feat: 文档/图片工具进任务镜像 + 结果截断从截断 JSON 改为提取 text 上限 20000 字

cloud/sandbox.py

@@ -30,6 +30,15 @@ from cloud.marker_tools import extract_wait_threads as _extract_wait_threads
 from cloud.peer_messages import extract_peer_messages as _extract_peer_messages
 
 MAX_STDOUT_CHARS = 2000
+# 任务结果文本上限：2000 字截断的是 host.py 打印的整段 JSON，
+# text 超过 2000 字时 JSON 本身被截断，worker 再解析 stdout
+# 取 text 必然失败，存库的就变成截断的 JSON（2026-10-30
+# 生产审计任务 dbe0c39f… 正是这样在 "PI" 处断掉）。修法：
+# 解析出的 text（或非 JSON 的原文本）单独截到 20000 字，
+# 超限时带截断标记，绝不把截断的 JSON 当结果存库。
+# 状态 / usage / 标记块仍从完整 stdout 解析，不受此截断影响。
+MAX_RESULT_CHARS = 20000
+_RESULT_TRUNCATED_MARKER = "\n\n[结果已截断：原文超 20000 字，仅显示前 20000 字]"
 
 # 启动前分段日志（2026-10-29 任务 A）：docker run 是阻塞调用，
 # 容器输出要等返回才回传，中途卡死时 worker 侧没有任何标记；
@@ -223,6 +232,21 @@ def _truncate_stdout(text):
     return str(text)[:MAX_STDOUT_CHARS]
 
 
+def _result_text(parsed, stdout_full):
+    """执行结果存库用的文本：优先取 host.py JSON 的 text 字段，
+    取不到时用原文本；截到 MAX_RESULT_CHARS，超限带截断标记。
+    调用方必须在解析出 parsed 后再调本函数，绝不能先截断
+    stdout 再解析 JSON（截断的 JSON 解析失败，text 全丢）。
+    """
+    if isinstance(parsed, dict) and parsed.get("text"):
+        text = str(parsed["text"])
+    else:
+        text = str(stdout_full or "")
+    if len(text) > MAX_RESULT_CHARS:
+        return text[:MAX_RESULT_CHARS] + _RESULT_TRUNCATED_MARKER
+    return text
+
+
 def _default_runner(cmd, env=None):
     """subprocess.run 的薄封装：捕获输出、文本模式。
 
@@ -353,7 +377,6 @@ class LocalExecutor(Executor):
         """
         returncode = getattr(result, "returncode", 1)
         stdout_full = getattr(result, "stdout", "") or ""
-        stdout = _truncate_stdout(stdout_full)
         status = "failed"
         usage = None
         task_messages = []
@@ -364,12 +387,14 @@ class LocalExecutor(Executor):
         task_retries = []
         turn_id = None
         root_turn_id = None
+        parsed = None
         if returncode == 0:
             status = "completed"
             # JSON 解析必须用完整 stdout：截头后的前 2000 字在
             # text 很长时根本不是合法 JSON，旧代码会把 host 的
             # failed 误判成 completed；usage 在 JSON 末尾，截头
-            # 后同样丢。存库的 stdout 仍用截头版，不变。
+            # 后同样丢。存库的 stdout 是解析出的 text（见
+            # _result_text），不再是截断的 JSON。
             try:
                 parsed = json.loads(stdout_full)
             except (TypeError, ValueError):
@@ -404,6 +429,7 @@ class LocalExecutor(Executor):
                 host_status = None
         else:
             host_status = None
+        stdout = _result_text(parsed, stdout_full)
         return {
             "executor": "local",
             "task_id": task_id,
@@ -796,7 +822,12 @@ class LocalExecutor(Executor):
             raise ValueError("任务缺少 id")
         result = self.runner(self._command(task_id))
         returncode = getattr(result, "returncode", 1)
-        stdout = _truncate_stdout(getattr(result, "stdout", ""))
+        stdout_full = getattr(result, "stdout", "") or ""
+        try:
+            parsed = json.loads(stdout_full)
+        except (TypeError, ValueError):
+            parsed = None
+        stdout = _result_text(parsed, stdout_full)
         return {
             "executor": "local",
             "task_id": task_id,
@@ -1758,7 +1789,6 @@ def _parse_host_result(task_id, fake):
     """
     returncode = getattr(fake, "returncode", 1)
     stdout_full = getattr(fake, "stdout", "") or ""
-    stdout = _truncate_stdout(stdout_full)
     status = "failed"
     host_status = None
     usage = None
@@ -1770,12 +1800,14 @@ def _parse_host_result(task_id, fake):
     task_retries = []
     turn_id = None
     root_turn_id = None
+    parsed = None
     if returncode == 0:
         status = "completed"
         # 与 _result_from_runner 同理：JSON 解析用完整 stdout，
         # 否则长 text 会把 host 的 failed 误判成 completed，
         # 也会丢掉 JSON 末尾的 usage。标记块同样从完整解析
-        # 出的 text 里提取。
+        # 出的 text 里提取。存库的 stdout 是解析出的 text，
+        # 不再是截断的 JSON（见 _result_text）。
         try:
             parsed = json.loads(stdout_full)
         except (TypeError, ValueError):
@@ -1797,6 +1829,7 @@ def _parse_host_result(task_id, fake):
             # 时保持 None，worker 写回时不覆盖旧值。
             turn_id = parsed.get("turn_id")
             root_turn_id = parsed.get("root_turn_id")
+    stdout = _result_text(parsed, stdout_full)
     return {
         "executor": "docker",
         "task_id": task_id,