codex-app-server/cloud

云端控制面（cloud/）

本目录是 host.py 本地编排之上的云端架构实施：控制面 server + 已就绪的模块（认证、队列、沙箱、记忆、知识库、模型路由、成本、 webhook）。零第三方依赖，只用 Python 标准库。

诚实边界：这是一个本地可跑的控制面演示，不是已建成的真实云服务。 本 server 不跑模型回合、不连真实 GitHub/Slack/云服务。生产前仍缺 的外部条件见文末“生产前仍缺什么”一节，不要绕过去。

架构：谁负责什么

客户端 / GitHub / Slack
        │  HTTP + X-API-Key（webhook 靠签名，OAuth 靠 state，见下）
        ▼
cloud/server.py（控制面，ThreadingHTTPServer）
  ├─ 项目 / 任务：建、查、取消、心跳、stale 回收、任务成本
  ├─ 记忆 / 知识库 / 成本 / 模型：已接成 HTTP 端点（见 API 表）
  ├─ OAuth：cloud/oauth.py（state + 授权 URL + 回调，脚手架）
  ├─ 推送订阅与分发：cloud/push.py（订阅表 + 偏好过滤）
  ├─ 认证 / 权限 / 审计：cloud/auth.py（AuthStore）
  ├─ 数据库接口：cloud/db.py（Database 接口 + SQLite 实现，
  │   WAL + busy_timeout + 有限重试；Postgres 已接通，见下）
  ├─ 并发：cloud/db.py（WAL + busy_timeout + 有限重试）
  └─ webhook 入站：cloud/webhooks.py（验签 + 解析，只解析不执行）

状态库：单一 SQLite 文件。AuthStore 用 users / project_members / audit_log 三张表；server 用 projects / tasks 两张表，表名不冲突。 同一个 db_path 传给两边即可。不要再用共享 JSON 文件当多用户状态库。

并发：ThreadingHTTPServer 多线程处理请求，每个请求内新建 SQLite 连接（server 表用新连接，AuthStore 每次请求新建一个实例），绝不在 多线程 handler 间共用一个连接。注意：AuthStore 自身持有一个连接， server 因此不在 handler 间共享 AuthStore 实例。

任务状态机（与 host.py 对齐）：

queued → running → completed / failed / interrupted / merged / merge-failed

本版 server 只流转 queued → running（心跳）→ interrupted（取消 / sweep 回收），以及 completed → merged（见下表 POST /tasks/{id}/merge）。 completed 由 worker 在跑完模型回合后回写；merged 只由合并 状态接口同步，不执行合并本身——合并仍由 host.py merge（本地 或 Docker 容器内）执行，成功后再调本接口，云端不该在任务 completed 时自动改主分支。

启动方式

cd ~/workspace/codex-app-server
python3 -m cloud.server [--host 127.0.0.1] [--port 8765] [--db <路径>]
# 默认：host 127.0.0.1，port 8765，db 为当前目录下的 cloud-control-plane.db

测试用（不自动 serve）：

from cloud.server import create_server
server = create_server(db_path, host="127.0.0.1", port=8765)
server.serve_forever()

用户与 API key 由调用方先用 AuthStore 建（明文 key 只返回一次， 库里只存 sha256 哈希，绝不把 key 写进文件或聊天记录）：

from cloud.auth import AuthStore
store = AuthStore(db_path)
user_id, api_key_plain = store.create_user("alice")

API 列表

全部返回 JSON，Content-Type: application/json。除 GET /health、 /webhooks/*、/oauth/* 外，所有端点要求请求头 X-API-Key，无 key 或 key 错返回 401 {"error": "unauthorized"}。/webhooks/* 不走 X-API-Key，因为外部服务无法持本站 API key，改靠各自的签名认证。 /oauth/* 不走 X-API-Key，因为 OAuth 登录的起点就是用户还没有 本站 API key——它的认证靠随机 state（10 分钟过期、一次性）加 client_secret（只走环境变量），不是无认证后门。

本轮新增端点（同样要求 X-API-Key）：GET /workers（注册 worker 列表，含 alive）、POST /workers/heartbeat（body 含 worker_id， 心跳即注册）、POST /tasks/{id}/pr（已 merged 任务的自动 PR， 默认关闭，缺条件时返回 pr_skipped 而不是失败；见下文“云端派发与 自动 PR”一节）。POST /tasks 新增可选 executor （local/docker/cloud，未传表示任意 worker 可认领）； POST /projects 新增可选 auto_pr（0/1，默认 0）。

OAuth 真实浏览器登录（已实现，部署前置仍需用户动手）

流程（标准 OAuth2 授权码流程）：

1. GET /oauth/{provider}/login?client_id=...&redirect_uri=... 返回 {provider, state, authorization_url}；state 已入库 （10 分钟过期、一次性，provider / redirect_uri / client_id 都随 state 一起存下），把用户送到 provider 授权页。
2. 用户授权后 provider 重定向到本站 GET /oauth/{provider}/callback?code=...&state=...（真实浏览器 流程只带 code + state；client_id / redirect_uri 由 server 从 state 记录取回，不需要 provider 额外带回）。
3. server 验 state → 用 code 换 token → 调真实 userinfo 取身份 （GitHub：https://api.github.com/user，Bearer + User-Agent， 取 login/id；Google：https://openidconnect.googleapis.com/v1/userinfo， 取 sub/email/name）→ 映射到本站用户（确定性用户名 oauth:<provider>:<login>，新建或复用）→ 签发本站 API key 并记审计 oauth_login（轮换时另记 api_key_rotated）。
4. 成功页（GET 回调）只显示 login、user_id、是否新用户和新 API key 一次，并写清“请立即保存，刷新后不再显示，旧 key 已失效 （如系轮换）”；成功页绝不显示 access_token、client_secret、 旧 API key。POST /oauth/{provider}/callback（JSON 版，body 带 code/state，client_id/redirect_uri 可省、从 state 取回）同样在 成功响应里返回一次新 API key；之后任何接口都不再返回它。 失败一律 400：state 无效/过期/不匹配、换 token 失败、userinfo 失败、client_secret 缺失都有明确 reason，且不建用户、不发 key。 state 仍是一次性、10 分钟过期、provider / redirect_uri 必须匹配。

真实部署前置（以下任何一项没做，都不算真登录，绝不是“改个 环境变量就自动有公网登录”）：

• 在 GitHub 上注册 OAuth App（或 Google 上注册 OAuth 客户端）： 应用名自定；Homepage URL 填本站公网地址；Authorization callback URL 必须与本站回调地址逐字一致，即 https://<你的域名>/oauth/github/callback（Google 同理）； 非 localhost 时 GitHub 要求回调地址是 https，http 会被拒绝。
• client_id 由登录请求方传入（login 接口的 query 参数不变）； client_secret 只从环境变量读（GitHub GITHUB_OAUTH_CLIENT_SECRET、Google GOOGLE_OAUTH_CLIENT_SECRET），绝不写文件、绝不硬编码、 绝不出现在授权 URL 或成功页里；secret 缺失时回调明确报 client_secret_missing，不会以空 secret 去撞真实端点。
• 本站控制面必须有公网可达的 https 回调地址：目前 server 默认 只绑 127.0.0.1:8765，没有公网入口、没有 TLS，这一步是部署 前置——需要在部署侧配反向代理 + TLS 证书并把公网域名指到 server，再把该域名下的回调地址填进 OAuth 应用的注册信息里。
• 登录后 API key 的保存与轮换规则：新用户拿到创建时生成的 key； 已存在用户每次 OAuth 登录都会轮换 key（旧 key 立即失效）， 因此不要把旧 key 存到多处长期复用；key 明文只在回调成功页/ 响应里出现一次，丢了只能重新走一次 OAuth 登录拿新 key。
• 仍缺（非部署前置，但同样未完成）：已有本站账号的绑定流程 （目前是确定性用户名新建/复用，不做账号绑定）。

推送凭证清单

• webhook / slack：需要可注入 sender（worker 侧），HTTP 层没有 sender 时明确报错，不静默成功。
• webpush：需要 VAPID 密钥对（私钥绝不进仓库）。
• apns：需要 APNs 证书。
• fcm：需要 FCM key。 以上三者目前只有接口 + 缺凭证报错，没有真实发送端。

SQLite 并发上限

server 的连接统一走 cloud/db.py：WAL 模式、busy_timeout 5000ms、 写锁冲突有限重试 3 次（退避 0.05s/0.1s/0.2s，重试耗尽抛原始错误， 绝不无限循环）。多线程并发写测试已覆盖。但这只是单机缓解： 写仍是单写者串行，写密集或跨机器时必须换 Postgres，这是下一阶段， 不是本轮假装解决。

数据库后端选择（接口层）

cloud/db.py 已抽成接口层，不改旧调用：

• Database 接口的方法就是原有 SQLite 实现对外提供的全部方法， 按实际代码为准：connect（连接 + WAL 设置）、 execute_with_retry（执行）、read_all（查询）、 transaction（事务）、is_locked_error（锁冲突判定）。
• SQLiteDatabase：现有实现改名后的类封装，原样保留 WAL / busy_timeout / 有界重试；模块级函数 connect / execute_with_retry / read_all / transaction / is_locked_error 仍可用，行为不变。
• PostgresDatabase：真实 Postgres 实现。调用方仍写 sqlite3 风格 SQL（? 占位符、row["col"]、conn.execute / fetchall / commit / rollback / close），由 PgConnection / PgCursor / PgRow 适配层翻译成 Postgres 方言（? -> %s，字符串字面量里的 ? 不动； INSERT OR REPLACE -> ON CONFLICT DO UPDATE； PRAGMA table_info -> information_schema； AUTOINCREMENT -> GENERATED BY DEFAULT AS IDENTITY； FTS5 虚拟表在 PG 上明确报错、KBStore 走 LIKE 分支）。 驱动异常映射成 PostgresIntegrityError / PostgresOperationalError / PostgresConnectionError， 绝不把驱动异常原样漏成 sqlite3 异常。模块级 connect() 按 CLOUD_DB_BACKEND 分发，因此 server / AuthStore / MemoryStore / KBStore / CostStore 等沿用 connect() 的 调用点无需重构即可走 Postgres；但 backup.py 的 SQLite 在线备份 API 仍只适用于 SQLite，Postgres 备份请用 pg_dump。
• 工厂 create_database(backend, db_path) / database_from_env()： 两个后端提供同一组接口方法与签名，见 cloud/tests/test_db_backend.py 的接口契约测试。

后端选择环境变量（server 启动时生效，默认仍是 SQLite）：

环境变量	说明	默认
CLOUD_DB_BACKEND	sqlite 或 postgres（postgresql 同义）；其它值启动即报 ValueError，不静默当 sqlite	sqlite
CLOUD_DB_HOST	Postgres 主机，全部走环境变量，不硬编码地址	无（未设即 None）
CLOUD_DB_PORT	Postgres 端口，须为整数	无（未设即 None，走驱动默认）
CLOUD_DB_NAME	Postgres 库名	无
CLOUD_DB_USER	Postgres 用户名	无
CLOUD_DB_PASSWORD	Postgres 密码，只走环境变量，绝不写文件、绝不进日志与 repr	无

选 postgres 且驱动缺失时启动即明确报错：PostgresDatabase 初始化时探测 psycopg（优先）/ psycopg2，两者都缺就抛 PostgresDriverMissingError（RuntimeError 子类，文案含 psycopg，写明“需安装 psycopg”），绝不静默回落到 SQLite， 也绝不假装已接通 Postgres。create_server 在建表之前就做这 一步校验，所以失败时不会先建出一个 SQLite 库假装可用。

Postgres 部署步骤（不要只改一个环境变量）

改 CLOUD_DB_BACKEND=postgres 本身不会迁移任何数据，也不会 建库——只改它、数据还在旧 SQLite 文件里，新库是空的。完整 步骤是：

1. 装驱动（psycopg v3 优先）：

   pip install "psycopg[binary]"
   # 其次才用 psycopg2：pip install psycopg2-binary
   

2. 在 Postgres 里建库与用户（示例库名与用户名请按实际部署改， 密码绝不写进仓库文件）：

   CREATE DATABASE cloud_control_plane;
   CREATE USER cloud_app WITH PASSWORD '<仅在此处输入>';
   GRANT ALL PRIVILEGES ON DATABASE cloud_control_plane TO cloud_app;
   

   注意：表由应用启动时 init_postgres_schema 建（ cloud/db.py 的 POSTGRES_SCHEMA，与 SQLite 表名/列名 一一对应，含 tasks 的 6 个结果列；KB 在 PG 上无 FTS 表， 走 LIKE 搜索）。若数据库用户不是库 owner，另需对 public schema 授权（GRANT ALL ON SCHEMA public TO cloud_app）， 否则建表会报权限错——这是部署侧问题，不是代码 bug。
3. 设环境变量并启动（--db 参数在 PG 模式下被忽略，连接 参数只走环境变量；--db-backend postgres 与环境变量等价）：

   export CLOUD_DB_BACKEND=postgres
   export CLOUD_DB_HOST=127.0.0.1 CLOUD_DB_PORT=5432
   export CLOUD_DB_NAME=cloud_control_plane
   export CLOUD_DB_USER=cloud_app
   export CLOUD_DB_PASSWORD='<仅在此处输入>'
   python3 -m cloud.server --host 127.0.0.1 --port 8765
   

4. 迁旧数据（可选，须在启动建表之后、切流量之前跑；跑两次 不重复插，第二次各表 inserted 应为 0）：

   python3 -m cloud.migrate_sqlite_to_postgres \
     --sqlite /path/to/cloud-control-plane.db
   # 输出示例：projects: 3 / tasks: 12 / ... / total inserted: N
   # （只打印表名与行数，不打印任何密码或密钥）
   

   迁移脚本逻辑在 cloud/migrations.py（ migrate_sqlite_to_postgres），身份列的序列会在迁完后 拨到当前最大 id，避免后续自动生成撞主键。
5. 回退到 SQLite：把 CLOUD_DB_BACKEND 改回 sqlite（或 删掉它，默认即 sqlite），并把 --db 指回原来的 SQLite 文件即可。但注意：切到 Postgres 之后新写的数据只在 Postgres 里，SQLite 文件里没有——回退不会自动把 PG 数据 导回 SQLite；如需回迁，须另写 PG -> SQLite 脚本（本轮 未提供，不要假装存在）。
6. 备份：Postgres 侧用 pg_dump，不要用 cloud/backup.py （那是 SQLite 在线备份 API，只适用于 SQLite 文件）。

诚实边界（仍需在真实服务器上验证，见下文“未验证清单”）： 本机 VM 既无 psycopg 驱动、也无 Postgres 服务器，因此真实 PG 路径在本机只能 skip（见测试一节），不能谎称已在真实 PG 上跑通过。已验证的是：适配层翻译逻辑（fake 驱动）、 schema 语句覆盖、SQLite 全量回归不坏。

方法与路径	权限	说明
GET /health	无需认证	200 {"ok": true, "service": "cloud-control-plane"}
POST /projects	认证即可	body {name, id?}；无 id 则生成 uuid；调用者记为 owner（调 AuthStore.create_project，同时写 projects 表并记审计 create_project）；返回 201 + 项目
GET /projects	认证即可	只返回调用者是成员的项目：{"projects": [...]}
POST /tasks	create_task	body {project_id, prompt, depends_on?, priority?, idempotency_key?}；无权限 403；同 project_id + idempotency_key 已存在则返回已有任务（200，不建重复）；否则建 queued 任务并记审计 create_task，返回 201
GET /tasks?project_id=...	该项目 read	返回该项目任务列表：{"tasks": [...]}；无权限 403
GET /tasks/{id}	该任务所属项目 read	无权限 403；不存在 404
POST /tasks/{id}/cancel	该项目 create_task	queued / running 改为 interrupted 并记审计 cancel_task；已是终态（completed / failed / interrupted / merged / merge-failed）返回 400；不存在 404
POST /tasks/{id}/merge	该项目 approve_merge（maintainer 以上）	只同步状态，不执行合并：仅 completed 可改为 merged 并记审计 merge_task，其它状态（含已 merged 的重复调用）返回 409；不存在 404，越权 403，无 key 401
POST /tasks/{id}/heartbeat	该项目 create_task	更新 last_heartbeat = now；状态为 queued 则改为 running；返回任务
POST /admin/sweep	认证即可	调 sweep_stale_tasks(db_path, threshold_seconds=300)（body 可传 threshold_seconds 覆盖默认值）；把 running 且 last_heartbeat（无心跳则用 updated_at）早于 now - threshold 的任务改为 interrupted 并记审计 sweep_interrupted；返回 {"swept": [ids]}
POST /admin/backup	maintainer 以上	Postgres 时调 backup_postgres、SQLite 时调 backup_db（body 可传 out_dir，否则用 CLOUD_BACKUP_DIR 或默认 cloud-backups）；返回 {backend, path, size_bytes, task_count}，绝不返回数据库密码或备份文件内容
POST /tasks/{id}/cost	该任务所属项目 read	成本聚合：{task_id, project_id, total_tokens, usd_micros, turns, fallback_count, actual_tokens, estimated_tokens}；真数与估算分开；不存在 404，越权 403
POST /projects/{id}/memory	该项目 create_task	写线程摘要 body {thread_id?, goal, conclusion, files_changed?, open_issues?}，返回 201 {id}，并记审计 create_memory
GET /projects/{id}/memory?top_k=5	该项目 read	最近 active 摘要（默认 top_k=5）+ prompt_context（只含 top_k，不全量注入）；不存在 404，越权 403
POST /projects/{id}/memory/{mid}/supersede	该项目 create_task	把摘要标废弃（deprecated，不是物理删除），并记审计 supersede_memory；摘要不属于该项目则 404
POST /projects/{id}/kb/index	该项目 create_task	索引文档 body {path, content, kind?}，同项目同 path 重复索引会替换旧文档，返回 201 {id}
GET /projects/{id}/kb/search?q=&top_k=5	该项目 read	FTS + LIKE 回退，仍按项目过滤，跨项目文档绝不返回；q 缺失 400
GET /projects/{id}/cost	该项目 read	项目成本总览 + 按天：?day=YYYY-MM-DD 查单天，?days=N 查最近 N 天；无参数只给总览
GET /models	认证即可	优先级列表（环境变量 MODELS_PRIORITY 逗号分隔，未设用默认）+ 只含调用者成员项目的模型统计与 fallback 事件（fallback_count > 0 的任务）；不返回 prompt 内容
GET /oauth/{provider}/login?client_id=&redirect_uri=&scope=	无需 X-API-Key（pre-auth）	返回 {provider, state, authorization_url}，只返回 URL 不跳转；provider 仅 github/google，未知 400；state 已入库，10 分钟过期
GET /oauth/{provider}/callback?code=&state=	无需 X-API-Key（pre-auth）	真实浏览器回调：验 state（从 state 记录取回 client_id / redirect_uri）→ 换 token → 真实 userinfo 取身份 → 映射本站用户并签发 API key；成功返回 HTML 成功页（login、user_id、是否新用户、新 API key 一次，含保存与轮换提示，不含 access_token / client_secret / 旧 key）；state 无效/过期/不匹配、换 token 失败、userinfo 失败、无 secret 一律 400 错误页且不建用户、不发 key
POST /oauth/{provider}/callback	无需 X-API-Key（pre-auth）	JSON 版回调：body {code, state, client_id?, redirect_uri?}（后两者可省、从 state 取回）；验 state → 换 token → 真实 userinfo 取身份 → 映射到本站用户（复用 users 表，用户名 oauth:<provider>:<login>）并签发 API key、记审计 oauth_login（轮换时另记 api_key_rotated）；state 无效/过期、换 token 失败、userinfo 失败、无 secret 一律 400 且不建用户、不发 key；成功响应里返回一次新 API key，之后任何接口都不再返回它
POST /projects/{id}/push/subscriptions	该项目 create_task	记订阅 body {channel, target, preference?}，channel 为 webhook/slack/webpush/apns/fcm，preference 为 instant/digest/silent，返回 201
GET /projects/{id}/push/subscriptions	该项目 read	只列调用者自己的订阅（不泄露他人 target）
DELETE /projects/{id}/push/subscriptions/{sid}	该项目 create_task	只能删自己的订阅，项目 owner 可删任意；不存在 404，他人订阅 403
POST /admin/push/dispatch	该项目 read	body {event_type, project_id, payload?}；只发状态变化事件（completed/failed/goal-unmet/merge-failed/review-requested）；HTTP 层无注入 sender：webhook/slack 报“无 sender”，webpush/apns/fcm 报缺凭证，都不静默成功；真实发送端由 worker 注入 sender 后调 push.dispatch_event
POST /webhooks/github	GitHub 签名	见“webhook 端点”
POST /webhooks/slack	Slack 签名	见“webhook 端点”

单个项目 / 任务以裸对象返回；列表以 {"projects": [...]} / {"tasks": [...]} 包装。任务对象字段：id、project_id、prompt、 status、idempotency_key、depends_on（list）、priority、 created_by、created_at、updated_at、last_heartbeat。

函数 sweep_stale_tasks(db_path, threshold_seconds=300) -> list 独立 可单测，不依赖 HTTP；回收动作的审计 user_id 记为 "system"。

webhook 端点（GitHub 已从“只解析”升级为“可执行且幂等”；Slack 仍只解析）

• POST /webhooks/github：用 webhooks.verify_github_signature 验签（请求头 X-Hub-Signature-256），secret 从环境变量 GITHUB_WEBHOOK_SECRET 读。未设 secret 返回 503；验签失败 返回 401（两者都在去重之前，避免未验签的重复送达污染去重表）。 顺序：验签 -> delivery 去重 -> 解析 -> 执行建任务。
• delivery 去重：请求头 X-GitHub-Delivery 做幂等，去重记录持久化 到数据库新表 webhook_deliveries（delivery_id 主键、event、repo、 created_at），不是只放内存；同一 delivery 第二次送达直接返回 200 {"duplicate": true, ...}，不重复建任务、不重复记审计。 并发/去重兜底：任务另有 idempotency_key = webhook:<delivery_id>， 冲突时回读已建任务而不重复建。
• PR 评论 /fix-review 执行：解析成功后在控制面数据库里建一个 queued 任务，prompt 为 [webhook /fix-review] repo=<repo> pr=<PR号> author=<作者>\n<评论原文>，并记审计 webhook_fix_review，返回 task_id 与 project_id；webhook 处理里不直接跑模型，模型执行 仍是 worker 认领后做的事。任务归属按项目名 == repo full_name 匹配； 没有匹配项目时不凭空建项目、不建任务，返回 task_id: null 并说明 原因（worker 的 repo 仍是配置里的 repo，不是任意 GitHub 仓库的 自动克隆）。
• check_run / check_suite 解析：parse_github_check_run 只在 conclusion 已定（success / failure）时返回结构化结果（repo、 head_sha、conclusion、check_name），handler 直接返回该结果而不建 任务、不改云端任务状态；结论进行中（None / queued / in_progress / neutral / cancelled 等）时返回 {"result": null}。CI 状态回填仍由 pr-checks 主动拉取，webhook 只做通知解析，不要假装 webhook 已 自动更新了云端任务状态。
• POST /webhooks/slack：用 verify_slack_signature 验签（请求头 X-Slack-Signature / X-Slack-Request-Timestamp，含 300 秒防重放）， secret 从环境变量 SLACK_SIGNING_SECRET 读。未设返回 503； 验签失败返回 401；成功返回 parse_slack_command 的结果，不执行任务。

权限表

角色高低：viewer < contributor < maintainer < owner。未加入项目一律 无权限。动作的最低角色（AuthStore.check_permission 的实际规则）：

动作	viewer	contributor	maintainer	owner
read（读项目任务）	✅	✅	✅	✅
create_task（建任务 / 取消 / 心跳）	❌	✅	✅	✅
approve_merge（批合并，worker 侧用）	❌	❌	✅	✅
manage_project（仅 owner，改成员等）	❌	❌	❌	✅

说明：manage_project 的最低角色是 owner 本人，不是 maintainer； 改成员（AuthStore.set_member）只有 owner 能做，否则抛 PermissionError。审计（audit / list_audit）只追加、只读，本模块 不提供删除或修改审计记录的方法。

注意一个实际签名细节：AuthStore.create_project(project_id, owner_user_id) 只写 project_members 的 owner 成员记录，不建项目 记录本身；项目记录（name 等）由 server 写 projects 表。两者配合 才算一个完整项目，不要只调一处。

测试

cd ~/workspace/codex-app-server
python3 -m unittest discover -s cloud/tests -v   # 模块单测 + 集成单测
python3 -m unittest discover -s tests -v          # 原有 host.py 测试

cloud/tests/test_server.py 用 http.client 对本地临时端口的 server 做真实 HTTP 测试（临时 SQLite 文件与临时端口，跑完关闭 server）， 覆盖：无 key / 错误 key 401、非成员读项目 403、viewer 建任务 403、 幂等键第二次返回同一任务且任务数不增加、cancel 把 running 任务变 interrupted 且终态任务 cancel 返回 400、心跳后 sweep 不扫刚心跳的 任务、sweep 扫掉心跳过期（手动改旧 last_heartbeat 或 threshold=0） 的 running 任务、GET /health 不认证也通、GET /projects 只返回成员项目， 以及两个 webhook 端点的 503 / 401 / 验签成功解析。

生产前仍缺什么

以下每一项都是外部条件，缺了就不能算生产可用，不要绕过去：

• 常驻机器 / 托管服务：本 VM 会被平台定时回收，跑在这里只能算 演示。生产需要一台常驻机器或托管服务（以及相应的进程守护与 重启策略），否则控制面会随 VM 回收一起消失。
• GitHub 远端 + PAT：codex-app-server 目前仍无 git 远端，gh 也未登录；真实 PR 流程（host.py 的 pr / pr-checks / pr-merge） 需要先建远端并用 Secure Vault 供给 PAT，PAT 绝不写文件。
• Slack App：需要真实 Slack App（签名密钥、斜杠命令、事件订阅） 才能接通 SLACK_SIGNING_SECRET 背后的入站；目前只有验签与解析， 且 NotificationService 的 Slack 发送端仍是占位注入。
• 云容器账号：CloudExecutor 仍是占位（无账号即抛错）。 Docker 执行已接通（见下文“Docker 沙箱执行器”），但真实 docker run、镜像构建、资源限额实测仍需在外部主机上做： 本 VM 没有 Docker，本轮未连外部主机、未向真实外部服务发 请求、未跑真实模型回合，不要宣称 Docker 沙箱已在真实环境验证。
• 模型 key 供给方式：这是当前最实在的卡点。上次 real-nightly-tests automation 就卡在这里：定时进程手里没有中转站 key，key 从不存文件、只在进程环境里 transient 供给。控制面要跑 真实模型回合，必须先由用户定下供给方式（例如常驻进程的环境、 Secure Vault 注入、或其它经用户明确同意的渠道），而不是把 key 写进配置文件、数据库或代码里凑合。定下之前，定时自动化与 worker 的模型回合都只能停在“失败路径可用、模型跑不起来”的状态。
• 其它待接线（非外部条件，但同样未完成）：OAuth 真实浏览器 登录已接通（GET 回调 + 真实 userinfo + 回调签发 API key），但 真实应用注册、回调公网 https 入口、已有账号绑定仍缺（见上文 “OAuth 真实浏览器登录”一节的部署前置）；推送已接成订阅 + 分发端点，但 Web Push / APNs / FCM 的真实凭证与发送端仍缺； 单机 SQLite 在高并发写下仍有上限，生产量上来后需换 Postgres （Postgres 后端已接通，真实服务器部署与验证见上文“数据库后端 选择”）； worker 执行已接通（见下文“worker 常驻与真取消”），云端执行、 真实通知与真实模型回合仍受 key 供给与云账号卡点限制。

worker 常驻与真取消（本轮新增）

• 单次：python3 -m cloud.worker --db <库> --host-py ../host.py； 常驻：python3 -m cloud.worker --db <库> --loop --interval 300， 每轮 run_all，SIGTERM/SIGINT 时优雅退出，正在跑的任务先标 interrupted 再退出；CLI 起 worker 前先 init_db，全新库不再因 缺表而炸，循环内一轮异常记日志后继续，不带走整个 worker。
• 真取消：子进程以进程组启动（start_new_session），取消时先 SIGTERM 给整个进程组、等 2 秒、仍活着再 SIGKILL，杀完任务 保持 interrupted，执行结果不覆盖它；取消竞态（run_one 已先 标 interrupted）时 cancel 仍返回 True，因为中断确由本次取消触发。
• 任务结果列：tasks 表新增 result_text、error_text、actual_model、 started_at、finished_at、child_pid，init_db 用 PRAGMA 检查后 ALTER TABLE 幂等迁移，老库升级不丢数据；GET /tasks/{id} 返回 它们，缺 key 任务的 error_text 含 Missing environment variable。

可观测性与备份（本轮新增）

• 结构化日志：cloud/logging_config.py，JSON 行日志（时间、级别、 服务、任务 id、事件），worker 的认领/完成/失败/取消/fallback/ 缺 key 记事件日志，绝不写密钥与环境变量值。
• 指标：GET /metrics（需 X-API-Key，任意项目成员可读，只统计 调用者是成员的项目），返回任务总数、各状态计数、成功率、 平均耗时、fallback 总次数、成本合计（actual 与 estimated 分开）。
• 备份：python3 -m cloud.backup --db <库> --out <目录> [--keep 3]， 用 SQLite backup API 在线备份，轮转只留最近 3 份（命名含时间戳）， 失败明确报错不静默；备份文件本身就是可打开的 SQLite 库。
• DB 接口迁移：server 及 auth/memory/kb/cost/oauth/push/webhooks 的 Store 连接已统一走 cloud.db 的 WAL + busy_timeout 连接 （Postgres 后端已接通，驱动缺失时启动即失败、不先建 SQLite 文件，这一点迁移后未退化）。

Docker 沙箱执行器（本轮新增）

• 用法：worker 选 docker 执行器—— python3 -m cloud.worker --db <库> --executor docker [--docker-image codex-app-server:latest] [--docker-cpus 2] [--docker-memory 2g] [--docker-user 1000:1000] [--docker-worktrees-root <目录>] [--docker-timeout <秒>]； 或在代码里直接传 DockerExecutor(...) 给 Worker(executor=...)。 选 docker 但本机无 docker 时任务明确失败，error_text 含 docker 缺失，绝不静默降级为本地执行；选 local 时行为不变。
• 命令构造（示例，任务 id 为 t1、worktree 为 /tmp/wt-t1 时）： docker run --rm --name codex-t1 --user 1000:1000 --cpus 2 --memory 2g -v /tmp/wt-t1:/work -v <代码目录>:/app:ro -w /work -e XCM_API_KEY codex-app-server:latest python3 /app/host.py dispatch --name t1 --task <提示>。要点：只挂任务自己的 worktree（可写）和代码目录（只读），绝不挂宿主根目录、绝不 挂任何含密钥的目录；容器名由任务 id 派生（仅安全字符）； -e 只传 env_key 名，不带值，key 缺失时容器根本不启动； 资源限额默认 2 核 / 2G，可配置；容器内进程以非 root 用户跑。
• 镜像：cloud/docker/Dockerfile，基于 python:3.12-slim，装 git，复制调用方提供的配对 codex 二进制（codex + codex-code-mode-host + codex-resources）。构建命令示例（在 仓库根目录，构建上下文就是仓库根）： docker build -f cloud/docker/Dockerfile -t codex-app-server:latest --build-arg CODEX_BIN_DIR=bin . bin/ 不进仓库，构建主机上没有配对二进制就构建失败；代码 不在镜像里，运行时只读挂载到 /app，代码改了不用重新构建， codex 版本变了才需要重新构建；镜像里不含任何 key。
• 清理与取消：docker run --rm，正常失败也自动删容器；超时 时先 docker kill 再 docker rm -f；worker 取消时按任务派生的 容器名 docker kill，不只改数据库状态。
• 多租户隔离（--tenant-isolation，仅 Docker 执行器）：开启 后每个项目用独立的宿主目录 tenants_root/<项目>/work、 codex-home、test-repo 副本与 repo 检出，容器内路径与 非租户模式完全一致（/app/work、codex-home、repos/<项目>、 test-repo），只是宿主挂载源按项目分开——容器内看不到其它 项目的任何文件；同时每个项目进独立的 Docker 网络 codex-<项目>（容器跨项目网络隔离），容器统一加 --cap-drop=ALL --security-opt=no-new-privileges。codex-home 只播种模板的 config.toml（relay 端点与 provider 名，不含 密钥值），绝不复制 thread_history。注意：内层 codex 沙箱仍 是 danger-full-access（bwrap 在 Docker 容器内不可用：嵌套 pidns 下 fresh proc mount 内核 EPERM，宿主级则可用，见下）， 隔离边界是容器 + 挂载 + 网络三层，不是内层沙箱。
• 外层加固（内层保持 danger-full-access 时的补偿层）： --docker-security-opt（可重复，如 apparmor=docker-codex， 见 deploy/apparmor/docker-codex：在 Docker 默认 profile 基础上禁 raw 网络、ptrace、mount 与危险 capability；注意 它不含 userns，即不启用 bwrap 内层沙箱路线）； --docker-pids-limit（默认 512，防 fork 炸弹）； --docker-runtime（不传 = docker 默认 runc；传 runsc = 任务容器走 gVisor syscall 沙箱，需 daemon 已注册该 runtime， 否则起容器失败；生产切换前须经一次性 worker 模型任务验证）； --egress-proxy-port（0 = 不启用；生产配 8888）：启用后 Docker 任务容器的 HTTP(S) 出口全部走宿主上的 Tinyproxy （见 deploy/egress/：FilterDefaultDeny 白名单，只放行 relay、github、pypi、npm 域名，其余 403；网关查不到时 任务直接 failed，绝不无代理运行）。seccomp 现状诚实说明： Docker 默认 seccomp profile 已在所有任务容器上生效（这是 不弱的基线），本轮没有新写一个更严的 seccomp allowlist—— 从记忆里拼一个 allowlist 极易漏掉 codex 工具链要的系统调用 而静默破坏任务，正确的更严 profile 需要先对 codex 做系统 调用画像，那是下一项工作，不是本轮假装做到的。
• 宿主级沙箱任务（与 Docker 任务二选一，绝不叠加）： codex 的 workspace-write（bwrap）在 Docker 容器内不可行 （嵌套 pidns 下 fresh proc mount 内核 EPERM，宿主级则可用）， 所以需要内层沙箱的任务改走宿主级：worker 用 LocalExecutor + host-config-host.json（sandbox workspace-write，state 独立 为 work/host-state-host.json），以 aa-exec -p codex-host 运行（见 deploy/apparmor/codex-host：docker-codex 基础 + userns/mount/pivot_root，仍禁 raw 网络与 ptrace；capability 必须放行——codexsvc 本身无宿主 capability，放行的只是 bwrap 的 userns 内假 root capability，实测 deny sys_admin 会让 bwrap 在 userns 创建处失败）， 并带 HTTP(S)_PROXY=http://127.0.0.1:8888 让 relay/git 出口 同样走 Tinyproxy 白名单。路由靠任务的 executor 字段 （POST /tasks 已支持 local/docker/cloud）：宿主 worker 必须 开 --claim-executor-only，只认领 executor='local' 的任务， 绝不抢 executor 为 NULL 的任务（否则会把本该进 Docker 的 任务拉到宿主上跑，丢了 Docker 外层）。宿主任务放弃 Docker 外层（无容器、无租户挂载/网络隔离），换来的是 bwrap 内层。 实测过的沙箱边界（诚实版）：agent 只能写自己 worktree， 写宿主其它目录与其它任务 worktree 均被挡（报文件系统只读）； 但 /tmp 不隔离——agent 写 /tmp 会落到宿主 /tmp 上（codex 的 workspace-write 不把 /tmp 做成隔离 tmpfs），所以 /tmp 是任务间的共享区，不能当作隔离边界。
• 网络白名单的诚实边界：docker run 默认 bridge 网络，本执行 器不做 egress 白名单——真正的“只放行模型 API”需要宿主防火 墙或代理规则，那是部署项，不是本轮代码假装做到的，不要宣称 已实现网络白名单。另有一项待实测：codex 自带的 bubblewrap 沙箱在容器内是否可用，取决于宿主的容器权限配置，本镜像不 假装解决；若 bwrap 不可用，host.py 的 sandbox 参数仍可退到 read-only / workspace-write 的控制面约束。
• 仍需在外部主机上实测（本 VM 没有 Docker，本轮未连外部主机）： 真实 docker build、真实 docker run、资源限额在真实负载下的 表现、bwrap 在容器内的可用性、以及取消时容器确实消失。

生产级补齐（本轮新增：webhook 执行、备份、限流、超时/重试、清理兜底）

• Postgres 备份：cloud/backup.py 的 backup_postgres(out_dir, keep=3, runner=None, pg_dump_cmd="pg_dump")，数据库名/用户/密码只从 CLOUD_DB_NAME / CLOUD_DB_USER / CLOUD_DB_PASSWORD 环境变量取， 密码只经 PGPASSWORD 环境变量传给 pg_dump 子进程，绝不出现在 命令参数、返回值或日志里；pg_dump 缺失或非零退出时明确抛错； 成功返回备份文件路径（轮转只留最近 keep 份 .sql），server 的 POST /admin/backup（需 maintainer 以上权限，body 可传 out_dir， 否则用 CLOUD_BACKUP_DIR 或默认 cloud-backups）返回 backend、 path、size_bytes、task_count，绝不返回数据库密码或备份文件内容； SQLite 分支（backup_db）原样不动。Postgres 备份仍需在真实环境 验证一次真实 pg_dump（本轮只用 fake runner 单测）。
• 限流：server 的 RateLimiter（内存滑动窗口，短锁只围住 deque 剪枝/计数，不做全局锁、不串行正常请求），默认每分钟 120 次 （环境变量 CLOUD_RATE_LIMIT_PER_MINUTE / CLOUD_RATE_LIMIT_WINDOW_SECONDS 可调，默认 120 / 60 秒）； 限流在健康/OAuth/webhook 之后、认证之前，超限返回 429 {"error": "rate_limited"}，不记为认证失败；key 按 API key 的 sha256 计（原始 key 不存），无 key 时按客户端 IP 计；测试可用 server.rate_limit_per_minute 注入小阈值验证 429。
• 健康与指标补齐：GET /health（不认证也通）除 ok 外返回 backend（sqlite / postgres，取 CLOUD_DB_BACKEND，绝不返回 连接串或密码）与 db_ok（一次轻量 SELECT 1 成功与否）； GET /metrics 的 by_status 恒含七个状态键（queued / running / completed / failed / interrupted / merged / merge-failed），缺失 状态为 0 而不是缺键。
• 任务级超时：worker 的 --task-timeout（默认 1800 秒），与另外 两个参数不要混淆：--docker-timeout 是执行器级的单次 docker run 超时，--max-seconds 是 run_loop 的整体墙钟上限；三者互不覆盖， Docker 路径下 worker 取 min(task_timeout, docker_timeout) （docker_timeout 未设时取 task_timeout）作为本次 docker run 超时， Local popen 路径下 worker 在轮询循环里到截止时间就杀进程组； 超时后真杀容器/进程组、任务置 failed（超时是失败，不是取消， 绝不标 interrupted），并记 worker_timeout 审计与错误文本 task timeout after <秒> seconds；Local 同步路径（假 runner / 无 超时的 subprocess.run）无法中途抢占一个已阻塞的调用，超时只能靠 执行器自身的 timeout，这是诚实边界，不要假装同步路径也能中途杀掉。
• 失败重试与退避：worker 的 --max-retries（默认 1 次重试，0 表示 不重试）与 --retry-backoff-seconds（默认 5 秒，测试可注入 0）； 取消不重试，其它失败（含 worker 超时）重试前按固定退避等待； 重试次数记在审计（worker_retry）与最终 error_text 的 [retries=N] 前缀里，不另起新表；重试耗尽后任务才最终 failed， 成本记录与 usage_turns 只按最终结果记一次，不按尝试次数重复记。
• 模型 fallback（显式配置时真换模型重试一次）：worker 的 --fallback-models（逗号分隔的模型列表，默认空 = 关闭）。 未配时保持老行为：可 fallback 的失败只记 model_fallback 事件 与 worker_fallback 审计、fallback_count=1，然后直接 failed， 不换模型。显式配了时，一次尝试失败且错误可 fallback（404/429/ 5xx/timeout；401/400 绝不 fallback，取消绝不 fallback），就先记 事件与审计，再用列表里的第一个模型在同一任务、同一 worktree/分支 上再跑一次（dispatch 报“任务已存在”时走现有的 run 续跑路径， 模型经 host.py 的顶层 --model 参数传过去，不改 host.py 签名）； fallback 总次数最多 1 次，配两个模型也只试第一个，不会无限换下去 烧额度，且与 --max-retries 无关（--max-retries 0 时 fallback 照样跑）。第二次的结果就是最终结果：成功则任务 completed， actual_model 写成 fallback 后的模型，成本记录 fallback_count=1； 第二次也失败则任务 failed，error_text 同时写清主模型失败原因与 fallback 模型失败原因。边界：真实 token 成本仍是估算（host 协议 不暴露真实 token 数），fallback 不改变成本来源，只改变实际跑的 模型与 actual_model/fallback_count 的记录。
• 容器清理兜底：DockerExecutor.list_containers(prefix="codex-")（ docker ps -a --format {{.Names}}，失败返回 []）与 cleanup_stale_containers()（列出并逐个 kill+rm，单个失败只跳过， 绝不抛异常），Worker.cleanup_stale_containers() 在 run_loop 启动 与 CLI 启动时各调一次；取消/超时/失败路径上已有的容器清理保留 （docker run --rm、超时 kill+rm、取消按名 kill）。

项目仓库（任意仓库任务）

• 项目级 repo_url：POST /projects 接受可选 repo_url， GET /projects 列表与 POST /projects 的 201 返回里都含它， 不传时为 None（老行为不变）。校验与 worker 共用同一套 cloud.repos.validate_repo_url：只接受 https:// 开头（且不含 userinfo，即不含用户名/密码）或 git@ 开头（git@host:path 形）； file://、ssh://、本地路径、带密码的 URL 一律 400 且不建项目。
• 存储与迁移：projects 表新增 repo_url TEXT 可空列；SQLite 的 init_db 建表时就含该列，老库用 ALTER TABLE 幂等补列（仿照 migrate_tasks_table 的写法）；Postgres 的 POSTGRES_SCHEMA 同样加该列，init_postgres_schema 也对老库补列。
• worker 派发：run_one 派发前查任务所属项目的 repo_url，非空时 经 cloud.repos.resolve_repo 在 --repos-dir（默认 ./repos）下 解析：目录不存在时 git clone；已存在时校验它是 git 仓库且 remote origin 与 repo_url 一致（不一致时报错，绝不强制改 remote），一致时 git fetch origin（失败明确报错，不静默用旧代码； fetch 成功后不 checkout/pull/reset/clean，工作树由 host.py 的 worktree 逻辑处理）。解析出的路径设为 task["repo"] 再交给执行器， Local 与 Docker 的 dispatch_task 都已读 task["repo"]，同一条路径； 查不到项目或 repo_url 为空时走原有默认 repo，不报错；解析失败时 任务置 failed，错误文本写清是仓库解析失败，绝不标 completed。
• Docker 下的路径前提：容器内 task["repo"] 路径必须与宿主机一致， 所以 repos_dir 必须放在 --docker-extra-mounts 已挂载的目录下 （例如把 /var/lib/codex-app-server/repos 以同路径挂载进容器）， 否则容器内 repo 路径不存在——不要假装任意目录都行。生产部署示例： python3 -m cloud.worker --db <库> --executor docker --repos-dir /var/lib/codex-app-server/repos --docker-extra-mounts /var/lib/codex-app-server:/var/lib/codex-app-server,…。
• 仍未做（不要宣称已做）：推送到远端明确不在本轮范围——任务在本地 检出上执行、本地 worktree 合并仍按 host.py 现有流程，git push 到远端需要仓库写凭证，控制面不存、不推，所以任意仓库的自动 PR 仍未实现；私有仓库 clone 会失败，错误文本写明“需要仓库访问凭证， 控制面不存仓库凭证”，绝不尝试用任何 key 去 clone；webhook 建的 任务仍需 worker 认领执行；CloudExecutor 仍是占位符；公网 https 入口仍需部署侧反向代理 + TLS。

运维批（本轮新增：部署、恢复演练、监控、心跳、多用户验证）

细则在 deploy/README.md，这里只记代码侧的接口与默认值：

• 部署与回滚（deploy/deploy.sh / deploy/rollback.sh，VM 侧跑， 不碰 cloud/ 代码）：部署前在主机上备份当前 /opt/codex-app-server 到 /opt/codex-app-server-backups/（时间戳命名，只留最近 3 份，排除 work/），解包新代码、chown codexsvc、重启 server+worker、循环验 localhost:8765/health 最多 60 秒（要求 ok=true、backend=postgres、 db_ok=true），失败自动恢复备份并重启；回滚只回代码，不回数据库 （迁移只加列、幂等，老代码仍能读新列，见 deploy/README 的回滚边界）。 两个脚本都不接受密码参数、不读 env 文件、不打印密钥；需经代理时用 环境变量 SSH_PROXY_CMD 传入 ProxyCommand，未设则直连。
• 备份恢复演练（cloud.backup.restore_postgres + deploy/restore-drill.sh， 主机侧跑）：restore_postgres(backup_file, target_dbname, runner=None)， 用 psql 把 .sql 备份恢复到目标库；目标库名等于 CLOUD_DB_NAME 时 直接拒绝（除非显式传 allow_production=True，演练脚本永远不设它）； 备份文件不存在或为空时报错；密码只经 PGPASSWORD 环境变量传，绝不进 命令行、返回值或日志。演练脚本先跑一次 backup_postgres 生成新鲜 备份，再恢复到 codex_control_restore_test_<时间戳> 测试库，比对 tasks/projects/users/audit_log 四张表行数（只比行数，不打印行内容）， 比对完立即删测试库（trap 保证中途失败也删）；绝不恢复到生产库， 绝不删生产库。
• 监控与心跳：worker 的 run_loop 每次循环结束时写心跳文件，内容只有 {"last_seen": epoch秒, "pid": 进程号}，写失败只记日志不炸 worker； 路径由 --heartbeat-file 指定，未指定时看环境变量 CLOUD_WORKER_HEARTBEAT_FILE，再未指定则为 ./worker-heartbeat.json （VM 本地默认，主机路径不在代码里硬编码；主机部署时两边指到同一个 /var/lib/codex-app-server/worker-heartbeat.json，server 侧在 env 文件 里加 CLOUD_WORKER_HEARTBEAT_FILE 一行，worker 单元加 --heartbeat-file 参数，deploy.sh 不自动改 env 文件）。GET /health 在原有 ok/service/backend/db_ok 之外加 worker_last_seen_seconds_ago （无文件或读失败时为 None）与 worker_ok（心跳 180 秒内为 true， 阈值可经 CLOUD_WORKER_HEARTBEAT_MAX_AGE_SECONDS 调，默认 180）； health 本身仍返回 200，worker 不 ok 由调用方看字段判断，不要改成 503。 deploy/monitor.sh（主机侧，codexsvc 可读，不读 env 文件）检查 server/worker 的 systemctl 状态、health 四项、pg_isready、docker ps 里 codex-postgres 在运行、磁盘 <90%、app 目录存在，输出一行 JSON，任一 项 fail 则退出非零；--self-test 只验证脚本机制（health 解析 + JSON 合法），不验证主机健康。deploy/monitor.service / deploy/monitor.timer 每 5 分钟跑一次，日志进 journal。
• 多用户真实验证（deploy/verify-multiuser.py，主机侧以 codexsvc 身份 跑）：内存里建 4 个测试用户与 2 个测试项目（P2 只有 owner 是成员）， 用 HTTP API 验证建任务、读任务、merge 的角色权限与跨项目隔离； merge 用的 completed 测试任务是直接在 DB 里置 completed，不跑模型； 测试任务全部带永不存在的依赖 multiuser-test-never-completes，生产 worker 只派依赖全部 completed 的任务，所以测试任务永远不会被认领去 跑模型，不花模型钱、不改仓库；测试行全部用 multiuser-test- 前缀， 清理时只删这些行，清理失败退出非零并列出残留 id（不含 key）；审计 日志是 append-only 的，验证审计条目会留下，脚本不删审计表。
• 仍未做（不要宣称已做）：推送告警通道（monitor 失败时通知到 Muse 聊天 的通道还没定）；回滚不回数据库（改类型/删列的迁移需单独评估）；恢复 演练只比行数，恢复到生产库的真实灾难恢复流程还没演练过；部署脚本、 恢复演练、monitor、多用户验证四项的主机实跑还没做（本轮只在 VM 上 跑了单测、deploy 干跑、monitor 自测与 VM 实跑）。

云端派发与自动 PR（本轮新增：多 worker 池、通用 runner、默认关闭的自动 PR）

• 多 worker 池（cloud/workers.py + worker 注册/心跳）：worker 启动 时向控制面注册（workers 表：worker_id、executor、capacity、 last_seen），run_loop 每轮结束写注册表心跳；GET /workers 列出 全部 worker 及其 alive（last_seen 在 120 秒内，阈值可经环境变量 CLOUD_WORKER_ALIVE_SECONDS 调）；POST /workers/heartbeat 要求 body 含 worker_id（缺了 400），心跳本身就是注册——worker_id 不存在时自动注册，绝不 404。worker_id 可经 CLI --worker-id 指定（生产部署应配稳定 id），未指定时默认“主机名-进程号” （重启后进程号会变，旧行自然变 stale，不要用随机 uuid 让注册表 每次重启都多一行无法对应到同一台机器）；capacity 经 --worker-capacity 指定（默认 1，注册表展示用，本轮 run_loop 仍是串行一轮一任务）。两个端点都要 X-API-Key（与其它已认证 端点一致）；worker 直接写库注册时不需要 key，HTTP 心跳是给有 key 的外部 worker 用的另一条路。
• 任务按执行器池派发：tasks 表新增 executor 列（可空，老库幂等 补列）；POST /tasks 接受可选 executor（local/docker/cloud， 非法值 400），未传时为 None 表示任意 worker 可认领；worker 认领时只认领 executor 为空或等于自己执行器类型的任务—— pick_next 先过滤，_claim 的 WHERE 里再加 (executor IS NULL OR executor = ?) 兜底，CAS 语义不变（仅当 queued 时标 running，两个同池 worker 抢同一任务时只有一个拿到 rowcount == 1）；认领日志与审计里含 executor。注意 _executor_name 的修正：CloudExecutor 以前会被算成 local， 现在明确返回 cloud，否则 cloud worker 会认领 local 池的任务。
• CloudExecutor 通用 runner 接口（厂商无关，cloud/sandbox.py）： 本轮不假装接通某个云厂商（ECS、Cloud Run 等专属适配明确不在 范围）。CloudExecutor 接受一个 runner endpoint（显式参数或 环境变量 CLOUD_RUNNER_ENDPOINT）；未设时 execute 一律明确 失败“未配置云端 runner”，绝不静默降级到 Docker/Local；已设时 以 HTTP POST 把任务发给该 endpoint，请求体只有 id、prompt、 repo_url（task["repo"]），不含任何密钥；endpoint 返回的 status 为 completed 才算 completed，否则算 failed。认证只走 header 名：CLOUD_RUNNER_AUTH_HEADER 给 header 名，token 值只从环境 变量取（CLOUD_RUNNER_AUTH_TOKEN_ENV 指定的变量名，默认 CLOUD_RUNNER_AUTH_TOKEN），只放进请求头，绝不写进日志、 错误文本或返回结果。worker CLI 的 --executor 新增 cloud 选项， 构造 CloudExecutor；worker 的 run_one 走 dispatch_task， CloudExecutor 的 dispatch_task/run_task 直接委托给 execute。
• 自动 PR（默认关闭，显式触发，POST /tasks/{id}/pr，需项目 maintainer 以上权限 approve_merge）：仅当任务状态为 merged 时 可调（其它状态 409；任务不存在 404；权限不足 403）。逻辑按顺序 检查（见 cloud/pr.py）：项目 auto_pr 不为 1 时返回 200 且 pr_skipped=true、reason=auto_pr_disabled，不失败、不推；本地 没有对应 host 任务 worktree（<仓库根>/work/host-worktrees/ <host 任务名>，host 任务名 = cloud 任务 id 经安全字符过滤， 分支名 = host/<host 任务名>，与 sandbox._host_name 同规则）时 reason=no_worktree；worktree 里没有 git remote origin 时 reason=no_remote；本机没有 gh 二进制时 reason=no_gh；gh 未登录 （gh auth status 非零）时 reason=gh_not_authenticated；以上全过 才 push 分支 + gh pr create，成功后把 pr_url/pr_number 写回任务 记录并记审计 pr_created，返回 200 含 pr_url。push 或 pr create 失败时返回 502 且错误文本写清是哪一步（push 还是 pr_create）， 任务状态保持 merged 不变，绝不把任务标 failed。worker 不自动推： 自动 PR 只由显式调本端点触发，默认自动推会把测试任务也推到远端。 projects 表新增 auto_pr 列（默认 0，老库幂等补列）； POST /projects 接受可选 auto_pr（只接受 0/1，非法值 400）； 本轮没有现成的 PATCH /projects/{id} 路由，auto_pr 只能在创建时 指定，建后改它需直接改库或重建项目，不要新造一个只为改 auto_pr 的路由。gh 的登录凭证由 gh 自己管，控制面不存、不打任何 token。
• 仍未做（不要宣称已做）：厂商专属适配（ECS、Cloud Run 等，需 用户选厂商后另做）；默认自动推（本轮明确不做）；主机上 gh 的安装 与登录、远端写凭证（控制面不存，自动 PR 的真实成功路径仍需它们）； 多 worker 的并发容量 enforcement（capacity 目前只是注册表展示， run_loop 仍串行）；worker 经 HTTP 发心跳的凭证供给（worker 直接 写库时不需要，外部 worker 走 HTTP 时需自带 API key）。