阶段十一：AgentMeshOS 网络可替换、告警治理与节点纳管

计划 ID：phase-11-requirement-review

阶段状态：已冻结归档

计划状态：已完成

当前工作包：无；P11 已冻结归档

冻结归档说明（2026-10-01）： 本页保留 P11 的历史过程和现场证据，不再代表当前计划，也不再承接任何新任务。ThreeDogs、DERP、Claude、微信 ClawBot 等旧事项已由用户确认暂停、收尾、归档和冻结；真实微信往返不再阻塞 P11 或 102。与 102 相关的后续工作统一进入 P12，完整归档见 completed-phase-11-agentmeshos-network-governance.md。

📌 结论与根因

本阶段不是重新设计 AgentMeshOS，而是在 P10 已完成的稳定边缘身份基础上，收口三类会反复引发故障的漂移源：硬编码公网地址、告警投递目标分散、控制台网络态势只看一部分链路。依据是 P10 完成归档、docs/plans/state.json、101 告警脚本现场配置和 2026-09-26 控制台代码复核。影响是后续更换 MM 公网 IP 或边缘主机时，只需维护 edge.yohan.fun 的权威 A/AAAA，业务域名继续跟随 CNAME；控制面、SSH、DERP、遥测和告警各自读取受控来源或执行明确失败关闭。

“金丝雀”在这里指早期预警探针：定期用全新冷连接尝试关键网络入口，连续失败达到阈值后告警，恢复后回报恢复。名称来自矿井用金丝雀先于人员感知危险气体；它不替代业务监控，也不把既有长连接的成功当成整个网络健康。

rev.2 的现场增量是：dog-public 已完成 edge-gateway 画像纳管，Tailnet、Nomad Client、Docker 和 9100 遥测均在线；ThreeDogs 正式迁移仍未执行，必须等待 72 小时观察和单独切换窗口。依据是 Bridge 审计 00d216b3edb6271729848fe41a6005cd、Nomad 节点 1e9b8e89-481e-d8dd-ae54-9b55b7c9bda3 和双路径 SSH 回读。

🧾 计划状态

项目	当前值	依据
当前阶段	P12	docs/plans/state.json
阶段状态	已冻结归档	用户明确确认 P11 收尾，ThreeDogs、DERP、Claude、微信暂停归档
计划状态	已完成	P11 不再承接新工作，未完成事项冻结或转入 P12
当前工作包	无	P11 已归档，不再执行 P11-6
权威记录	P11 完成归档	本页保留历史过程和证据

P10 已完成并归档，本阶段只做兼容性复核，不重新打开 P10。P11 继续沿用 Headscale + Tailscale、Nomad + Docker、FastAPI、SQLite、Vanilla JavaScript、GitHub Actions 和自托管 Runner，不新增第二调度器、第二执行网关或前端框架。

🧩 实施工作包

P11-0 文档、网络与计划基线复核

目标：把当前有效配置、历史事实、关闭项和残余风险分类，原地形成 P11 rev.1。

实施范围：

• 回读 docs/**、计划导航、state.json、DNS、端口、SSH、网络拓扑和服务映射。
• 复核 docs/plans/cloudcli-public-entry.md、.playwright-mcp/ 和 CloudCLI 补丁文件的归属；仍有效的纳入正式提交，无效的明确标记。
• 保持 Mac mini 登录公钥作为未来可能恢复的管理员身份，本轮不删除。
• P10 剩余验收按现状归入 P11，不假称 P10 仍未关闭。
• 文档按“当前事实、历史事实、关闭项、未决项”分类，并同步计划看板、架构路线图和文档索引。

验收：计划、架构状态、导航、文档清单和 state.json 一致；旧 IP 只允许存在于带“历史值，不得用于恢复”标记的迁移记录中。

P11-1 拓扑语义与告警分级

目标：修正“逻辑边缘身份”和“当前承载主机”混淆，避免单区域 DERP 直接把整网标成 critical。

实施范围：

• edge 是逻辑边缘身份，不是 MM 主机名。唯一权威地址继续使用 edge.yohan.fun，不使用绑定 MM 的 mm-edge 名称。
• single_region 只显示风险，不触发整网 critical；真实 DERP 连接失败才升级告警。
• 拓扑节点以 Tailscale 在线节点为动态发现源；登记表只补稳定别名、角色和层级，未知在线节点进入“待分类节点”，不在代码里新增固定数组。
• OS 主机名与 Tailnet 节点名分开处理：Linux 节点优先从 9100/metrics 的 node_uname_info{nodename=...} 自动读取，主机名尚未上报时显示“未上报”，不得把 Tailnet 名称冒充 OS 主机名。
• 管理节点分别显示 Tailnet 路径与公网 SSH 路径；公网 SSH 只做 TCP 可达性探测，不执行登录、不读取私钥内容。
• 101 与 Home 的节点路径在 Full Cone 后在现场重新复测，包含 Home；不沿用旧的 DERP 结论。
• Home 的 SSH 默认交互改为 PowerShell；路由器继续使用已经验证的 C 固件，不再比较 A、B、E。
• DDNS、vlmcsd 等路由器附加能力只做用途和适用性评估，不在本阶段改动。

验收：拓扑快照和 Gateway 均携带受控 risk_level；MM 不再因 single_region 被误报为黄色；真实 DERP 故障仍可告警。

P11-2 网络态势整页交互

目标：在首页保留摘要，同时提供可独立操作的整页拓扑。

实施范围：

• 新增 #topology 整页视图，首页只保留状态摘要和入口。
• 节点可独立拖动，连线实时跟随；布局写入浏览器本地键 agentmeshos.topology.layout.v1，不进入服务端持久化。
• 支持自动布局恢复；节点布局按层分行并在超过五行时增加列，同一节点的多条链路使用固定分道，断链在线上标注“断链 · 路径类型”，移动端保持整页查看。
• edge 节点明确显示为逻辑公网入口，圆形标记使用 GW 而不是容易被误认为主机缩写的 ED；业务断链的红色连线表示“逻辑边缘入口到实际后端”的探测失败，不代表标题中的两个主机发生了物理直连故障。
• www.threedogs.vip 的正式探测目标是当前实际承接流量的 dog-public，不能再固定显示为 rr；状态为红色时表示该公网业务入口到实际后端失败，与 Tailnet 管理链路是否正常分开判断。
• 保留筛选、缩放、详情、数据流动画和 reduced-motion 行为。
• 数据继续复用 P10 只读链路快照，只扩展状态语义、风险级别和显示字段，不新增第二套调度器或执行网关。

2026-09-28 的生产基线曾回读为 8 个节点、17 条链路、25 项健康、0 项降级、0 项断链、0 项未知；edge/GW 为 healthy。RR 到 dog-public、DD、MM 等节点之间，以及同一对节点内的多条业务路径，已按固定分道曲率绘制，不再共享同一条 SVG 路径。最终复核时，RR → 101 Tailnet 又走回 DERP(agentmeshos-mm)，因此当前是 23 项 healthy、2 项 degraded；这两项分别来自该链路和 101 节点，不能反过来把 GW 公网入口误标成红色。依据是 RR /run/agentmeshos/network-topology/topology-v1.json、生产 Console 容器 sha-251b005 和 network-topology-browser-contract.cjs 的浏览器契约。

最终发布复核由提交 14ea30bcbe882415fcf575015a12d95ab65bf21d 覆盖：Repository Guardrails Run 36356054184 成功，Docs Run 36356054205 的构建、不可变 Release 包、RR 部署和健康验证全部成功；RR 容器回读为 ghcr.io/agentmeshos/agentmeshos-docs:sha-14ea30bcbe882415fcf575015a12d95ab65bf21d 且 healthy，公网 Docs 健康端点返回 HTTP 200。

验收：在 1440x900 和 390x844 下验证拖动、边界限制、刷新后位置恢复、自动布局重置、连线跟随和横向无溢出。

P11-3 微信 ClawBot

目标：在 RR 安装满足版本要求的 Node.js、OpenClaw 宿主和腾讯微信插件，并让状态可验证。

实施范围：

• 不能只安装插件；宿主、依赖、插件和账号绑定分别验证。
• 状态生成器读取 openclaw channels status --probe --json，区分 not_installed、unbound、connected、probe_failed 和 stale。
• Provider 页展示依赖、绑定状态、最近收发、错误和配置教程。
• 控制台提供管理员专属绑定页：二维码只作为短期内存会话返回，页面轮询绑定状态；二维码、Token、Cookie、登录凭据和消息正文不得写入仓库、日志、普通审计或持久化快照。
• 绑定完成后，状态生成器重新读取 openclaw channels status --probe --json，页面自动切到 connected；失败或过期时显示明确状态并允许重新生成。
• 不把 systemd timer active 误写成微信已绑定。

现场结果：

• RR 已安装 Node v22.23.0、OpenClaw 2026.7.35 (aa94808) 和腾讯微信插件 @tencent-weixin/openclaw-weixin@2.4.9；openclaw config validate 与插件加载检查通过，Gateway 只监听 127.0.0.1:18789。
• 当前宿主 RPC web.login.start/wait 因插件未声明 gatewayMethods 返回 INVALID_REQUEST。实现不修改官方插件或宿主源码，改用固定官方 CLI 命令 openclaw --log-level silent channels login --channel openclaw-weixin --account <binding_id>。
• System Operations Bridge 新增固定来源、HMAC 校验的内存绑定接口；PTY reader 只提取并渲染微信二维码，返回 data:image/png;base64，不返回登录 URL、Cookie、Token 或原始日志。
• Runtime 新增管理员专属 /boss/v1/clawbot/binding/start、状态和取消路由；Console Provider 页新增绑定入口、二维码短期展示、轮询、取消和绑定成功后的状态回读。
• 状态生成器已改为先读取 openclaw plugins list --json 的 status=loaded，再读取 channels.openclaw-weixin.configured；这修正了全局插件安装不在 plugins.installs 时被误报为 weixin_plugin_not_installed 的假阴性。负向测试同时覆盖插件缺失和插件探针失败。
• OpenClaw 默认模型原本为不可用的 openai/gpt-5.5，Gateway 日志返回 ProviderAuthError: No API key found for provider "openai"。根因不是微信插件，而是 ClawBot 没有可用的模型 Provider；已改为官方自定义 OpenAI-compatible Provider agentmeshos，Base URL 为 http://127.0.0.1:39180/v1。Boss Combo 仍保留 agentmeshos-free-quality-first，但该 Combo 当前会命中 Pollinations 余额错误；ClawBot 默认模型改用连续三次真实 smoke 均返回 MODEL_ROUTE_OK 的 Worker Combo agentmeshos/agentmeshos-free-capacity-pool。
• 普通模型 Key 原先只放行两个 Combo 名称，OmniRoute 会逐个检查 Combo 内部目标模型权限，导致模型路径被预先跳过。部署脚本现根据 Boss/Worker Combo 的实际目标模型自动生成受控白名单；RR 已应用 194 个去重目标模型，Combo 调用返回 HTTP 200，非法模型仍返回 403。
• 已新增并强化 scripts/maintenance/agentmeshos-clawbot-model-provider.sh 和 scripts/maintenance/tests/clawbot-model-provider-test.sh，将 OpenClaw 自定义 Provider、默认模型、SecretRef、loopback-only Gateway 和真实正文 smoke 纳入可重复部署与回退。旧 smoke 只检查 .ok=true，会把 Pollinations 余额错误正文判为成功；新 smoke 要求正文精确为 MODEL_ROUTE_OK。
• 绑定链路已在 RR 真实执行到 waiting_scan，确认二维码在内存中生成；随后执行取消，状态返回 cancelled、错误码为 binding_cancelled。该验证没有扫码、没有保存二维码，也没有输出二维码内容。
• 生产部署已完成：API Gateway 工作流 36266659853 的 deploy-production 成功，Docs Site 工作流 36266659808 与 36266727087 的 deploy-production 也均成功；RR 容器镜像分别回读为 ghcr.io/agentmeshos/agentmeshos-api-gateway:sha-76aee455bd50366112a38f134f85db00f089498f 和 ghcr.io/agentmeshos/agentmeshos-docs:sha-cf6c69f85c51c21a7a3492437b7008d37d13bd66。
• 生产回读进一步确认 /usr/local/lib/agentmeshos/agentmeshos-clawbot-model-provider.sh health 与 smoke 均通过；RR 当前脚本 SHA256 为 ef436359a20be8c3427a9a40420fb813e0de409be402ef9993a0144dd3844372，状态生成器 SHA256 为 a5cf4476fb524ac296b34ec0ff37fb1d2760fea59235315217f2fc17348ceb2b，状态快照为 state=connected、binding_status=bound、last_error_code=null。
• 旧版状态生成器误报 vendor_plugin_not_installed 的根因是只读取 plugins.installs，而全局 npm 插件不写在该字段；修正版先读取 openclaw plugins list --json 的 loaded，再读取 channels status --probe --json，生产已回读为 connected/bound。
• 受控重启恢复已于 2026-09-28 05:58:59 CST 完成：openclaw-gateway.service 在 systemctl --user restart 后仍为 enabled/active/running，重启后的状态生成器返回 state=connected、binding_status=bound、last_error_code=null，模型 smoke 返回 clawbot_model_provider_smoke=pass；重启前后生产脚本 SHA256 分别为 a5cf4476fb524ac296b34ec0ff37fb1d2760fea59235315217f2fc17348ceb2b 和 ef436359a20be8c3427a9a40420fb813e0de409be402ef9993a0144dd3844372，未发生漂移。
• 当前剩余工作只有一类需要外部动作：用微信发送一次真实消息并确认模型回复写入 last_received_at / last_sent_at；在完成该真实往返前不得宣称 P11-3 或 P11 已完成。

验收：覆盖宿主缺失、Node 版本不满足、插件缺失、未扫码、探针失败、绑定成功和重启恢复测试。

P11-3A RR Gemini 自建服务退场与官方边界复位

目标：彻底移除为 Gemini Web 图片能力自行创建的常驻 Chrome、出口代理和服务，恢复 OmniRoute 官方 Provider/VNC 路径，并保留控制台现有连接、Combo 和 API Key 配置不变。

现场根因：

• 2026-09-27 04:14:54 CST，RR 发生全局 OOM；当时 1 分钟负载约 68、内存 2.8 GiB / 3.8 GiB、Swap 3.4 GiB / 6.0 GiB，OmniRoute 被内核杀死并自动重启。
• 两个 Chrome 同时使用 /root/.gemini-login-profile：历史自建 transient Chrome 已运行约 3 天，累计 CPU 约 1 天 1 小时、峰值内存约 1.8 GiB；另一个自建 gemini-web-session.service 又尝试启动第二个实例，日志出现 profile 锁和 9333 端口冲突。
• 控制台、API 和 OmniRoute 状态超时是 RR 全局资源耗尽后的结果，不是单独的前端轮询缺陷。
• 更深层根因是 Gemini Web 只用官方 Provider 时不需要常驻 Chrome；为绕过官方 headless 会话限制而增加的自建 profile、CDP、SOCKS/Privoxy 和 systemd 服务引入了重复生命周期，违反“不得自己再写一套”的边界。

修复与退场：

• 删除 RR 自建 gemini-web-session.service、gemini-egress-mm.service、gemini-egress-dd.service、Gemini guard、VNC/转发 transient 单元、gemini-web-egress/vnc-gemini-egress drop-in、自建 Privoxy 配置和独立 profile。
• 撤销 edge endpoint renderer 生成 edge-ssh-socks.sh、gemini-egress-mm.service 的代码路径；残留渲染文件会在下一次官方端点刷新时被移除，并在 --check 中视为漂移。
• 使用 Omni 官方 /api/vnc-session/{connectionId}/start 触发官方容器回收，再通过官方 DELETE 结束临时会话；最终 sessions=0 且不存在 com.omniroute.browser-login=true 容器。
• RR 当前仍为官方 omniroute@3.8.50，未改源码、未重编译、未替换包文件；控制台 Provider、连接、Combo、API Key 和代理注册表数据保持不变。

验收：

• RR 不存在 gemini-web-session、gemini-egress、glogin 等自定义单元或进程，9333、11080、8118 无监听，/root/.gemini-login-profile 不在活动路径。
• Omni /healthz 为 ok，官方 VNC 管理 API 可读，清理后 sessions=0 且无官方浏览器登录容器。
• 后续图片或搜索只能通过 Omni 官方 Provider、控制台和官方 API 处理；若官方能力不足，明确记录为上游能力缺口，不以自建服务补齐。

P11-4 中心告警路由

目标：所有 101 系统告警发到当前协调对话线程，不再各自硬编码生产线程 ID。

实施范围：

• 增加 root-only 配置 /root/.codex/state/codex-alert-route.json，字段固定为 version、coordinator_thread_id、updated_at，当前值指向 01a0d8a7-811a-7162-a902-9f80c736dc44。
• 增加 codex-alert-route show|set 命令。
• 配置缺失、损坏或线程 ID 非法时禁止通知并明确失败，不得回退到旧硬编码。
• 旧线程 01a0b281-ec7f-7731-83c4-7451f89028df 不再作为任何生产默认目标，只保留历史记录身份。
• --notify-thread 仅保留给隔离测试。

验收：执行正常、缺失、非法 ID、旧线程残留四类回归；合成告警真实到达当前协调线程。

P11-5 dog-public 节点纳管

目标：登记 dog-public，评估其作为 ThreeDogs 独立站、资源遥测节点和边缘备用候选。

固定事实：

项目	值
SSH	173.249.205.221:36406，用户 root
作用	ThreeDogs 独立站候选、资源遥测、边缘或 DERP 备用评估
画像	edge-gateway
批量任务	batch_allowed=false
Tailnet 策略	accept-dns=false、accept-routes=false
实测主机名	dog
实测 Tailnet	100.64.0.3
主机密钥	SHA256:7suv5NIWh7ePDIoZz5tYR4jWmXNONqeYWEyvC3xHfY4

实施范围：

• 保留现有宝塔、Nginx、Shadowsocks Rust 和防火墙配置，不抢占现有端口。
• 增量接入 Tailscale、Nomad、Docker 和资源遥测。
• 使用公网与节点双路径 SSH，核验主机身份和端口不变。
• 连续观察 72 小时后再评估边缘或 DERP 备用资格。
• ThreeDogs 正式迁移和 dog-public 正式接管必须另行确认切换窗口，不能自动执行。

现场结果：

• 101 的 dog-public 和 dog-public-tailnet 两个 SSH 别名均在严格主机校验下返回 dog。
• Tailscale 状态为 Running、Health=[]，RouteAll=false、Exit Node 为空、CorpDNS=false。
• Nomad 节点 dog-public 状态为 ready，NodeClass 为 edge-gateway，Docker 与 exec 驱动健康。
• 100.64.0.3:9100/metrics 返回 200；宝塔 16973、Nginx 80/888、Shadowsocks Rust 61158 和 SSH 36406 保持原监听。
• 2026-10-01 72 小时观察窗现场复核发现 dog-public 继承且持续失败的 postfix-mta-sts-resolver.service，但本机没有 Postfix 消费者；已停止并取消开机启动该单元，现场复读为 disabled/inactive、failed_units=0，原有宝塔、Nginx、Shadowsocks、SSH 和 9100 监听未变化。
• 现场首次部署曾因 Headscale 预授权密钥过期和错误使用 global-cli-nomad 证书失败；签发新的一次性授权并补齐共享 client.global.nomad 证书后成功。Bridge 代码已收紧为只接受 global-client-nomad，防止再次误用 CLI 证书。

验收：SSH 双路径、Tailnet 恢复、Nomad/Docker 健康、9100/metrics 返回 200、现有服务端口不变、重启后配置持久。当前 72 小时观察从 2026-09-27 00:09 CST 开始，重启持久性仍需在观察窗口内复核。

P11-6 发布与验收

目标：完成本地测试、严格 Docs 构建、GitHub Actions、101 Runner、RR 生产部署、管理员会话回读和回退验证。

实施范围：

• 本地运行 Python、Node、Console 浏览器契约、计划导航、文档清单和 MkDocs 严格构建。
• 提交并推送 GitHub，监控对应 Actions 和 101 Runner 直到成功或形成可复核的外部阻塞证据。
• 通过正式发布链部署 RR Console、Gateway、ClawBot 状态生成器和网络拓扑生成器。
• 使用短期管理员凭据完成浏览器回读；验收后立即撤销，不持久化。
• 公网页面、生产状态、关键哈希和回退点全部核验后才关闭工作包。

验收：代码、文档、远端提交、工作流、生产状态和公网页面全部一致；失败时停止下一批并回退，不把本地成功报告为生产完成。

P11-5A d02-dedirock 公网边缘节点纳管

目标：把具有独立公网 IPv4 的 d02 主机纳入节点网络，同时保留其公网恢复入口和现有托管服务边界。

固定事实：

项目	值
公网 SSH	107.172.186.4:10202，用户 root
Tailnet SSH	100.64.0.5:10202，用户 root
主机名	d02-dedirock
管理别名	d02
Tailnet 节点名	agentmeshos-edge-d02-dedirock
主机密钥	SHA256:2UKmsj2gJMg6uTHoxUvWwQY5+xQ3UYMfE8Dg2OOwj80
画像	edge-gateway，batch_allowed=false
Tailnet 策略	accept-dns=false、accept-routes=false

现场结果：

• 密码登录已关闭，sshd -T 为 PasswordAuthentication no 且 AuthenticationMethods publickey。
• SSH socket 只监听 10202，UFW 保留公网与 Tailnet 10202/tcp，删除旧 22/tcp 无效放行。
• 公网和 Tailnet 两个入口均从 RR、101、Home 的真实登录路径回读 d02-dedirock。
• Tailscale 1.102.4 为 Running，Health=[]，默认路由保持 eth0，无 Exit Node。
• Docker 29.8.1、Nomad 2.0.4 和 edge-gateway 注册已就绪，Docker/exec 驱动健康。
• 100.64.0.5:9100 已由 RR 成功采集；节点遥测脚本新增 ts-input 前置来源守卫，101 实测被阻断。
• 最终受控整机重启后约 18 秒双入口恢复，Tailscale、Docker、Nomad 和来源守卫均自动恢复；Nomad 节点仍为 ready/eligible，9100 容器重启计数为 0，systemctl --failed 为空。
• 重启巡检发现 d02 未安装 Postfix，但继承的 postfix-mta-sts-resolver 在 Python 3.14 下持续失败；该无消费者单元已 disable。NetworkManager 为实际网络管理者时，systemd-networkd-wait-online 仍被 network-online.target 拉起并超时；该无效单元已 mask。两项均已通过再次重启验证不再失败。

验收：主机名、双路径 SSH、公钥专用、Tailnet 偏好、Docker、Nomad、遥测来源限制和现有服务端口保持全部回读后成立。宝塔、Nginx、Shadowsocks 等现有服务未被迁移或接管。

P11-5B 102 节点遥测基线收敛

目标：消除 102 同时存在宿主 apt exporter 和正式容器基线造成的实现漂移，使所有 Linux Worker 使用同一套受限遥测入口。

现场结果：

• 迁移前正式脚本因 100.64.0.4:9100 被宿主 prometheus-node-exporter 1.10.2 占用而拒绝覆盖，未发生容器与宿主双监听。
• 宿主 unit 已执行 disable --now，保留原 /etc/default/prometheus-node-exporter 和 systemd drop-in 作为短期回退点，但不再监听端口。
• 旧 UFW 来源规则已删除，正式脚本重新部署 quay.io/prometheus/node-exporter:v1.9.1 容器，重启策略为 always。
• RR 对 100.64.0.4:9100/metrics 的正向读取通过；101 作为未授权 Tailnet 来源访问超时。
• 容器、UFW 规则和 ts-input 前置守卫在 102 当前运行状态中一致。

验收：端口只由正式容器监听，宿主 unit 为 disabled/inactive，RR 来源可读，未授权 Tailnet 来源被阻断。

🔌 接口与数据契约

• 拓扑接口继续复用 P10 已有只读链路数据，只扩展状态语义、风险级别和显示所需字段。
• #topology 使用浏览器本地布局，不保存到服务端，不包含敏感数据。
• 告警生产脚本统一读取 codex-alert-route，不再各自保存生产线程 ID。
• ClawBot 状态字段只包含版本、依赖版本、绑定状态、最近收发时间、错误码和回复窗口；不包含二维码、Token、Cookie 或消息正文。
• dog-public 使用 edge-gateway 画像，batch_allowed=false；Tailnet 只承载控制面、SSH、遥测和小于 1 MiB 的受控文件。
• 公网承载业务大流量，Tailnet 不承载业务数据面。

🧱 技术栈与架构选型

本阶段不引入新框架。节点管理继续使用现有 System Operations Bridge，网络数据继续由只读拓扑快照聚合，ClawBot 状态继续由 RR 本机生成脱敏快照，Gateway 只做严格白名单投影。选择这一路径的原因是现有栈已经有指纹、哈希、服务单元、浏览器契约和回退机制；新建第二套控制面会增加漂移面，不符合本阶段目标。

🎯 目标、成果与验收契约

• 目标：消除 MM 公网 IP 更换后因硬编码、告警投错线程、拓扑语义不清和节点纳管缺口导致的重复故障。
• 预期成果：可替换边缘模型、统一告警路由、整页网络态势、真实 ClawBot 状态、dog-public 纳管画像、同步文档与发布证据。
• 自动检查器：Python 单元测试、Node 契约测试、Console 浏览器契约、计划导航检查、文档清单检查、MkDocs 严格构建。
• AI 审核：不得把 systemd active、timer active、本地测试通过或旧快照新鲜误报为业务已经恢复。
• Benson 决定条件：正式切换 ThreeDogs、启用第二 DERP region、修改 DNS、重启关键生产服务或扩大管理员权限时必须明确确认。
• 风险：远程生产状态与本地仓库可能漂移；旧凭据、旧线程 ID、旧 IP 或旧设备密钥可能以历史资料形式残留。
• 回退：优先停止本阶段新增服务，恢复上一版脚本、配置和镜像；网络切换先恢复可用性，再做文件回退，不能跳过连通性验证。
• Token 预算：本阶段不新增隐藏预算；需要模型调用时沿用当前工作台策略。

🧩 分布式底座接入声明

接入结论：接入。

• 使用层：Network、Compute、Storage、Observability 均使用；Nomad 仅用于已登记节点与资源遥测链路。
• Adapter 归属：沿用现有 Gateway、System Operations Bridge 和 Console 只读链路，不新增执行网关。
• 执行映射：101 负责文档、代码、测试、发布协调和告警路由；RR 负责生产 Gateway、Console、ClawBot 宿主和网络拓扑生成；dog-public 只作为 edge-gateway 候选。
• 数据路径：公网承载业务数据和用户流量；Tailnet 只承载 SSH、Nomad、遥测和小于 1 MiB 的受控文件。
• 凭据路径：GitHub Token 只进入批准的 root-only 凭据位置或 GitHub Secret；不写入仓库、日志、文档或普通回复。
• 生命周期：只允许一次性凭据和安全凭据按边界撤销；普通状态、长期配置和日志不设置人为过期时间。
• 验收证据：本地测试输出、Git commit、GitHub Actions、101 Runner、RR 服务状态、公网 API/页面、浏览器截图、SSH 和遥测回读。

✅ 已完成前置

前置	完成事实	依据
P10 稳定边缘	edge.yohan.fun 作为稳定逻辑身份，业务域名通过 CNAME 跟随	P10-2 与最终 CI 门禁
P10 管理恢复	RR、101、Home 保留公网与 Tailnet 双通道，DD、MM 不扩大反向管理权限	P10-3 节点登记与负向验证
P10 路径观测	直连优先、DERP 为辅；控制台拓扑与网络控制路径金丝雀区分业务链路故障和整网故障	P10-4 至 P10-6
P10 切换回退	隔离环境已验证候选地址、非法地址拒绝、last-known-good 和回滚	P10-7 演练证据
文档治理	P10 已归档，P11 当前状态和文档分类已纳入文档治理检查	计划导航、文档清单与严格 Docs 构建

⚠️ 假设、边界与未决项

项目	当前事实	下一步
Mac mini 登录公钥	仍存在于 101、RR、Home、MM 和 DD 的授权列表	本轮保留，作为未来可能恢复的管理员身份
Mac mini 上线	当前不上线	后续重新评审管理员边界，不因本轮保留公钥自动上线
路由器 Full Cone	C 固件已验证可用，部分界面可能没有菜单	仅按现场 UI 与已验证配置记录，不比较 A/B/E
IPv6 掩码	用户书面 /118，现场为 /64	另行确认正式网段，不按 /118 重写现有配置
第二 DERP region	DD region 901 缺独立 DNS 与可信证书	条件具备后再启用，不自动切换
ThreeDogs 迁移	dog-public 已完成节点纳管，但尚未接管独立站流量	72 小时观察通过后另行确认切换窗口，不自动接管
dog-public 72 小时观察	纳管已完成，观察起点为 2026-09-27 00:09 CST	观察期内完成重启恢复和遥测连续性复核，再评估边缘或 DERP 备用资格
ThreeDogs 公网入口	当前拓扑探测 https://www.threedogs.vip/ 为 healthy，目标已归到 dog-public；正式迁移、接管和回滚记录仍需单独验收	保留 72 小时观察；切换窗口明确后补齐 MM、RR、dog-public 三路回读和 rollback
RR 资源故障观察	自建 Gemini Chrome、出口代理和常驻服务已全部退场，官方 VNC 会话为空；当前已解除全局 OOM 即时故障，但尚未经过 24 小时稳态和整机重启验证	观察 OmniRoute、Swap 和内核 OOM 计数；完成受控重启后复核官方 VNC、控制台、ClawBot 和无自建单元状态
控制台临时 API Key	已完成撤销	后续验收只使用短期凭据并立即撤销
Runtime MCP 普通 Key	官方 3.8.50 已现场复测，普通模型 Key访问 /api/mcp/tools 与 /api/mcp/stream 仍返回 403 AUTH_001	上游提供新的最小权限 scope 后再切换；当前继续使用受控管理 Key兼容
RR → 101 Tailnet 直连	最终拓扑仍显示经 DERP(agentmeshos-mm)；101 到 RR 的 tailscale ping 和 RR 到 101 的复核都未建立直连，360T7 的 firewall.@defaults[0].fullcone=1 已现场核验	保留直连优先、DERP 兜底；继续排查运营商 NAT、101 双网卡和物理链路，恢复后以 tailnet-rr-101=healthy 关闭
旧迁移文档	docs/mm公网入口迁移.md 等保留历史 IP	明确标记“历史值，不可用于恢复”，不纳入恢复链
mTLS	已在讨论中明确不做	本阶段不新增 mTLS 门禁

📋 修订记录

版本	日期	类型	内容
rev.1	2026-09-26	原地升级	将 P11 占位页升级为网络可替换、告警治理与节点纳管计划；不创建平行计划
rev.1	2026-09-26	基线补充	固定 edge.yohan.fun、告警协调线程、整页拓扑、ClawBot 真实探针和 dog-public edge-gateway 画像
rev.1	2026-09-26	边界补充	保留 Mac mini 公钥、继续使用 C 固件、不启用 mTLS、ThreeDogs 不自动迁移
rev.2	2026-09-27	现场更新	完成 dog-public 双路径 SSH、Tailscale、Nomad、Docker 和遥测纳管；修正 Headscale 过期授权与 Nomad Client 证书契约，启动 72 小时观察
rev.3	2026-09-27	拓扑修正	在线 Tailnet 节点改为动态发现；dog-public 和 OS 主机名分别显示；管理节点增加公网 SSH 与 Tailnet 双路径；多条链路分道并为断链增加文字标注
rev.4	2026-09-27	现场纠偏	OS 主机名改为通过 Node Exporter 自动读取；RR 补齐 dog-public 公网与 Tailnet SSH 别名；逻辑边缘标记改为 GW；ThreeDogs 断链改指向实际上游 dog-public；同对节点链路固定分道，自动布局增加多列防重叠
rev.5	2026-09-27	P11-3 实现	RR 完成宿主与插件安装；Bridge 增加短期内存 PTY 二维码会话；Runtime 与 Console 增加管理员绑定链路；状态生成器适配 configured 字段；真实扫码和部署回读仍待完成
rev.6	2026-09-27	ClawBot 模型链路修复	修正普通模型 Key 只放行 Combo 名称导致的权限预检失败；新增 OpenClaw 自定义 Provider 可重复部署、回退和真实 smoke；RR 绑定链路实测到 waiting_scan 并成功取消
rev.7	2026-09-27	ClawBot 生产部署	API Gateway 与 Docs Site 发布工作流及 RR 部署均成功；Provider health 和公网脚本哈希通过；状态保持 unbound，仅待管理员会话回读与真实微信扫码
rev.8	2026-09-27	RR 自建 Gemini 服务退场	定位两个自建 Gemini Chrome 与出口链路重复占用资源，导致 RR 全局 OOM；删除全部自建单元、profile、代理生成逻辑和旧 VNC 容器，恢复官方 Provider/VNC 数据库不变的应用边界
rev.9	2026-09-27	ClawBot 真实状态纠正	官方探针确认微信已配置、账号运行且收到真实消息；修正全局插件被误报为未安装的状态逻辑；增加余额错误正文的 Combo 响应质量门禁和精确模型 smoke
rev.10	2026-09-28	拓扑与 ClawBot 生产收口	edge/GW 生产回读为 healthy，同一对节点多条链路按曲率分道；ClawBot 状态生成器、默认模型和 API Gateway 已发布为 connected/bound + MODEL_ROUTE_OK；Home Bridge 拉取改为编码 JSON 并增加双重哈希校验；剩余为真实微信出站、受控重启和观察期验收
rev.11	2026-09-28	ClawBot 重启闭环与当前工作包切换	RR 受控重启后 Gateway 为 enabled/active/running，状态仍为 connected/bound，模型 smoke 为 pass；当前工作包切换到 P11-6 发布与验收，真实微信出入站保留为唯一外部动作验收
rev.12	2026-09-28	101 Runner OOM 隔离与恢复	Docs Run 36353513155 被 101 全局 OOM 打断，根因是同一时刻膨胀至约 7.2 GiB 的 grep；已清理孤儿监听器、禁用旧 Runner，并给活动 Runner 增加 4 GiB 硬上限、整组回收和故障重启；生产 Docs 仍需重跑复核
rev.13	2026-09-28	Runner OOM 正向复验完成	提交 04645791f55f4b751d5e974325b0ea1097d6d6a2 的 Docs Run 36354537606 已完成 build、Release bundle 和 RR deploy，Guardrails Run 36354537307 同步成功；Runner OOM 整改由真实工作流覆盖，生产 Docs 容器已回读同一提交 SHA
rev.14	2026-09-28	上游 Runner 丢失 Job 恢复边界	第二次 Docs Run 36355038100 命中 actions/runner #4728 的 runner_id=0、零步骤丢失 Job；手动重跑成功后，新增只匹配该明确注解的 GitHub 托管 Runner 恢复器，普通失败和重复尝试不自动重跑
rev.15	2026-09-28	网络态势与发布最终复核	生产拓扑回读 edge/GW 为 healthy，RR 到 dog-public、DD、MM 的多条路径均独立分道；提交 7b46e77 的 Guardrails 36355662477 与 Docs 36355662676 全成功，RR Docs 容器已切到同一 SHA；剩余只保留真实微信往返、72 小时观察和需用户决策的外部切换项
rev.16	2026-09-28	Runtime MCP 权限复核	官方 OmniRoute 3.8.50 在 RR 上以普通模型 Key 复测 /api/mcp/tools 与 /api/mcp/stream，两者仍返回 403 AUTH_001；确认是上游管理权限缺口，Runtime 继续使用受控管理 Key兼容，普通模型 Key不扩大权限
rev.17	2026-09-28	最终发布与 DERP 残余复核	提交 14ea30b 的 Guardrails 36356054184 与 Docs 36356054205 全成功，RR Docs 容器回读同一 SHA；GW 与公网业务路径 healthy，RR → 101 仍走 DERP，记录为运营商 NAT 穿透残余并保留自动兜底
rev.18	2026-09-30	d02 纳管与 Linux 遥测基线收敛	d02 完成三管理入口双路径、密码关闭、公钥专用、Tailnet/Docker/Nomad/遥测纳管和多次受控重启；清理无 Postfix 消费者的 MTA-STS 残留并 mask 无效 networkd 等待单元，最终开机 failed=0；节点遥测脚本升级为 v0.2.2，102 与 d02 均收敛到官方 node_exporter:v1.9.1 容器与 ts-input 前置来源守卫
rev.19	2026-10-01	Runner 悬挂防复发与 dog-public 残留清理	新增只匹配“服务 active、无 Worker、Busy 取消后未恢复、确有 queued Job 且冷却期已过”的 Runner watchdog，完成负向回归和现场安全实跑；dog-public 停止无 Postfix 消费者的 MTA-STS failed 单元并回读 failed_units=0

🧪 测试与验收

• DNS、SSH、端点快照和告警路由执行正常、缺失、非法 ID、旧线程残留四类回归。
• 拓扑在桌面和移动端验证拖动、越界、重叠、刷新后位置恢复、自动布局重置和连线跟随。
• ClawBot 覆盖宿主缺失、插件缺失、未扫码、探针失败、绑定成功和重启恢复。
• Gemini 官方边界覆盖：自定义单元/进程/端口为空、官方 VNC 会话可创建并删除、渲染器拒绝重新生成已退役出口服务。
• dog-public 验证现有服务端口不变、SSH 双路径、Tailnet 恢复、Nomad/Docker 健康、9100/metrics 返回 200 和重启后配置持久。
• 发布验证覆盖严格 Docs、计划导航检查、Action、101 Runner、RR 镜像一致性、公网回读和 rollback。

🔁 回退与重新验证

任一情况发生时，本阶段验收自动失效并必须重新检查：

• MM 或 dog-public 公网 IPv4/IPv6 再变化。
• Headscale、Tailscale、Nginx、OpenClaw 或 Node 版本变化。
• Nginx 配置重载失败、MM 或 DERP 节点重启、SSH Host 配置被覆盖。
• 恢复脚本重新执行、云厂商网络切换、DNS CNAME 或 edge.yohan.fun A/AAAA 被修改。
• 告警路由配置缺失、损坏或协调线程变化。

回退顺序：先停止新增脚本或状态生成器，保留现场证据；再恢复上一版配置和镜像；最后按 DNS、TLS、SSH、Tailscale、DERP、Gateway、Console、ClawBot 和业务入口逐项复核。旧 IP 和旧线程 ID 只允许作为历史记录，不得写回生产配置。