or_name: dict | str,
+                keep_disk: bool = False) -> bool:
         """停止 VM（尽力而为，不抛异常）：已死进程直接清登记，
         已关 VM 仍尽力调一次 ch-remote（返回 False），socket
         残留删 socket（返回 True）。ch-remote shutdown 失败
-        不炸，但命令本身仍会发出（测试据此断言关闭路径）。"""
+        不炸，但命令本身仍会发出（测试据此断言关闭路径）。
+        feat-chv-v3（F2）：新实例的 _vms 里无登记时，旧 VMM
+        也要按 socket 进程扫描清掉（_kill_vmm_by_socket），
+        否则 socket/磁盘已删、VMM 空壳进程仍活着占 tap。
+        keep_disk=True 时不删任务盘（hibernate 专用）。"""
         name = self.vm_name(task_or_name)
         socket_path = os.path.join(self.state_dir, name + ".sock")
         with self._vms_lock:
@@ -1920,6 +2140,7 @@ class CloudHypervisorExecutor(Executor):
         except Exception:
             pass
         self._stop_registered_proc(name, proc)
+        self._kill_vmm_by_socket(socket_path)
         try:
             if os.path.exists(socket_path):
                 os.remove(socket_path)
@@ -1930,7 +2151,8 @@ class CloudHypervisorExecutor(Executor):
         # 三块清理独立记账 + 脏标记（H3/M2，见 _cleanup_vm_files）。
         _task = task_or_name if isinstance(task_or_name, dict) \
             else {"id": task_or_name}
-        _cleanup_failed = self._cleanup_vm_files(name, _task)
+        _cleanup_failed = self._cleanup_vm_files(name, _task,
+                                                 keep_disk=keep_disk)
         self._write_dirty_marker(name, _cleanup_failed)
         task = task_or_name if isinstance(task_or_name, dict) \
             else {"id": task_or_name}
@@ -1944,7 +2166,9 @@ class CloudHypervisorExecutor(Executor):
         """残留盘 GC（H3）：扫描 state_dir/*/disk.raw，VM
         非 live（无 api-socket 文件且无登记活进程）即删盘
         并审计；删失败审计 vm_disk_delete_failed 并计入
-        failed。返回 {deleted, failed}。"""
+        failed。返回 {deleted, failed}。
+        feat-chv-v3：有登记快照的 VM 不 GC 盘——那是休眠
+        VM 的盘，restore 还要读它（见 hibernate_vm）。"""
         deleted: list = []
         failed: list = []
         try:
@@ -1957,6 +2181,8 @@ class CloudHypervisorExecutor(Executor):
             disk = task_disk_path(self.state_dir, entry)
             if not (os.path.islink(disk) or os.path.exists(disk)):
                 continue
+            if has_recorded_snapshots(self.state_dir, entry):
+                continue
             live = os.path.exists(
                 os.path.join(self.state_dir, entry + ".sock"))
             with self._vms_lock:

cloud/chv/hostkeys.py

@@ -180,15 +180,19 @@ def build_seed_user_data(private_key_text: str, public_key_text: str) -> str:
     return "\n".join(lines) + "\n"
 
 
-def _guest_env_entry(merged_env: dict) -> list:
-    """guest-env 的 write_files 条目行（0600 root，值经
-    shlex.quote 引用）：只能并进已有的 write_files 列表，
-    绝不能再写一个 write_files: 键（YAML 重复键会覆盖掉
-    host key 的两条写文件条目，预置即失效）。"""
+def _guest_env_entry(merged_env: dict, owner: str = "root:root") -> list:
+    """guest-env 的 write_files 条目行（0600，值经 shlex.quote
+    引用）：只能并进已有的 write_files 列表，绝不能再写一个
+    write_files: 键（YAML 重复键会覆盖掉 host key 的两条写
+    文件条目，预置即失效）。owner 缺省 root:root；SSH 用户
+    非 root 时由调用方传 "<用户>:<用户>"——远程 shell 以该
+    用户 source 此文件，0600 root 时它读不到且旧拼装不中断、
+    密钥静默缺失（V-4），故文件须归实际读它的用户所有；
+    权限仍 0600（只给属主读），不放宽给组/其它。"""
     lines = [
         "  - path: %s" % GUEST_ENV_PATH,
         "    permissions: '0600'",
-        "    owner: root:root",
+        "    owner: %s" % owner,
         "    content: |",
     ]
     for key in sorted(merged_env):
@@ -227,22 +231,46 @@ def _apply_seed_extras(seed_dir: str, user_data: str,
     return user_data
 
 
+def _insert_guest_env_entry(user_data: str, merged_env: dict,
+                            ssh_user: str | None) -> str:
+    """把 guest-env 条目并进 user-data 已有的 write_files
+    列表（绝不再写一个 write_files: 键，见 _guest_env_entry）。
+    owner：SSH 用户非 root 时写 "<用户>:<用户>"（0600 不变），
+    否则 root:root。条目插在 runcmd 段之前、仍属同一
+    write_files 列表（seed 自 2026-11-07 起不再带 runcmd，
+    见 build_seed_user_data 的根因禁令；marker 分支只作
+    防御，将来模板若恢复 runcmd 仍插在其前）。"""
+    owner = "root:root"
+    if ssh_user and ssh_user != "root":
+        owner = "%s:%s" % (ssh_user, ssh_user)
+    lines = _guest_env_entry(merged_env, owner=owner)
+    marker = "runcmd:\n"
+    if marker in user_data:
+        head, tail = user_data.split(marker, 1)
+        return head + "\n".join(lines) + "\n" + marker + tail
+    return user_data + "\n".join(lines) + "\n"
+
+
 def write_seed(seed_dir: str, vm_name: str, private_key_text: str,
                public_key_text: str,
                secret_env: dict | None = None,
                guest_env: dict | None = None,
                user_data_extra: str | None = None,
-               network_config: str | None = None) -> str:
+               network_config: str | None = None,
+               ssh_user: str | None = None) -> str:
     """写 seed 目录：meta-data + user-data（均为 0600），
     返回 seed 目录路径。调用方负责随 VM 销毁删掉它。
 
-    secret_env 给定时写进客内 GUEST_ENV_PATH（0600 root，
+    secret_env 给定时写进客内 GUEST_ENV_PATH（0600，
     远程命令 source 它得密钥环境，值不进宿主 argv/环境/
     审计明文）。guest_env 给定时与 secret_env 合并写同一
     个条目（secret 优先于同名键，防两行同名）；guest_env
     装 boot 时要用的非密钥同步变量（GITEA_URL 等，见
     gitea_sync）：只走 SSH 前缀到不了 cloud-init 时运行
     的 chv-sync boot。两者皆空时不写该条目。
+    ssh_user：远程 shell 的用户；非 root 时 guest-env 条目
+    owner 写 "<用户>:<用户>"（0600 不变），否则该用户读
+    不到文件（V-4）；root/未给时仍 root:root。
     user_data_extra / network_config 见 _apply_seed_extras
     （客机用户与静态网络的供给，皆空即不写）。"""
     os.makedirs(seed_dir, exist_ok=True)
@@ -260,17 +288,8 @@ def write_seed(seed_dir: str, vm_name: str, private_key_text: str,
     merged_env = dict(guest_env or {})
     merged_env.update(secret_env or {})
     if merged_env:
-        lines = _guest_env_entry(merged_env)
-        # 条目插在 runcmd 段之前、仍属同一 write_files 列表
-        #（seed 自 2026-11-07 起不再带 runcmd，见
-        # build_seed_user_data 的根因禁令；marker 分支只作
-        # 防御，将来模板若恢复 runcmd 仍插在其前）。
-        marker = "runcmd:\n"
-        if marker in user_data:
-            head, tail = user_data.split(marker, 1)
-            user_data = head + "\n".join(lines) + "\n" + marker + tail
-        else:
-            user_data = user_data + "\n".join(lines) + "\n"
+        user_data = _insert_guest_env_entry(
+            user_data, merged_env, ssh_user)
     user_data = _apply_seed_extras(seed_dir, user_data,
                                    user_data_extra, network_config)
     atomic_write_text(user_path, user_data)

cloud/chv/ssh_transport.py

@@ -158,9 +158,13 @@ def remote_command(inner_cmd: list, egress_proxy: str | None = None,
 
     每个 token 都经 shlex.quote：ssh 客户端把 argv 用空格拼
     成一条远程命令时，远程 shell 解析回来的恰好是本地 list
-    语义。guest_env_file 给定时，远程命令先 `set -a; . <文件>;
-    set +a`（把 seed 投递的密钥文件 source 进环境并 export），
-    再接 env 前缀与客内命令；文件路径本身不是密钥。
+    语义。guest_env_file 给定时，远程命令先 `set -a; . <文件> ||
+    exit 126; set +a`（把 seed 投递的密钥文件 source 进环境并
+    export），再接 env 前缀与客内命令；文件路径本身不是密钥。
+    source 失败（文件缺失、权限不足）时远程 shell 立即以 126
+    退出——此前 `;` 会继续执行，密钥静默缺失、任务带着空密钥
+    跑下去（2026-11-07 WSL 真机 V-4：guest-env 0600 root，
+    远程 shell 以 chv 运行，source 失败但不中断）。
     extra_env 含密钥名时 ValueError（调用方须先 split 出
     密钥子集走 seed 投递，见 split_secret_env）。env 前缀的
     拼装见 _env_assignments（NO_PROXY 合并、egress 优先）。"""
@@ -173,7 +177,8 @@ def remote_command(inner_cmd: list, egress_proxy: str | None = None,
     tokens = []
     if guest_env_file:
         tokens += ["set", "-a;", ".",
-                   shlex.quote(guest_env_file) + ";", "set", "+a;"]
+                   shlex.quote(guest_env_file) + " || exit 126;",
+                   "set", "+a;"]
     env_assignments = _env_assignments(extra_env, egress_proxy)
     inner = [shlex.quote(str(arg)) for arg in inner_cmd]
     if env_assignments: