{"content":"【relay 遗留代码轮 1/5:首包看门狗+在线 failover】feat c27424f(branch feat/llm-ttfb-watchdog-heartbeat-ttft,worktree wt-ttfb)。动机:2026-11-20 诊断显示 relay 24h 失败里 96.7% 是 client_gone(客户端零 token 断开),主因是被节流的上游跳(ark 5h 窗口)排队 30s+,流式客户端 ~30s 就放弃,而 relayharden 的 client_gone 类不 failover,5 个健康 fallback 全程闲置。实现:① 新 conf llm.first_chunk_timeout_seconds(流式,默认 15s)与 llm.nonstream_header_timeout_seconds(非流式,默认 45s——刻意高于 scnet glm 非流式 ~45s 合法生成尾部),看门狗窗口 clamp 到剩余共享预算,超预算配置启动即 panic(与 schedule policy 同规);② 新错误类 first_chunk_timeout:允许 failover(与 client_gone 相反)、单次不 park key、连击喂现有内存版 transport backoff;③ 流式响应的 200 SSE 头改为持有到上游首行(gate 读)——首包前失败(看门狗超时/空流/客户端断开)不提交任何字节,尝试循环可干净 failover 或回错误;gate 期间客户端断开仍诚实记 client_gone;④ 看门狗主动 cancel 经 ClassifyLlmWatchdogFailure 重映射(我们的 cancel 原本会落 client_gone/transport),客户端已死优先于看门狗。验证:conf/service/controller 三包单测全绿——TestLlmAttemptWatchdogCancelsAndStops(Stop 竞态不误伤)、TestClassifyLlmWatchdogFailure 七态、conf panic 校验两例、controller gate 四例(空流/看门狗超时/客户端断开/正常透传与逐行 flush)。7 files,+512/-59。","contentType":"text/plain;utf-8","attachments":[],"quotePin":""}