DeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.
Python ai-agentsai-tutorclawbotcli-tooldeepresearchinteractive-learninglearningmulti-agent-systemsrag
docs(events): distinguish handler isolation from durable replay
Bingxi Zhao (Frank)13fe79344333
diff --git a/docs/guides/events-and-progress-chain.md b/docs/guides/events-and-progress-chain.mdindex 5953722d4..3d3e6a899 100644--- a/docs/guides/events-and-progress-chain.md+++ b/docs/guides/events-and-progress-chain.md@@ -48,7 +48,7 @@ flowchart LR- 数据结构:`Event`(type/task_id/agent_output/event_id/timestamp,:31-55);`EventType` 只有三种完成事件(:22-28)。- `EventBus` 是进程级单例(:69-88):每个事件类型一个 handler 列表 + 一个 `asyncio.Queue`。- 发布:`publish()` 只做入队,首发布时自动 `start()` 后台消费协程(:101-106)。-- 消费:`_process_events()` 逐事件串行调用 handler;单个 handler 抛错记 `logger.error` 并继续,不中断、不重投(:122-136)。这是"不丢事件、不放大故障"的基本盘。+- 消费:`_process_events()` 逐事件串行调用 handler;单个 handler 抛错记 `logger.error` 并继续,不中断、不重投(:122-136)。这会隔离处理器故障,但失败的调用不会重试,不能保证事件处理成功。内存队列也不提供崩溃后的恢复;持久化 turn 事件的回放由 turn runtime 和 session store 负责。- 生命周期:`flush(timeout)` 等待队列排空,超时只 warning(:153-165);`stop()` 先 join(10s 超时,超时即"部分事件可能丢失",:167-185)。app 启动时拉起(api/main.py:174-181),关停时停止(api/main.py:393-396)。- **关键事实**:生产代码里只有两处 `publish`——orchestrator 每个 turn 结束发 `CAPABILITY_COMPLETE`(deeptutor/runtime/orchestrator.py:204-219),伙伴主动消息同样发(deeptutor/services/partners/manager.py:784-796);但仓库内没有任何 `EventType` 的生产订阅者。SOLVE_COMPLETE / QUESTION_COMPLETE 无人发布也无人订阅。它目前是"随时可挂分析器"的预留口,不是前端数据的来源——找进度问题不要看这里。