date: 2026-06-10 tags: [inbox, project/cli-agent, type/experiment-report] public: true

lh Local System Shell 进程生命周期实验

摘要

目标：单独追踪 lh Local System shell process lifecycle 问题，尤其是 killCommand / cleanupAll 是否能清理 shell 启动的完整 process tree。

当前判断：

killCommand 返回 success=true 不代表 shell command 的全部子孙进程都已结束。
对 timeout sh -c ... | head ... 这类 pipeline/嵌套 shell 命令，lh 当前只杀 direct child 时，子孙进程可能被 reparent 后继续运行。
这是独立于 IO buffer OOM 的第二条问题线，但两者会叠加：后台高输出任务被 kill 或父进程崩溃后，残留进程可能继续占用 CPU/IO/文件描述符。

相关背景笔记：lh-shell-io-buffer-pressure-experiment

背景机制

runCommand 使用 /bin/sh -c <command> 启动命令。真实命令通常不是单一进程，而是一个进程树：

direct child：/bin/sh -c ...
nested shell：例如 timeout 180s sh -c ...
pipeline 子进程：例如 find、head、yes、sleep

如果 killCommand 只对 direct child 调用 process.kill()，可能发生：

direct child 退出。
子孙进程仍在原 process group 或新 process group 中继续运行。
子孙进程被 reparent 到其他父进程。
lh 侧认为 shell session 已经被清理，但宿主机还有实际工作负载。

D1：killCommand 未清理 process tree

时间：2026-06-10 13:48。

实验环境：

项	值
工作目录	`/home/cy948/workspace/github/lobe-search-agent-eval`
tmux session	`lh-shell-exp`
connect pane	`lh-shell-exp:0.0`
agent pane	`lh-shell-exp:0.1`
device gateway	`http://localhost:8787`
agent gateway	`http://localhost:8788`

触发命令：

timeout 180s sh -c 'while :; do find /usr /home/cy948/workspace/github -maxdepth 8 -type f -print 2>&1; done | head -c 20971520; sleep 120'

复现步骤：

用 runCommand background 启动上面的命令。
记录返回的 shell_id，本轮为 sh-1 至 sh-4。
对这些 shell_id 调用 killCommand。
观察工具返回 success=true。
在宿主机检查残留进程。

工具返回：

shell_id	`killCommand`
`sh-1`	`success=true`
`sh-2`	`success=true`
`sh-3`	`success=true`
`sh-4`	`success=true`

宿主机检查命令：

pgrep -af 'timeout 180s sh -c|find /usr /home/cy948/workspace/github|maxdepth 8'
ps -o pid,ppid,pgid,sid,stat,etime,args -p <pid-list>

残留进程示例：

timeout 180s sh -c while :; do find /usr /home/cy948/workspace/github -maxdepth 8 -type f -print 2>&1; done | head -c 20971520; sleep 120
sh -c while :; do find /usr /home/cy948/workspace/github -maxdepth 8 -type f -print 2>&1; done | head -c 20971520; sleep 120

ps 观察：

PID      PPID   PGID      SID      STAT   COMMAND
1831610  2435   1831610   1753655  S      timeout 180s sh -c ...
1831611  1831610 1831610  1753655  S      sh -c ...
1831612  1831611 1831610  1753655  R      sh -c ...

关键现象：

lh 的 direct child 已经退出。
残留进程不再是 lh connect 的 direct child。
部分 PPID 变为 2435。
残留进程仍保留自己的 PGID。

结论：killCommand 当前语义不足以保证清理 process tree。

复现变体

R2 日志流变体

命令：

timeout 180s sh -c 'yes LOG_STREAM_LINE_abcdefghijklmnopqrstuvwxyz0123456789 | head -c 20971520; sleep 120'

用途：

同时复现 IO buffer OOM。
OOM 后检查 yes / head / timeout / nested sh 是否残留。
验证 lh connect 崩溃时 cleanupAll 是否有机会执行，以及即使执行是否能清理完整 process tree。

初步修复方向

Unix：启动 shell 时建立独立 process group，kill 时对 process group 发信号。
Windows：使用 job object 或 tree-kill 类能力处理子孙进程。
killCommand：返回前应尽量确认 process tree 已退出，至少区分 signal sent 和 actually terminated。
cleanupAll：进程退出和 gateway 断连时也应走同一套 process tree 清理逻辑。
background session：需要记录 process group / root pid / child pid 的生命周期元数据，便于观测和清理。
超时路径：foreground timeout、background kill、connect shutdown 应复用同一套 terminate 逻辑。

验证判据

修复前：

killCommand 返回 success=true。
pgrep 仍能找到 timeout / nested sh / pipeline 子进程。

修复后：

killCommand 返回成功后，pgrep 找不到该 shell session 关联的子孙进程。
cleanupAll 或 lh connect 正常关闭后，无残留子孙进程。
R1/R2 这类 pipeline 命令都能被清理。
普通 foreground 命令、background 命令、timeout 命令的结果语义不回归。

TODO

查看 packages/local-file-shell/src/shell/runner.ts 的 spawn options 是否能设置独立 process group。
查看 packages/local-file-shell/src/shell/process-manager.ts 的 kill / cleanupAll，设计 process tree cleanup。
补一个最小自动化测试：启动 nested shell + pipeline，kill 后断言子孙进程不存在。
和 lh-shell-io-buffer-pressure-experiment 的 IO buffer 修复分开推进，避免两个问题互相遮蔽。

kb26

探索