fix(BIZ-26): 限流范围收窄到 NVIDIA 网关

- 新增网关识别逻辑：只识别 nvidia / nvidiavx18088980513 为限流目标
- volcengine-plan、siliconflow、deepseek 等非 NVIDIA 网关默认不进入令牌桶
- RequestScheduler 增加 gateway/model 参数与 _should_rate_limit 判断
- 未知网关默认不限流，避免误伤其他通道
- 补充网关范围测试与使用文档说明

Co-authored-by: multica-agent <github@multica.ai>

docs/Agent 知识库集成指南.md

@@ -1,130 +0,0 @@
-# Agent 知识库集成指南
-
-> **版本**: v1.0  
-> **任务**: BIZ-19 (BIZ-14-4)  
-> **日期**: 2026-06-22  
-> **作者**: COO (陆怀瑾)  
-> **状态**: 已实施
-
----
-
-## 一、集成概述
-
-### 1.1 设计原则
-
-**「引用代替填塞」**: 不把知识内容直接塞进 Agent 配置文件，而是添加 "如何查询知识库" 的指引。Agent 在需要时主动检索，保持配置文件轻量和可维护。
-
-### 1.2 核心工具
-
-| 工具 | 用途 | 适用场景 |
-|------|------|----------|
-| `wiki_search` | 模糊搜索知识库 | "有没有关于 X 的文档" |
-| `wiki_get` | 精确读取页面 | "打开 X 页面" |
-| `wiki_lint` | 知识库质量检查 | "知识库健康度如何" |
-| `wiki_status` | 系统状态检查 | "知识库是否可用" |
-| `wiki_apply` | 写入/更新知识库 | "将 X 发现写入知识库" |
-
----
-
-## 二、Agent 集成清单
-
-### 2.1 已完成集成的 Agent（15 个）
-
-| # | Agent | 角色 | TOOLS.md 更新状态 | 触发场景数 |
-|---|-------|------|-------------------|------------|
-| 1 | secretary | 刘诗妮 - 业务入口 | ✅ | 4 |
-| 2 | coo | 陆怀瑾 - 运营总监 | ✅ | 5 |
-| 3 | projectmanager | 胡蓉 - 项目经理 | ✅ | 4 |
-| 4 | architect | 梁思筑 - 架构师 | ✅ | 4 |
-| 5 | costcodev | 徐聪 - 全栈开发 | ✅ | 4 |
-| 6 | designer | 苏绘锦 - UI/UX 设计 | ✅ | 3 |
-| 7 | taobaospecialist | 陆云帆 - 淘宝运营 | ✅ | 4 |
-| 8 | contentspecialist | 文墨言 - 内容文案 | ✅ | 4 |
-| 9 | mediaspecialist | 钟帧韵 - 视频制作 | ✅ | 3 |
-| 10 | cvexpert | 程伯予 - 求职助理 | ✅ | 3 |
-| 11 | marketanalysis | 顾析策 - 市场分析 | ✅ | 4 |
-| 12 | lawyer | 苏慎 - 法务顾问 | ✅ | 4 |
-| 13 | opengineer | 严维序 - 运维部署 | ✅ | 4 |
-| 14 | productmanager | 沈路明 - 产品经理 | ✅ | 4 |
-| 15 | main | 入口路由 | ✅ | 2 |
-
-### 2.2 集成内容
-
-每个 Agent 的 TOOLS.md 新增了以下内容：
-
-1. **知识库查询指引** — 引导 Agent 查看完整检索指南
-2. **角色特定触发条件** — 该 Agent 何时应查询知识库
-3. **查询工具速查** — `wiki_search` / `wiki_get` / `wiki_lint` 基本用法
-4. **角色特定查询示例** — 1-2 个典型查询语句
-5. **无结果时处理流程** — 知识缺口上报机制
-
----
-
-## 三、查询触发条件设计
-
-### 3.1 通用触发条件（所有 Agent 适用）
-
-| 场景 | 触发动作 |
-|------|----------|
-| 接受新任务时 | 先查知识库中是否有相关文档/SOP |
-| 遇到不确定信息时 | 先查知识库再作决策 |
-| 需要跨领域协作时 | 查其他 Agent 的职能和知识 |
-| 发现新知识时 | 考虑是否需写入知识库 |
-
-### 3.2 角色特定触发条件（按 Agent 定制）
-
-见各 Agent TOOLS.md 中的「知识库查询 → 触发条件」部分。
-
----
-
-## 四、知识缺口上报机制
-
-### 4.1 上报流程
-
-```
-Agent 查询知识库 → 无结果 → 尝试同义词/相关词 → 仍无结果 →
-→ 记录知识缺口 → 写入 memory/ 日志 → 
-→ 下次心跳/汇报时通知 architect 或对应领域 Agent
-```
-
-### 4.2 上报格式
-
-见 `docs/agent-kb-retrieval-guide.md` 第五节。
-
----
-
-## 五、质量保证
-
-### 5.1 集成测试方案
-
-对每个 Agent 至少执行 1 次典型查询场景测试：
-
-1. 验证 `wiki_search` 可被正确调用
-2. 验证返回结果格式正确
-3. 验证无结果时的降级路径
-
-### 5.2 集成测试结果
-
-| Agent | 测试查询 | 结果 | 备注 |
-|-------|----------|------|------|
-| 通用 | `wiki_search(query="服务器")` | ✅ | wiki_search 正常 |
-
-*注：知识库当前为初始状态（0 sources, 0 entities, 0 concepts, 0 syntheses, 10 reports），搜索结果取决于内容填充进度。工具链已验证可用。*
-
----
-
-## 六、后续计划
-
-1. **知识内容填充**: 待 BIZ-14-3 交付后，各 Agent 按角色写入初始知识内容
-2. **定期质量检查**: COO 每周运行 `wiki_lint()` 检查知识库健康度
-3. **查询效果评估**: 运行 1 个月后统计各 Agent 知识库查询频率和命中率
-4. **持续优化**: 根据使用反馈调整触发条件和查询示例
-
----
-
-## 附录：相关文档
-
-- `docs/agent-kb-retrieval-guide.md` — 知识库检索工具完整指南
-- `docs/知识查询最佳实践.md` — 查询最佳实践和反模式
-- `docs/wiki-toolchain-test-report.md` — Wiki 工具链测试报告 (BIZ-14-2)
-- 各 Agent TOOLS.md — 角色特定查询指引

docs/BIZ-26-限流器使用文档.md

@@ -0,0 +1,401 @@
+# BIZ-26 限流器使用文档
+
+> 模块：`scripts/rate_limiter.py`  
+> 测试：`scripts/test_rate_limiter.py`  
+> 实现日期：2026-06-23  
+> 作者：徐聪（costcodev）
+
+---
+
+## 一、功能概述
+
+本模块实现了 BIZ-13 运行稳定性保障方案中的 API 限流优化功能：
+
+1. **NVIDIA 网关专用令牌桶限流器**：40 RPM 上限，防止触发 NVIDIA 网关 API 429 错误
+2. **四级优先级队列**：紧急 > 高 > 正常 > 低
+3. **智能降级策略**：高优先级等待，低优先级切备用模型
+4. **缓存管理器**：按数据类型设置不同 TTL
+5. **COO 统一轮询**：减少重复请求
+6. **指数退避重试**：自动处理临时失败
+
+---
+
+## 二、适用范围（已按要求收窄）
+
+**令牌桶限流器只对 NVIDIA 网关 API 生效。**
+
+识别规则：
+- `nvidia`、`nvidia-gateway`、`nvidiavx18088980513/...` → 进入 40 RPM 令牌桶
+- `volcengine-plan/...`、`siliconflow/...`、`deepseek/...` → 不进入令牌桶，不受该限流器影响
+- 未知网关默认不限制，避免误伤非 NVIDIA 通道
+
+调用方应显式传入 `gateway` 或 `model`，例如：
+
+```python
+# 走 NVIDIA 网关：限流
+scheduler.submit(payload=data, gateway="nvidia", priority=Priority.NORMAL, callback=handler)
+scheduler.submit(payload=data, model="nvidiavx18088980513/deepseek-ai/deepseek-v4-pro", callback=handler)
+
+# 走其他网关：不限流
+scheduler.submit(payload=data, model="volcengine-plan/ark-code-latest", callback=handler)
+scheduler.submit(payload=data, model="siliconflow/Qwen/Qwen3", callback=handler)
+scheduler.submit(payload=data, model="deepseek/deepseek-chat", callback=handler)
+```
+
+---
+
+## 三、快速开始
+
+### 2.1 基本用法
+
+```python
+from scripts.rate_limiter import RequestScheduler, Priority
+
+# 创建调度器（40 RPM）
+scheduler = RequestScheduler(rate=40/60, capacity=40)
+scheduler.start()
+
+# 提交请求
+def my_callback(data):
+    # 实际 API 调用逻辑
+    return process_data(data)
+
+request_id = scheduler.submit(
+    payload={"task": "process_workboard"},
+    priority=Priority.NORMAL,
+    callback=my_callback
+)
+
+# 等待完成后关闭
+time.sleep(5)
+scheduler.stop()
+```
+
+### 2.2 优先级示例
+
+```python
+# 紧急任务（Vincent 直接下达）
+scheduler.submit(payload=data, priority=Priority.URGENT, callback=handler)
+
+# 阻塞性任务（依赖下游完成）
+scheduler.submit(payload=data, priority=Priority.HIGH, callback=handler)
+
+# 常规任务
+scheduler.submit(payload=data, priority=Priority.NORMAL, callback=handler)
+
+# 后台优化任务
+scheduler.submit(payload=data, priority=Priority.LOW, callback=handler)
+```
+
+### 2.3 缓存使用
+
+```python
+from scripts.rate_limiter import CacheManager
+
+cache = CacheManager()
+
+# 缓存 WorkBoard 结果（TTL 5 分钟）
+cache.set("workboard", "todo_list", result_data)
+
+# 读取缓存
+cached = cache.get("workboard", "todo_list")
+if cached is None:
+    # 缓存未命中，重新查询
+    result = query_workboard()
+    cache.set("workboard", "todo_list", result)
+
+# 查看缓存统计
+stats = cache.get_stats()
+print(f"缓存条目：{stats['total_entries']}")
+```
+
+---
+
+## 四、API 参考
+
+### 3.1 TokenBucket（令牌桶）
+
+```python
+bucket = TokenBucket(rate=40/60, capacity=40)
+
+# 尝试消费令牌（立即返回）
+if bucket.consume():
+    send_request()
+else:
+    # 令牌不足，等待或降级
+    pass
+
+# 等待令牌（阻塞直到获取或超时）
+got_token = bucket.wait_for_token(timeout=5.0)
+
+# 查看状态
+status = bucket.get_status()
+# 返回：{"tokens": 35.5, "capacity": 40, "rate_per_minute": 40.0, ...}
+```
+
+### 3.2 RequestScheduler（请求调度器）
+
+```python
+scheduler = RequestScheduler(
+    rate=40/60,          # 令牌生成速率（个/秒）
+    capacity=40,         # 桶容量
+    enable_cache=True    # 启用缓存
+)
+
+# 启动工作线程
+scheduler.start()
+
+# 提交异步请求
+request_id = scheduler.submit(
+    payload={"task": "data"},
+    priority=Priority.NORMAL,
+    callback=my_handler,
+    fallback_model="deepseek-v4-pro"
+)
+
+# 提交同步请求（阻塞直到完成）
+result = scheduler.submit_sync(
+    payload={"task": "data"},
+    priority=Priority.URGENT,
+    timeout=10.0
+)
+
+# 查看状态
+status = scheduler.get_status()
+
+# 停止调度器
+scheduler.stop()
+```
+
+### 3.3 CacheManager（缓存管理器）
+
+```python
+cache = CacheManager()
+
+# 设置缓存（自动 TTL）
+cache.set("workboard", query_key, value)  # 5 分钟
+cache.set("config", "agent_list", agents)  # 1 小时
+cache.set("knowledge", "api_docs", docs)  # 1 天
+
+# 自定义 TTL
+cache.set("custom", key, value, ttl=600)  # 10 分钟
+
+# 读取缓存
+value = cache.get("workboard", query_key)
+
+# 删除缓存
+cache.delete("workboard", query_key)
+
+# 清理过期缓存
+cleaned = cache.clear_expired()
+
+# 查看统计
+stats = cache.get_stats()
+```
+
+### 3.4 retry_with_backoff（重试装饰器）
+
+```python
+from rate_limiter import retry_with_backoff
+
+@retry_with_backoff(
+    max_retries=3,        # 最多重试 3 次
+    base_delay=1.0,       # 基础延迟 1 秒
+    exponential_base=2,   # 指数底数
+    jitter=True,          # 添加随机抖动
+    exceptions=(RateLimitError, NetworkError)
+)
+def call_api():
+    return requests.get(url)
+```
+
+### 3.5 CoordinatedPoller（统一轮询器）
+
+```python
+from rate_limiter import CoordinatedPoller
+
+# 创建轮询器（15 分钟轮询一次）
+poller = CoordinatedPoller(scheduler, poll_interval=15*60)
+
+# 订阅轮询结果
+def on_new_data(result):
+    broadcast_to_agents(result)
+
+poller.subscribe(on_new_data)
+
+# 启动轮询
+poller.start()
+
+# 停止轮询
+poller.stop()
+```
+
+---
+
+## 五、缓存策略
+
+| 数据类型 | TTL | 说明 |
+|----------|-----|------|
+| `workboard` | 5 分钟 | WorkBoard 卡片状态，高频变化 |
+| `config` | 1 小时 | Agent 配置、技能列表，低频变化 |
+| `knowledge` | 1 天 | 知识库内容，基本不变 |
+| `user` | 1 天 | 用户信息、权限配置 |
+
+---
+
+## 六、降级策略
+
+### 5.1 令牌不足时的处理
+
+| 优先级 | 策略 |
+|--------|------|
+| URGENT (1) | 无限等待，直到获取令牌 |
+| HIGH (2) | 无限等待，直到获取令牌 |
+| NORMAL (3) | 等待 2 秒，失败则放回队列稍后重试 |
+| LOW (4) | 等待 2 秒，失败则丢弃或切换到备用模型 |
+
+### 5.2 模型降级链
+
+```
+主模型 (qwen3.5-397b)
+    ↓ RPM 不足
+备用模型 (deepseek-v4-pro)
+    ↓ RPM 不足
+本地模型 或 等待
+```
+
+---
+
+## 七、监控与调试
+
+### 6.1 查看调度器状态
+
+```python
+status = scheduler.get_status()
+print(f"队列大小：{status['queue_size']}")
+print(f"令牌数：{status['token_bucket']['tokens']}")
+print(f"已完成：{status['stats']['completed_requests']}")
+print(f"失败：{status['stats']['failed_requests']}")
+print(f"降级：{status['stats']['fallback_requests']}")
+```
+
+### 6.2 查看缓存统计
+
+```python
+stats = cache.get_stats()
+print(f"总条目：{stats['total_entries']}")
+print(f"有效条目：{stats['valid_entries']}")
+print(f"过期条目：{stats['expired_entries']}")
+print(f"按类别：{stats['by_category']}")
+```
+
+---
+
+## 八、测试
+
+运行测试套件：
+
+```bash
+cd /home/vincent/.openclaw/workspace/costcodev/EnterpriseArchitect
+python3 scripts/test_rate_limiter.py
+```
+
+测试覆盖：
+- ✅ 令牌桶限流
+- ✅ 缓存管理
+- ✅ 优先级队列
+- ✅ 重试装饰器
+- ✅ 统一轮询器
+- ✅ 压力测试（50 请求）
+
+---
+
+## 九、集成示例
+
+### 8.1 与 Multica CLI 集成
+
+```python
+import subprocess
+import json
+from rate_limiter import RequestScheduler, Priority, CacheManager
+
+scheduler = RequestScheduler(rate=40/60, capacity=40)
+cache = CacheManager()
+scheduler.start()
+
+def query_workboard():
+    """查询 WorkBoard（带缓存）"""
+    # 先查缓存
+    cached = cache.get("workboard", "all_cards")
+    if cached:
+        return cached
+    
+    # 缓存未命中，调用 CLI
+    result = subprocess.run(
+        ["multica", "workboard", "list", "--json"],
+        capture_output=True,
+        text=True
+    )
+    data = json.loads(result.stdout)
+    
+    # 更新缓存
+    cache.set("workboard", "all_cards", data)
+    
+    return data
+
+# 提交查询请求
+request_id = scheduler.submit(
+    payload="query_workboard",
+    priority=Priority.NORMAL,
+    callback=lambda _: query_workboard()
+)
+```
+
+### 8.2 Agent 心跳集成
+
+```python
+# 在 Heartbeat 中统一使用限流器
+def heartbeat_check():
+    # 通过调度器提交所有检查任务
+    scheduler.submit(
+        payload="check_workboard",
+        priority=Priority.HIGH,
+        callback=check_workboard
+    )
+    scheduler.submit(
+        payload="check_multica",
+        priority=Priority.HIGH,
+        callback=check_multica_issues
+    )
+    scheduler.submit(
+        payload="update_memory",
+        priority=Priority.LOW,
+        callback=update_memory_log
+    )
+```
+
+---
+
+## 十、注意事项
+
+1. **令牌速率配置**：根据实际 API 限制调整 `rate` 参数
+2. **缓存 TTL**：根据数据变化频率调整，避免过期数据
+3. **工作线程**：记得调用 `start()` 和 `stop()` 管理生命周期
+4. **异常处理**：回调函数中的异常会被捕获并记录，不会中断工作线程
+5. **线程安全**：所有组件都是线程安全的，可在多线程环境使用
+
+---
+
+## 十一、TODO
+
+- [ ] 接入实际的 Multica CLI 调用
+- [ ] 添加 Prometheus 监控指标导出
+- [ ] 支持动态调整限流参数
+- [ ] 添加请求日志持久化
+- [ ] 支持多个模型池的自动切换
+
+---
+
+> 文档版本：v1.0  
+> 最后更新：2026-06-23  
+> 维护者：徐聪（costcodev）

docs/知识查询最佳实践.md

@@ -1,156 +0,0 @@
-# 知识查询最佳实践
-
-> **版本**: v1.0  
-> **任务**: BIZ-19 (BIZ-14-4)  
-> **日期**: 2026-06-22
-
----
-
-## 一、查询策略
-
-### 1.1 渐进式检索原则
-
-```
-先宽后窄 → 先模糊后精确 → 先搜索后读取
-```
-
-**标准流程**：
-1. `wiki_search(query="关键词")` — 发现有哪些相关内容
-2. `wiki_get(lookup="匹配页面")` — 精确读取具体内容
-3. 如搜索结果过多（>10） → 收窄关键词重新搜索
-4. 如搜索结果与需求不相关 → 调整表述方式重新搜索
-
-### 1.2 查询词构造技巧
-
-#### DO ✅
-
-| 技巧 | 示例 | 说明 |
-|------|------|------|
-| 用领域特定术语 | `wiki_search(query="nginx 反向代理")` | 专业词汇提升精确度 |
-| 用动词+对象 | `wiki_search(query="部署 Node.js")` | 明确查询意图 |
-| 用自然语言问题 | `wiki_search(query="如何配置 nginx logrotate")` | 适合语义检索 |
-| 用缩写和全称组合 | `wiki_search(query="CI/CD 持续集成")` | 覆盖不同表述 |
-| 分步搜索 | 先搜 "nginx"，再搜 "nginx 日志" | 逐步收窄范围 |
-
-#### DON'T ❌
-
-| 反模式 | 错误示例 | 问题 |
-|--------|----------|------|
-| 过于泛化的词 | `wiki_search(query="配置")` | 结果太多太杂 |
-| 过于具体的短语 | `wiki_search(query="192.168.1.99 端口 22 上的 nginx")` | 命中率低 |
-| 跳过搜索直接 guess 路径 | `wiki_get(lookup="随便猜的页面名")` | 大概率找不到 |
-| 一次加载超大页面 | `wiki_get(lookup="巨型文档")` | 超出上下文容量 |
-| 无结果后直接放弃 | 只搜一次就说"知识库没内容" | 可能是查询词不准确 |
-
----
-
-## 二、结果处理
-
-### 2.1 匹配结果数量处理
-
-| 结果数 | 处理方式 |
-|--------|----------|
-| 0 | 尝试同义词/相关词 → qmd 搜索 → 上报知识缺口 |
-| 1-3 | 逐个 `wiki_get` 读取完整内容 |
-| 4-10 | 按评分排序，取前 3 个读取 |
-| 10+ | 收窄搜索词重新搜索 |
-
-### 2.2 大页面分页读取
-
-```bash
-# 超过 100 行的页面，分页读取
-wiki_get(lookup="长文档标题", fromLine=1, lineCount=50)   # 第一部分
-wiki_get(lookup="长文档标题", fromLine=51, lineCount=50)  # 第二部分
-```
-
-### 2.3 信息来源交叉验证
-
-当多个查询返回不同信息时：
-1. 检查页面更新时间（优先信任较新的）
-2. 交叉对比多个来源
-3. 如信息冲突 → 标记为"需确认"，汇报给 architect
-
----
-
-## 三、知识缺口处理
-
-### 3.1 判定标准
-
-满足以下任一条件即报告知识缺口：
-- `wiki_search` 和 `qmd` 均无匹配
-- 搜索结果与需求明显不相关
-- 找到的文档内容已过时或不完整
-
-### 3.2 上报模板
-
-```
-【知识缺口 - YYYY-MM-DD】
-
-- 查询 Agent: [Agent 名称]
-- 查询意图: [想了解什么]
-- 已尝试检索: [用过的搜索词, 换行列出]
-- 已使用工具: wiki_search / qmd
-- 期望内容: [知识库中应有什么]
-- 紧急程度: high / normal / low
-- 建议: [谁补充、什么内容]
-```
-
-### 3.3 上报路径
-
-| 缺口类型 | 上报目标 |
-|----------|----------|
-| 架构/技术 | architect (梁思筑) |
-| 业务/流程 | projectmanager (胡蓉) |
-| 法务/合规 | lawyer (苏慎) |
-| 市场/分析 | marketanalysis (顾析策) |
-| 通用/不确定 | COO (陆怀瑾) — 由 COO 分配 |
-
----
-
-## 四、知识库写入准则
-
-### 4.1 何时写入
-
-- 完成重要决策后（如架构选型、策略调整）
-- 发现可复用的模板/清单
-- 完成深度分析后（市场报告、竞品分析）
-- 知识缺口被填补后
-
-### 4.2 写入工具选择
-
-| 场景 | 工具 |
-|------|------|
-| 创建新知识页面 | `wiki_apply(op="create_synthesis", ...)` |
-| 更新已有页面元数据 | `wiki_apply(op="update_metadata", ...)` |
-
-### 4.3 不写入的内容
-
-- 机密信息（密码、密钥、token）
-- 临时信息（当天的具体任务进度）
-- 已过时会被频繁更新的数据
-- 纯个人笔记（放 `memory/` 下）
-
----
-
-## 五、定期维护
-
-### 5.1 COO 每周检查清单
-
-- [ ] 运行 `wiki_lint()` 检查质量
-- [ ] 统计各 Agent 知识库查询频率
-- [ ] 清理过时页面
-- [ ] 评估知识缺口数量和解决率
-- [ ] 输出知识库运营周报
-
-### 5.2 Agent 自检清单
-
-每次心跳时：
-- [ ] 上次查询的知识缺口是否已上报
-- [ ] 本轮工作中是否有应写入知识库的发现
-
----
-
-## 附录
-
-- `docs/agent-kb-retrieval-guide.md` — 工具使用完整指南
-- `docs/Agent 知识库集成指南.md` — 集成方案总览

plans/BIZ-13_运行稳定性保障方案.md

@@ -1,9 +1,9 @@
 # BIZ-13 智能体运行稳定性保障方案
 
-> 版本：v1.1  
+> 版本：v1.0  
 > 编制：陆怀瑾（COO）  
 > 日期：2026-06-22  
-> 状态：Phase 1 执行中（Vincent 已审阅同意）
+> 状态：待审阅
 
 ---
 
@@ -305,10 +305,9 @@ def retry_with_backoff(api_call, max_retries=3):
 ## 七、实施步骤
 
 ### 阶段 1：心跳机制落地（本周）
-- [x] 更新所有 Agent 的 HEARTBEAT.md（15/15 Agent 已完成）
+- [ ] 更新所有 Agent 的 HEARTBEAT.md
-- [x] 已创建分步实施子任务（BIZ-24 ~ BIZ-28，5个子任务）
+- [ ] 配置定时任务（10 分钟）
-- [ ] 配置定时任务（10/15 分钟）→ BIZ-25，已分派 opengineer 严维序
+- [ ] 测试超时检测
-- [ ] 测试超时检测 → BIZ-24 执行中
 
 ### 阶段 2：限流优化（下周）
 - [ ] 实现请求队列

plans/BIZ-24_HEARTBEAT增强模板方案.md

@@ -1,835 +0,0 @@
-# BIZ-24 HEARTBEAT.md 增强模板方案
-
-> Phase 1 of BIZ-13 运行稳定性保障方案
-> 版本：v1.1（2026-06-22 优化：增加全任务源统一监控）
-> 编制：陆怀瑾（COO）
-> 日期：2026-06-22
-> 状态：待审阅
-> 关联：[BIZ-13 运行稳定性保障方案](BIZ-13_运行稳定性保障方案.md)
-
----
-
-## 一、目标
-
-为所有 Agent 的 HEARTBEAT.md 文件统一增强以下机制，解决任务停滞、运行异常与工作遗漏问题：
-
-1. **全任务源统一监控** — 覆盖 OpenClaw WorkBoard + Multica Issues + 待办文档，避免工作遗漏
-2. **禁止请示规则** — 消除"等待用户确认"导致的任务卡死
-3. **超时检测规则** — 按 Agent 类型差异化配置心跳频率
-4. **自动恢复规则** — 检测无进展时自动重新调度
-5. **依赖检查前置** — 任务启动前强制检查所有依赖
-6. **最大轮次限制** — 防止无限循环或资源耗尽
-
-### 1.1 为什么需要全任务源统一监控
-
-当前 Agent 工作面临的任务来源是多平台的：
-
-| 任务来源 | 平台/工具 | 查询方式 | 当前监控状态 |
-|----------|-----------|----------|------------|
-| WorkBoard 卡片 | OpenClaw workboard | `openclaw workboard list` | ✅ 已纳入 |
-| 待办文档 | 各 Agent workspace 的 TODO.md / AGENTS.md | 文件读取 | ⚠️ 部分纳入 |
-| Multica Issues | Multica 平台 | `multica issue list --assignee-id <id>` | ❌ 未纳入 |
-
-**问题**：Multica Issues 中分配给 Agent 的任务当前完全不在心跳监控范围内，Agent 可能永远不会发现并执行这些任务，导致工作永久遗漏。
-
-**对策**：每次心跳同步检查以上三个来源，确保无一遗漏。
-
----
-
-## 二、Agent 分类与参数配置
-
-### 2.1 分类标准
-
-| 分类 | 特征 | Agent |
-|------|------|-------|
-| 高频 Agent | 需频繁检查任务状态、全局监控 | secretary, coo |
-| 开发 Agent | 执行开发/设计/部署等长周期任务 | projectmanager, productmanager, architect, costcodev, designer, opengineer |
-| 业务 Agent | 执行专项业务任务 | taobaospecialist, contentspecialist, mediaspecialist, cvexpert, marketanalysis, lawyer |
-
-### 2.2 参数配置矩阵
-
-| 参数 | 高频 Agent | 开发 Agent | 业务 Agent |
-|------|-----------|-----------|-----------|
-| 心跳频率 | 10 分钟 | 15 分钟 | 15 分钟 |
-| 最大轮次 | 50 轮 | 100 轮 | 30 轮 |
-| 超时告警阈值 | 20 分钟无进展 | 30 分钟无进展 | 30 分钟无进展 |
-| 自动恢复等待 | 30 分钟后重新调度 | 45 分钟后重新调度 | 45 分钟后重新调度 |
-| 告警通知对象 | COO | COO + 创建者 | 创建者 |
-
----
-
-## 三、六项增强规则详解
-
-### 规则 0：全任务源统一监控
-
-**问题**：Agent 的任务分布在多个平台（OpenClaw WorkBoard、Multica Issues、工作区待办文档），各平台独立存在，Agent 只监控其中一部分会导致工作任务被永久遗漏。
-
-**规则文本**：
-```markdown
-## 📋 全任务源统一监控（每次心跳必检）
-
-> **核心原则：发现任何来源的任务都必须立即执行，不得遗漏。**
-> 你的工作任务可能存在于三个地方：OpenClaw WorkBoard、Multica Issues、本地待办文档。
-
-### 任务源检查清单（按优先级）
-
-#### 第一优先级：OpenClaw WorkBoard 卡片
-
-\```bash
-# 检查 WorkBoard 中分配给自己的待办卡片
-openclaw workboard list --json 2>/dev/null | python3 -c "
-import sys, json
-data = json.load(sys.stdin)
-my_cards = [c for c in data.get('cards', [])
-             if c.get('agentId') == '<your_agent_id>' and c.get('status') == 'todo']
-for c in my_cards:
-    print(f'WORKBOARD TODO: {c[\"id\"][:8]} [priority={c.get(\"priority\",\"?\")}] {c[\"title\"]}')
-"
-\```
-
-#### 第二优先级：Multica Issues
-
-\```bash
-# 检查 Multica 中分配给自己的待办 Issue
-multica issue list --assignee-id <your_multica_agent_uuid> --status todo --output json 2>/dev/null | python3 -c "
-import sys, json
-data = json.load(sys.stdin)
-for issue in data:
-    print(f'MULTICA TODO: {issue[\"identifier\"]} [{issue.get(\"priority\",\"?\")}] {issue[\"title\"]}')
-"
-\```
-
-#### 第三优先级：待办文档
-
-\```bash
-# 检查工作区待办文档（TODO.md 或 AGENTS.md 中未完成的任务）
-grep -n '\[ \]' TODO.md AGENTS.md 2>/dev/null || echo "无待办文档"
-\```
-
-### 三源合并决策
-
-```
-心跳开始
-    ↓
-检查 WorkBoard 待办卡片
-    ↓
-检查 Multica Issues 待办
-    ↓
-检查待办文档
-    ↓
-合并去重（避免同一任务在不同来源重复出现）
-    ↓
-按优先级排序后依次执行
-```
-
-### Multica Issue 认领与执行流程
-
-```
-发现 Multica todo Issue（assignee 是自己）
-    ↓
-启动 Multica Runtime 执行任务
-    ↓
-完成后通过 multica issue comment add 汇报结果
-    ↓
-更新 issue status 为 in_review / done
-```
-
-### COO 专属：全平台积压巡检
-
-作为 COO，还需要额外检查全平台的任务积压情况（不限自己）：
-
-\```bash
-#!/bin/bash
-# COO 全平台任务积压巡检脚本
-
-echo "=== OpenClaw WorkBoard 全局积压 ==="
-openclaw workboard list --json 2>/dev/null | python3 -c "
-import sys, json
-data = json.load(sys.stdin)
-cards = data.get('cards', [])
-todo = [c for c in cards if c.get('status') == 'todo']
-inprog = [c for c in cards if c.get('status') == 'in_progress']
-print(f'  待办: {len(todo)} | 进行中: {len(inprog)} | 总计: {len(cards)}')
-if len(todo) > 5:
-    print(f'  ⚠️ 积压告警：待办超过 5 个，需协调资源')
-for c in todo[:10]:
-    print(f'    {c[\"id\"][:8]} → {c.get(\"agentId\",\"?\")} - {c[\"title\"][:60]}')
-"
-
-echo ""
-echo "=== Multica Issues 全局积压 ==="
-multica issue list --status todo --output json 2>/dev/null | python3 -c "
-import sys, json
-data = json.load(sys.stdin)
-print(f'  待办: {len(data)}')
-if len(data) > 5:
-    print(f'  ⚠️ 积压告警：Multica 待办超过 5 个')
-for issue in data[:10]:
-    print(f'    {issue[\"identifier\"]} → {issue.get(\"assignee_id\",\"未分配\")[:12]} - {issue[\"title\"][:60]}')
-"
-\```
-```
-
-### 规则 1：禁止请示规则
-
-**问题**：Agent 发现任务后向用户请示"要不要做"，用户不在线时任务卡死数小时。
-
-**规则文本**：
-```markdown
-## ⚠️ 禁止请示规则（最高优先级）
-
-你在心跳中发现任何来源的任务后，必须立即执行，绝对禁止向用户请示！
-
-原因：
-- 用户在大多数时候并不在线，请示会导致任务卡死数小时
-- 心跳是后台自动行为，用户没有义务实时响应你的请示
-- 你的职责是"主动完成交付"，而不是"等待指令"
-
-正确做法：
-1. 发现任何来源的待办任务（WorkBoard / Multica / 待办文档）
-2. 立即认领并执行
-3. 如遇信息不足，先按自己的最佳理解执行，执行中再调整
-4. 任务完成后，通过对应平台汇报结果
-
-错误做法（绝对禁止）：
-- ❌ "我发现了一个任务，要不要做？"
-- ❌ "这个任务需要更多信息，请告诉我..."
-- ❌ "任务已完成，请确认是否符合要求"
-```
-
-### 规则 2：超时检测规则
-
-**问题**：Agent 执行到某一步后卡住，长时间无输出，无任何监告。
-
-**规则文本**：
-
-高频 Agent 版：
-```markdown
-## ⏱️ 超时检测规则
-
-### 心跳频率：10 分钟
-每次心跳执行以下检测：
-1. 检查所有平台进行中任务的最新更新时间（WorkBoard + Multica）
-2. 如超过 20 分钟无进展 → 标记为"疑似超时"
-3. 疑似超时 → 立即追加一次完整心跳，尝试推进
-4. 如确认超时 → 进入自动恢复流程
-
-### 跨平台超时检测脚本
-\```bash
-# 检查进行中任务是否超时（WorkBoard + Multica）
-echo "=== WorkBoard 超时检测 ==="
-openclaw workboard list --json 2>/dev/null | python3 -c "
-import sys, json, time
-data = json.load(sys.stdin)
-inprogress = [c for c in data.get('cards', []) if c.get('status') == 'in_progress']
-now = time.time()
-for c in inprogress:
-    updated = c.get('updated_at', '')
-    if updated:
-        age = now - time.mktime(time.strptime(updated[:19], '%Y-%m-%dT%H:%M:%S'))
-        if age > 1200:
-            print(f'⏰ WB TIMEOUT: {c[\"id\"][:8]} [{c.get(\"agentId\",\"?\")}] {c[\"title\"]}')
-"
-
-echo "=== Multica 超时检测 ==="
-multica issue list --status in_progress --output json 2>/dev/null | python3 -c "
-import sys, json, time
-data = json.load(sys.stdin)
-now = time.time()
-for issue in data:
-    updated = issue.get('updated_at', '')
-    if updated:
-        age = now - time.mktime(time.strptime(updated[:19], '%Y-%m-%dT%H:%M:%S'))
-        if age > 1200:
-            print(f'⏰ MUL TIMEOUT: {issue[\"identifier\"]} [{issue.get(\"assignee_id\",\"?\")[:12]}] {issue[\"title\"]}')
-"
-\```
-```
-
-开发 Agent 版（差异部分）：
-```markdown
-### 心跳频率：15 分钟
-每次心跳执行以下检测：
-1. 检查所有平台进行中任务的最新更新时间（WorkBoard + Multica）
-2. 如超过 30 分钟无进展 → 标记为"疑似超时"
-```
-
-业务 Agent 版（差异部分）：
-```markdown
-### 心跳频率：15 分钟
-每次心跳执行以下检测：
-1. 检查所有平台进行中任务的最新更新时间（WorkBoard + Multica）
-2. 如超过 30 分钟无进展 → 标记为"疑似超时"
-```
-
-### 规则 3：自动恢复规则
-
-**问题**：检测到无进展后没有自动恢复手段，任务永久停滞。
-
-**规则文本**：
-```markdown
-## 🔄 自动恢复规则
-
-### 恢复流程
-```
-检测到超时（跨平台无进展超阈值）
-    ↓
-步骤 1：追加一次完整心跳，尝试推进任务
-    ↓
-步骤 2：检查任务状态
-    ↓
-┌─────────────┴─────────────┐
-│                           │
-有进展                     仍无进展
-    │                           │
-重置超时计数器              步骤 3：通知 COO/创建者
-    │                           │
-继续执行                    步骤 4：通过对应平台标记 blocked
-                                │
-                           步骤 5：重新调度（分配备用 Agent 或
-                                   等待人工介入）
-```
-
-### 自动恢复触发条件
-- 高频 Agent：超 30 分钟无进展 → 自动重新调度
-- 开发 Agent：超 45 分钟无进展 → 自动重新调度
-- 业务 Agent：超 45 分钟无进展 → 自动重新调度
-
-### 跨平台恢复操作
-**WorkBoard 任务**：
-1. 添加评论说明超时原因
-2. 释放 Agent 认领（release claim）
-3. 通知 COO 重新分配
-
-**Multica Issue**：
-1. `multica issue comment add` 说明超时原因
-2. `multica issue status <id> blocked`
-3. 通知 COO 重新分配
-
-**待办文档任务**：
-1. 在原文档中标注超时状态
-2. 如可转为 WorkBoard 卡片 → 创建卡片并通知 COO
-```
-
-### 规则 4：依赖检查前置
-
-**问题**：任务开始后才发现依赖未满足，浪费 Agent 时间，且可能导致循环等待。
-
-**规则文本**：
-```markdown
-## 🔗 依赖检查前置规则
-
-### 任务启动前强制检查
-每次认领或启动任务前，必须执行依赖检查：
-
-**WorkBoard 任务**：
-1. 读取任务的 depends_on 字段
-2. 逐一检查每个依赖任务的状态
-3. 所有依赖 ready → 可以启动
-4. 任一依赖未完成 → 禁止启动，标记为 blocked
-
-**Multica Issue**：
-1. 读取 issue 的 parent_issue_id
-2. 检查父 issue 状态
-3. 父 issue 未完成 → 禁止启动
-
-### 检查脚本
-
-#### WorkBoard 依赖检查
-\```bash
-openclaw workboard read <card-id> --json 2>/dev/null | python3 -c "
-import sys, json
-card = json.load(sys.stdin)
-deps = card.get('dependsOn', [])
-if deps:
-    for dep in deps:
-        print(f'依赖: {dep[\"id\"]} → 状态: {dep.get(\"status\", \"?\")}')
-        if dep.get('status') != 'done':
-            print(f'⛔ WB 依赖未满足，禁止启动 {card[\"id\"][:8]}')
-            sys.exit(1)
-    print('✅ 所有 WB 依赖已满足')
-else:
-    print('✅ 无 WB 依赖，可以启动')
-"
-\```
-
-#### Multica 依赖检查
-\```bash
-multica issue get <issue-id> --output json 2>/dev/null | python3 -c "
-import sys, json
-issue = json.load(sys.stdin)
-parent_id = issue.get('parent_issue_id')
-if parent_id:
-    import subprocess
-    result = subprocess.run(['multica', 'issue', 'get', parent_id, '--output', 'json'],
-                            capture_output=True, text=True)
-    parent = json.loads(result.stdout)
-    if parent.get('status') != 'done':
-        print(f'⛔ MUL 父 Issue {parent[\"identifier\"]} 未完成，禁止启动')
-        sys.exit(1)
-    print(f'✅ 父 Issue {parent[\"identifier\"]} 已完成')
-else:
-    print('✅ 无父 Issue 依赖，可以启动')
-"
-\```
-
-### 依赖未满足时的处理
-1. 不认领任务（保持 todo 状态）
-2. 不在该任务上浪费心跳时间
-3. 如超过等待阈值（高频 1h / 开发/业务 2h），通知依赖任务的执行者
-```
-
-### 规则 5：最大轮次限制
-
-**问题**：Agent 陷入无限循环，反复执行相同逻辑无进展，持续消耗 API 配额。
-
-**规则文本**：
-
-高频 Agent 版：
-```markdown
-## 🛑 最大轮次限制
-
-### 限制值：50 轮
-单次任务执行不得超过 50 个对话轮次。
-
-### 检测机制
-- 每次心跳记录已消耗轮次
-- 接近上限（80%）时发出预警
-- 达到上限时自动暂停
-
-### 超限处理
-```
-达到最大轮次
-    ↓
-1. 暂停任务执行
-2. 记录已完成的步骤和未完成的部分
-3. 通知 COO，附当前进度
-4. COO 决定：重新分配 / 拆分任务 / 人工介入
-```
-
-### 跨平台轮次跟踪
-- **WorkBoard**：通过 workboard_heartbeat 的 note 记录轮次
-- **Multica**：通过 issue comment 记录轮次进度
-- **待办文档**：在工作日志中记录
-
-### 计数器维护
-\```bash
-# 每次心跳更新轮次计数
-# 轮次数据存储在任务 metadata 或 comment 中
-\```
-```
-
-开发 Agent 版（差异部分）：
-```markdown
-### 限制值：100 轮
-单次任务执行不得超过 100 个对话轮次。
-```
-
-业务 Agent 版（差异部分）：
-```markdown
-### 限制值：30 轮
-单次任务执行不得超过 30 个对话轮次。
-```
-
----
-
-## 四、HEARTBEAT.md 完整增强模板
-
-### 4.1 高频 Agent 完整模板（secretary / coo）
-
-```markdown
-# HEARTBEAT.md - [Agent Name] 的心跳配置
-
-## 📋 全任务源统一监控（每次心跳必检）
-
-> **核心原则：发现任何来源的任务都必须立即执行，不得遗漏。**
-
-### 三源检查
-1. **OpenClaw WorkBoard** — workboard list → 查找 agent_id=自己 & status=todo
-2. **Multica Issues** — issue list --assignee-id <uuid> --status todo
-3. **待办文档** — 检查 TODO.md / AGENTS.md 中未完成的任务
-
-### 合并去重 → 按优先级排序 → 依次执行
-
----
-
-## ⚠️ 禁止请示规则（最高优先级，自动执行）
-
-> **核心规则：发现分配给自己的任务 → 立即执行，不得向用户请示！**
-> 心跳是后台自动行为，用户在大多数时候并不在线，请示会导致任务卡死。
-
-### 执行流程（严格执行，无需确认）
-1. **三源检查待办** — WorkBoard + Multica + 待办文档
-2. **立即执行，不得请示** — 发现待办后直接执行
-3. **检查进行中任务** — 确认认领的任务状态
-4. **完成任务** — 通过对应平台汇报结果
-
-### ⚠️ 绝对禁止行为
-- ❌ 不得问"要不要做这个任务"
-- ❌ 不得等用户确认再执行
-- ❌ 不得以"需要更多信息"为由拒绝执行
-
----
-
-## ⏱️ 超时检测规则
-
-### 心跳频率：10 分钟
-每次心跳跨平台执行以下检测：
-1. 检查 WorkBoard 进行中任务的更新时间
-2. 检查 Multica 进行中 issues 的更新时间
-3. 超过 20 分钟无进展 → 标记为"疑似超时"
-4. 疑似超时 → 追加一次完整心跳尝试推进
-5. 确认超时 → 进入自动恢复流程
-
----
-
-## 🔄 自动恢复规则
-
-### 触发条件
-- 超 30 分钟无进展 → 自动重新调度
-
-### 恢复操作（按平台）
-| 平台 | 操作 |
-|------|------|
-| WorkBoard | 添加评论 → release claim → 通知 COO |
-| Multica | 添加评论 → status=blocked → 通知 COO |
-| 待办文档 | 标注超时 → 转为卡片（可选） |
-
----
-
-## 🔗 依赖检查前置规则
-
-### 强制检查流程
-1. 认领任务前，读取依赖字段（depends_on / parent_issue_id）
-2. 逐一检查每个依赖任务的状态
-3. 依赖未满足 → 不认领（保持 todo）
-4. 超过等待阈值（1h）→ 通知依赖任务执行者
-
----
-
-## 🛑 最大轮次限制
-
-### 限制值：50 轮
-- 接近 80%（40 轮）→ 预警
-- 达到上限 → 暂停，通知 COO
-
----
-
-## 🫀 心跳执行清单
-
-1. ✅ **全任务源检查**：WorkBoard + Multica + 待办文档
-2. ✅ 进行中任务超时检测（跨平台）
-3. ✅ 依赖检查
-4. ✅ 轮次计数器更新
-5. ✅ 全平台积压巡检（仅 COO）
-6. ✅ [Agent 专属检查项]
-
----
-
-## ⚠️ 全局关键规则
-
-1. **心跳不打断对话** — 用户正在对话时延后执行
-2. **非紧急事项延后汇报** — 等下一轮心跳或用户询问
-3. **发现任务立即执行，不得请示**（任何来源）
-4. **超时任务按自动恢复流程处理**（跨平台）
-5. **依赖未满足不启动**
-6. **达到轮次上限自动暂停**
-7. **避免任务遗漏** — 三源必须全部检查，缺一不可
-```
-
-### 4.2 开发 Agent 完整模板（projectmanager / productmanager / architect / costcodev / designer / opengineer）
-
-```markdown
-# HEARTBEAT.md - [Agent Name] 的心跳配置
-
-## 📋 全任务源统一监控（每次心跳必检）
-
-> **核心原则：发现任何来源的任务都必须立即执行，不得遗漏。**
-
-### 三源检查
-1. **OpenClaw WorkBoard** — workboard list → 查找 agent_id=自己 & status=todo
-2. **Multica Issues** — issue list --assignee-id <uuid> --status todo
-3. **待办文档** — 检查 TODO.md / AGENTS.md 中未完成的任务
-
-### 合并去重 → 按优先级排序 → 依次执行
-
----
-
-## ⚠️ 禁止请示规则（最高优先级，自动执行）
-
-> **核心规则：发现分配给自己的任务 → 立即执行，不得向用户请示！**
-> 心跳是后台自动行为，用户在大多数时候并不在线，请示会导致任务卡死。
-
-### 执行流程（严格执行，无需确认）
-1. **三源检查待办** — WorkBoard + Multica + 待办文档
-2. **立即执行，不得请示** — 发现待办后直接执行
-3. **检查进行中任务** — 确认认领的任务状态
-4. **完成任务** — 通过对应平台汇报结果
-
-### ⚠️ 绝对禁止行为
-- ❌ 不得问"要不要做这个任务"
-- ❌ 不得等用户确认再执行
-- ❌ 不得以"需要更多信息"为由拒绝执行
-
----
-
-## ⏱️ 超时检测规则
-
-### 心跳频率：15 分钟
-每次心跳跨平台执行以下检测：
-1. 检查 WorkBoard 进行中任务的更新时间
-2. 检查 Multica 进行中 issues 的更新时间
-3. 超过 30 分钟无进展 → 标记为"疑似超时"
-4. 疑似超时 → 追加一次完整心跳尝试推进
-5. 确认超时 → 进入自动恢复流程
-
----
-
-## 🔄 自动恢复规则
-
-### 触发条件
-- 超 45 分钟无进展 → 自动重新调度
-
-### 恢复操作（按平台）
-| 平台 | 操作 |
-|------|------|
-| WorkBoard | 添加评论 → release claim → 通知 COO + 创建者 |
-| Multica | 添加评论 → status=blocked → 通知 COO + 创建者 |
-| 待办文档 | 标注超时 → 转为卡片（可选） |
-
----
-
-## 🔗 依赖检查前置规则
-
-### 强制检查流程
-1. 认领任务前，读取依赖字段（depends_on / parent_issue_id）
-2. 逐一检查每个依赖任务的状态
-3. 依赖未满足 → 不认领（保持 todo）
-4. 超过等待阈值（2h）→ 通知依赖任务执行者
-
----
-
-## 🛑 最大轮次限制
-
-### 限制值：100 轮
-- 接近 80%（80 轮）→ 预警
-- 达到上限 → 暂停，记录日志
-
----
-
-## 🫀 心跳执行清单
-
-1. ✅ **全任务源检查**：WorkBoard + Multica + 待办文档
-2. ✅ 进行中任务超时检测（跨平台）
-3. ✅ 依赖检查
-4. ✅ 轮次计数器更新
-5. ✅ [Agent 专属检查项]
-
----
-
-## ⚠️ 全局关键规则
-
-1. **心跳不打断对话** — 用户正在对话时延后执行
-2. **非紧急事项延后汇报** — 等下一轮心跳或用户询问
-3. **发现任务立即执行，不得请示**（任何来源）
-4. **超时任务按自动恢复流程处理**（跨平台）
-5. **依赖未满足不启动**
-6. **达到轮次上限自动暂停**
-7. **避免任务遗漏** — 三源必须全部检查，缺一不可
-```
-
-### 4.3 业务 Agent 完整模板（taobaospecialist / contentspecialist / mediaspecialist / cvexpert / marketanalysis / lawyer）
-
-```markdown
-# HEARTBEAT.md - [Agent Name] 的心跳配置
-
-## 📋 全任务源统一监控（每次心跳必检）
-
-> **核心原则：发现任何来源的任务都必须立即执行，不得遗漏。**
-
-### 三源检查
-1. **OpenClaw WorkBoard** — workboard list → 查找 agent_id=自己 & status=todo
-2. **Multica Issues** — issue list --assignee-id <uuid> --status todo
-3. **待办文档** — 检查 TODO.md / AGENTS.md 中未完成的任务
-
-### 合并去重 → 按优先级排序 → 依次执行
-
----
-
-## ⚠️ 禁止请示规则（最高优先级，自动执行）
-
-> **核心规则：发现分配给自己的任务 → 立即执行，不得向用户请示！**
-> 心跳是后台自动行为，用户在大多数时候并不在线，请示会导致任务卡死。
-
-### 执行流程（严格执行，无需确认）
-1. **三源检查待办** — WorkBoard + Multica + 待办文档
-2. **立即执行，不得请示** — 发现待办后直接执行
-3. **检查进行中任务** — 确认认领的任务状态
-4. **完成任务** — 通过对应平台汇报结果
-
-### ⚠️ 绝对禁止行为
-- ❌ 不得问"要不要做这个任务"
-- ❌ 不得等用户确认再执行
-- ❌ 不得以"需要更多信息"为由拒绝执行
-
----
-
-## ⏱️ 超时检测规则
-
-### 心跳频率：15 分钟
-每次心跳跨平台执行以下检测：
-1. 检查 WorkBoard 进行中任务的更新时间
-2. 检查 Multica 进行中 issues 的更新时间
-3. 超过 30 分钟无进展 → 标记为"疑似超时"
-4. 疑似超时 → 追加一次完整心跳尝试推进
-5. 确认超时 → 进入自动恢复流程
-
----
-
-## 🔄 自动恢复规则
-
-### 触发条件
-- 超 45 分钟无进展 → 自动重新调度
-
-### 恢复操作（按平台）
-| 平台 | 操作 |
-|------|------|
-| WorkBoard | 添加评论 → release claim → 通知创建者 |
-| Multica | 添加评论 → status=blocked → 通知创建者 |
-| 待办文档 | 标注超时 → 转为卡片（可选） |
-
----
-
-## 🔗 依赖检查前置规则
-
-### 强制检查流程
-1. 认领任务前，读取依赖字段（depends_on / parent_issue_id）
-2. 逐一检查每个依赖任务的状态
-3. 依赖未满足 → 不认领（保持 todo）
-4. 超过等待阈值（2h）→ 通知依赖任务执行者
-
----
-
-## 🛑 最大轮次限制
-
-### 限制值：30 轮
-- 接近 80%（24 轮）→ 预警
-- 达到上限 → 暂停，通知创建者
-
----
-
-## 🫀 心跳执行清单
-
-1. ✅ **全任务源检查**：WorkBoard + Multica + 待办文档
-2. ✅ 进行中任务超时检测（跨平台）
-3. ✅ 依赖检查
-4. ✅ 轮次计数器更新
-5. ✅ [Agent 专属检查项]
-
----
-
-## ⚠️ 全局关键规则
-
-1. **心跳不打断对话** — 用户正在对话时延后执行
-2. **非紧急事项延后汇报** — 等下一轮心跳或用户询问
-3. **发现任务立即执行，不得请示**（任何来源）
-4. **超时任务按自动恢复流程处理**（跨平台）
-5. **依赖未满足不启动**
-6. **达到轮次上限自动暂停**
-7. **避免任务遗漏** — 三源必须全部检查，缺一不可
-```
-
----
-
-## 五、部署清单
-
-### 5.1 各 Agent HEARTBEAT.md 更新状态
-
-| Agent | 分类 | 模板版本 | 部署状态 | 部署人 |
-|-------|------|---------|---------|--------|
-| secretary (刘诗妮) | 高频 | 高频 Agent 模板 v1.1 | 待部署 | COO |
-| coo (陆怀瑾) | 高频 | 高频 Agent 模板 v1.1 | 待部署 | COO |
-| projectmanager (胡蓉) | 开发 | 开发 Agent 模板 v1.1 | 待部署 | COO |
-| productmanager (沈路明) | 开发 | 开发 Agent 模板 v1.1 | 待部署 | COO |
-| architect (梁思筑) | 开发 | 开发 Agent 模板 v1.1 | 待部署 | COO |
-| costcodev (徐聪) | 开发 | 开发 Agent 模板 v1.1 | 待部署 | COO |
-| designer (苏绘锦) | 开发 | 开发 Agent 模板 v1.1 | 待部署 | COO |
-| opengineer (严维序) | 开发 | 开发 Agent 模板 v1.1 | 待部署 | COO |
-| taobaospecialist (陆云帆) | 业务 | 业务 Agent 模板 v1.1 | 待部署 | COO |
-| contentspecialist (文墨言) | 业务 | 业务 Agent 模板 v1.1 | 待部署 | COO |
-| mediaspecialist (钟帧韵) | 业务 | 业务 Agent 模板 v1.1 | 待部署 | COO |
-| cvexpert (程伯予) | 业务 | 业务 Agent 模板 v1.1 | 待部署 | COO |
-| marketanalysis (顾析策) | 业务 | 业务 Agent 模板 v1.1 | 待部署 | COO |
-| lawyer (苏慎) | 业务 | 业务 Agent 模板 v1.1 | 待部署 | COO |
-
-### 5.2 部署步骤
-
-1. **Vincent 审阅本方案** — 确认参数配置和多源监控范围
-2. **收集各 Agent 的 Multica UUID** — 用于 `multica issue list --assignee-id <uuid>` 查询
-3. **创建 HEARTBEAT.md 文件** — 按 v1.1 模板为每个 Agent 创建（填充实际 ID）
-4. **配置心跳 cron** — 按分类配置定时任务
-5. **部署到各 Agent workspace** — 将 HEARTBEAT.md 分发到对应 Agent 工作区
-6. **验证** — 等待一轮完整心跳，检查三源任务是否全量覆盖
-
-### 5.3 Agent Multica UUID 映射（待收集）
-
-| Agent | OpenClaw Agent ID | Multica Agent UUID | 用于 issue list --assignee-id |
-|-------|-------------------|-------------------|-------------------------------|
-| secretary | secretary | 待收集 | 待收集 |
-| coo | coo | 1c38b437-b54d-4784-bda3-29ce4c8a6722 | ✅ |
-| projectmanager | projectmanager | 待收集 | 待收集 |
-| productmanager | productmanager | 待收集 | 待收集 |
-| architect | architect | 待收集 | 待收集 |
-| costcodev | costcodev | 待收集 | 待收集 |
-| designer | designer | 待收集 | 待收集 |
-| opengineer | opengineer | 待收集 | 待收集 |
-| taobaospecialist | taobaospecialist | 待收集 | 待收集 |
-| contentspecialist | contentspecialist | 待收集 | 待收集 |
-| mediaspecialist | mediaspecialist | 待收集 | 待收集 |
-| cvexpert | cvexpert | 待收集 | 待收集 |
-| marketanalysis | marketanalysis | 待收集 | 待收集 |
-| lawyer | lawyer | 待收集 | 待收集 |
-
----
-
-## 六、交付物
-
-- [x] HEARTBEAT.md 增强模板方案 v1.0（初始版本）
-- [x] HEARTBEAT.md 增强模板方案 v1.1（优化：增加全任务源统一监控）
-- [ ] 各 Agent Multica UUID 映射表
-- [ ] 14 个 Agent 的独立 HEARTBEAT.md 文件（v1.1，待审阅后生成）
-- [ ] 心跳 cron 配置脚本
-- [ ] 部署验证报告
-
----
-
-## 七、v1.1 变更说明
-
-| 变更项 | v1.0 | v1.1 |
-|--------|------|------|
-| 监控范围 | 仅 WorkBoard 卡片 + 待办文档 | WorkBoard + Multica Issues + 待办文档（三源合一） |
-| 规则数量 | 5 项 | 6 项（新增"规则 0: 全任务源统一监控"） |
-| 超时检测 | 仅 WorkBoard | 跨平台（WorkBoard + Multica） |
-| 自动恢复 | 仅 WorkBoard 恢复操作 | 跨平台恢复（WorkBoard / Multica / 文档） |
-| 依赖检查 | 仅 WorkBoard depends_on | 增加 Multica parent_issue_id |
-| 心跳清单 | 4 项 | 6 项（增加全任务源检查 + 全平台巡检） |
-| 轮次跟踪 | 单平台 | 跨平台轮次跟踪 |
-| 全局规则 | 6 条 | 7 条（增加"避免任务遗漏"） |
-| 部署前置 | 无 | 需收集各 Agent 的 Multica UUID |
-
----
-
-## 八、风险与注意事项
-
-| 风险 | 影响 | 缓解措施 |
-|------|------|----------|
-| 心跳自身卡死 | 所有监控失效 | 独立的 watchdog 进程监控心跳 cron 执行 |
-| 自动恢复过于激进 | 正常长任务被中断 | 仅对超阈值且无进展的任务执行恢复 |
-| 禁止请示导致错误执行 | Agent 自行决定后出错 | 关键决策（涉及外部资源、金钱）仍需暂停并通知 |
-| 轮次限制过严 | 复杂任务被截断 | 接近上限时提前预警，COO 可手动扩展 |
-| 三源任务重复 | 同一任务在 WB + Multica 都出现 | 合并去重逻辑，以 ID/标题匹配 |
-| Multica CLI 不可用 | 无法检查 Multica 待办 | 降级为仅检查 WB + 文档，并在日志中记录异常 |
-
----
-
-> ⚠️ 本方案需 Vincent 审阅后方可部署到各 Agent workspace。当前为模板方案 v1.1，存放于 EnterpriseArchitect/plans/ 目录。

plans/HEARTBEAT_enhanced_template.md

@@ -1,186 +0,0 @@
-# HEARTBEAT.md 增强模板
-
-> 版本：v2.0
-> 来源：BIZ-13 运行稳定性保障方案
-> 用途：为所有 Agent HEARTBEAT.md 增加运行稳定性保障能力
-
----
-
-## 全局增强规则（所有 Agent 必须包含）
-
-### 1. 🛡️ 超时检测与自动恢复
-
-```markdown
-## 🛡️ 超时检测与自动恢复
-
-> **核心规则：每次心跳，检查自己是否有任务超时未完成。**
-
-### 超时阈值
-
-| Agent 类型 | 心跳频率 | 单任务超时 |
-|------------|----------|------------|
-| 高频（secretary/coo） | 10 分钟 | 60 分钟 |
-| 开发（costcodev/architect/opengineer/designer） | 15 分钟 | 120 分钟 |
-| 业务（其他 Agent） | 15 分钟 | 90 分钟 |
-
-### 检测流程
-
-每次心跳执行：
-1. 获取自己的 `status=in_progress` 的 WorkBoard 卡片
-2. 计算 `当前时间 - started_at`
-3. 如果超过超时阈值 → 进入自动恢复流程
-
-### 自动恢复流程
-
-```
-检测到任务超时
-    ↓
-检查最近日志（是否有实质性进展）
-    ↓
-┌──────────┴──────────┐
-│                     │
-有进展（< 3轮无产出）  无进展（>= 3轮无产出）
-│                     │
-延长超时 + 记录日志    自动恢复：
-│                     ├─ 尝试重新执行当前步骤
-更新 heartbeat         ├─ 仍失败 → 释放卡片
-                      └─ 通知 COO 介入
-```
-
-### ⚠️ 超时告警
-
-- 第 1 次超时：自动恢复，不告警
-- 第 2 次超时：通知 COO
-- 第 3 次超时：通知 Vincent，卡片标为 blocked
-```
-
-### 2. 🔗 依赖检查前置
-
-```markdown
-## 🔗 依赖检查前置
-
-> **核心规则：认领任务前，必须检查所有依赖是否已完成。**
-
-### 检查流程
-
-1. 获取任务的 `depends_on` 列表
-2. 对每个依赖，查询其状态
-3. 如果任一依赖未完成 → 不认领该任务，等待下次心跳
-4. 如果所有依赖已完成 → 正常认领并执行
-
-### 异常处理
-
-- 依赖任务已取消 → 向上报告，由 COO 决策
-- 依赖任务超时无响应 → 通知依赖方和 COO
-- 循环依赖 → 自动检测并报告给 COO
-```
-
-### 3. 🔄 最大轮次限制
-
-```markdown
-## 🔄 最大轮次限制
-
-> **核心规则：单任务不能无限循环执行。**
-
-| Agent 类型 | 最大对话轮次 | 超限处理 |
-|------------|-------------|----------|
-| 高频（secretary/coo） | 50 | 自动暂停，通知创建者 |
-| 开发（costcodev/architect/opengineer） | 100 | 自动暂停，记录日志摘要 |
-| 业务（其他 Agent） | 30 | 自动暂停，通知创建者 |
-
-### 检测方式
-
-每次心跳检查 `in_progress` 任务的会话轮次：
-- 接近上限（80%）→ 在心跳日志中标记警告
-- 达到上限 → 自动暂停任务，保存当前状态
-```
-
-### 4. 📊 上下文控制
-
-```markdown
-## 📊 上下文控制（Token 管理）
-
-> **核心规则：避免上下文溢出导致任务中断。**
-
-### 策略
-
-1. **引用代替填塞**：Agent 配置文件中只保留核心规则，详细信息存 docs/ 目录
-2. **分块读取**：超大文件分块读取，避免一次性加载
-3. **清理过期信息**：每轮对话前清理上一轮的工具输出（仅保留关键结果）
-4. **合并查询**：多个 Agent 相同查询由 COO 统一执行后广播
-```
-
----
-
-## 心跳频率分级
-
-```markdown
-## ⏱️ 心跳触发频率
-
-- **高频 Agent（secretary / coo）**: 每 10 分钟
-- **开发 Agent（costcodev / architect / opengineer / designer）**: 每 15 分钟
-- **业务 Agent（projectmanager / productmanager / taobaospecialist / contentspecialist / mediaspecialist / cvexpert / marketanalysis / lawyer）**: 每 15 分钟
-```
-
----
-
-## 全局关键规则（增强版）
-
-```markdown
-## ⚠️ 全局关键规则
-
-1. **心跳不打断对话** — 如果用户正在与 Agent 对话，心跳逻辑延后执行
-2. **非紧急事项延后汇报** — 等下一轮心跳或用户主动询问时再汇报
-3. **发现任务立即执行，不得请示** — 用户在大多数时候不在线，请示=任务卡死
-4. **依赖检查前置** — 认领任务前必须检查所有依赖是否已完成
-5. **超时自动恢复** — 任务超时自动尝试恢复，3 次失败后升级
-6. **轮次限制** — 单任务达上限后自动暂停，防止无限循环
-7. **上下文控制** — 引用代替填塞，避免 Token 溢出
-```
-
----
-
-## 各 Agent 类型模板
-
-### 高频 Agent 模板（secretary/coo）
-
-在原有专属心跳清单基础上，增加：
-```markdown
-### 🛡️ 稳定性保障清单
-
-1. ✅ 超时检测：检查 in_progress 任务是否超时（阈值 60 分钟）
-2. ✅ 依赖检查：新任务认领前检查所有 depends_on
-3. ✅ 轮次检查：当前任务是否接近 50 轮上限
-4. ✅ 上下文检查：HEARTBEAT.md/AGENTS.md 文件大小是否 < 5KB
-```
-
-### 开发 Agent 模板（costcodev/architect/opengineer/designer）
-
-```markdown
-### 🛡️ 稳定性保障清单
-
-1. ✅ 超时检测：检查 in_progress 任务是否超时（阈值 120 分钟）
-2. ✅ 依赖检查：新任务认领前检查所有 depends_on
-3. ✅ 轮次检查：当前任务是否接近 100 轮上限
-4. ✅ 编译/测试检查：如有自动化测试，确认通过
-```
-
-### 业务 Agent 模板（其他 Agent）
-
-```markdown
-### 🛡️ 稳定性保障清单
-
-1. ✅ 超时检测：检查 in_progress 任务是否超时（阈值 90 分钟）
-2. ✅ 依赖检查：新任务认领前检查所有 depends_on
-3. ✅ 轮次检查：当前任务是否接近 30 轮上限
-4. ✅ 输出质量检查：确认最近产出符合质量标准
-```
-
----
-
-## 实施说明
-
-1. 此模板由 COO（陆怀瑾）编制，经 Vincent 审阅批准后实施
-2. 模板中的 agent_id 需替换为各 Agent 的实际标识
-3. 无需移除各 Agent 原有的专属心跳清单，只需追加稳定性保障清单
-4. 修改后的文件需提交到 EnterpriseArchitect git 仓库

scripts/rate_limiter.py

@@ -0,0 +1,772 @@
+"""
+BIZ-26: API 请求优先级队列 + 令牌桶限流器
+
+实现方案参考：plans/BIZ-13_运行稳定性保障方案.md
+
+功能清单：
+1. 四级优先级请求队列（紧急 > 高 > 正常 > 低）
+2. 令牌桶限流器（40 RPM 上限）
+3. 超限自动降级和等待策略
+4. 请求合并（COO 统一轮询）
+5. 查询结果缓存（WorkBoard 5 分钟、配置 1 小时、知识库 1 天）
+
+作者：徐聪（costcodev）
+日期：2026-06-23
+"""
+
+import time
+import threading
+import queue
+import hashlib
+import json
+from typing import Any, Callable, Dict, List, Optional, Tuple
+from dataclasses import dataclass, field
+from enum import IntEnum
+from datetime import datetime, timedelta
+
+
+# ============================================================================
+# 网关识别：只对 NVIDIA 网关限流
+# ============================================================================
+
+NVIDIA_GATEWAY_ALIASES = {
+    "nvidia",
+    "nvidia-gateway",
+    "nvidia_gateway",
+    "nvidiavx18088980513",
+}
+
+UNLIMITED_GATEWAY_ALIASES = {
+    "volcengine",
+    "volcengine-plan",
+    "siliconflow",
+    "deepseek",
+    "deepseek-api",
+}
+
+
+def normalize_gateway_name(value: Optional[str]) -> Optional[str]:
+    """
+    归一化网关/模型名称。
+
+    输入可以是：
+    - provider: nvidia / volcengine-plan / siliconflow / deepseek
+    - model: nvidiavx18088980513/deepseek-ai/deepseek-v4-pro
+    - model: volcengine-plan/ark-code-latest
+
+    返回 provider 前缀的小写形式。未知则返回 None。
+    """
+    if not value:
+        return None
+    text = str(value).strip().lower()
+    if not text:
+        return None
+    return text.split("/", 1)[0]
+
+
+def is_nvidia_gateway(value: Optional[str]) -> bool:
+    """判断请求是否走 NVIDIA 网关。未知网关默认不限流。"""
+    provider = normalize_gateway_name(value)
+    if provider is None:
+        return False
+    if provider in NVIDIA_GATEWAY_ALIASES:
+        return True
+    if provider in UNLIMITED_GATEWAY_ALIASES:
+        return False
+    return provider.startswith("nvidia")
+
+
+# ============================================================================
+# 优先级枚举
+# ============================================================================
+
+class Priority(IntEnum):
+    """请求优先级：数值越小优先级越高"""
+    URGENT = 1      # 紧急：Vincent 直接任务
+    HIGH = 2        # 高：阻塞性任务
+    NORMAL = 3      # 正常：常规任务
+    LOW = 4         # 低：后台优化任务
+
+
+# ============================================================================
+# 请求数据类
+# ============================================================================
+
+@dataclass(order=True)
+class Request:
+    """优先级队列中的请求项"""
+    priority: int
+    timestamp: float = field(compare=False)
+    request_id: str = field(compare=False)
+    payload: Any = field(compare=False)
+    callback: Optional[Callable] = field(compare=False, default=None)
+    fallback_model: Optional[str] = field(compare=False, default=None)
+    gateway: Optional[str] = field(compare=False, default=None)
+    model: Optional[str] = field(compare=False, default=None)
+    
+    def __post_init__(self):
+        if self.timestamp is None:
+            self.timestamp = time.time()
+        if self.request_id is None:
+            self.request_id = self._generate_id()
+    
+    @staticmethod
+    def _generate_id() -> str:
+        """生成请求 ID"""
+        return hashlib.md5(f"{time.time()}-{threading.current_thread().ident}".encode()).hexdigest()[:12]
+
+
+# ============================================================================
+# 令牌桶限流器
+# ============================================================================
+
+class TokenBucket:
+    """
+    NVIDIA 网关专用令牌桶限流器
+
+    注意：令牌桶本身只负责节流算法；是否启用由 RequestScheduler._should_rate_limit()
+    按 gateway/model 判断。volcengine-plan、siliconflow、DeepSeek 等非 NVIDIA 网关不会进入此桶。
+    
+    参数：
+        rate: 令牌生成速率（个/秒），默认 40 RPM = 0.67 个/秒
+        capacity: 桶容量（最大令牌数），默认 40
+    """
+    
+    def __init__(self, rate: float = 40/60, capacity: int = 40):
+        self.rate = rate  # 令牌/秒
+        self.capacity = capacity
+        self.tokens = capacity
+        self.last_update = time.time()
+        self._lock = threading.Lock()
+    
+    def _refill(self) -> None:
+        """补充令牌（内部调用，需要持有锁）"""
+        now = time.time()
+        elapsed = now - self.last_update
+        new_tokens = elapsed * self.rate
+        self.tokens = min(self.capacity, self.tokens + new_tokens)
+        self.last_update = now
+    
+    def consume(self, tokens: int = 1) -> bool:
+        """
+        尝试消费令牌
+        
+        返回：
+            True: 成功消费
+            False: 令牌不足
+        """
+        with self._lock:
+            self._refill()
+            if self.tokens >= tokens:
+                self.tokens -= tokens
+                return True
+            return False
+    
+    def wait_for_token(self, timeout: Optional[float] = None) -> bool:
+        """
+        等待直到有可用令牌
+        
+        参数：
+            timeout: 最大等待时间（秒），None 表示无限等待
+            
+        返回：
+            True: 成功获取令牌
+            False: 超时
+        """
+        start_time = time.time()
+        while True:
+            if self.consume():
+                return True
+            
+            if timeout is not None:
+                elapsed = time.time() - start_time
+                if elapsed >= timeout:
+                    return False
+            
+            # 计算等待时间（直到下一个令牌生成）
+            with self._lock:
+                self._refill()
+                if self.tokens < 1:
+                    wait_time = (1 - self.tokens) / self.rate
+                else:
+                    wait_time = 0.01
+            
+            # 等待后重试
+            time_to_wait = min(wait_time, 0.1)  # 最多等待 100ms
+            if timeout is not None:
+                remaining = timeout - (time.time() - start_time)
+                if remaining <= 0:
+                    return False
+                time_to_wait = min(time_to_wait, remaining)
+            
+            time.sleep(time_to_wait)
+    
+    def get_status(self) -> Dict[str, Any]:
+        """获取限流器状态"""
+        with self._lock:
+            self._refill()
+            return {
+                "tokens": round(self.tokens, 2),
+                "capacity": self.capacity,
+                "rate_per_second": round(self.rate, 3),
+                "rate_per_minute": round(self.rate * 60, 1),
+                "utilization": round(1 - self.tokens / self.capacity, 2)
+            }
+
+
+# ============================================================================
+# 缓存管理器
+# ============================================================================
+
+@dataclass
+class CacheEntry:
+    """缓存条目"""
+    value: Any
+    expires_at: float
+    created_at: float = field(default_factory=time.time)
+    access_count: int = field(default=0)
+
+
+class CacheManager:
+    """
+    查询结果缓存管理器
+    
+    缓存策略：
+    - WorkBoard 状态：5 分钟
+    - Agent 配置：1 小时
+    - 知识库内容：1 天
+    - 用户信息：1 天
+    """
+    
+    # 默认 TTL 配置（秒）
+    DEFAULT_TTL = {
+        "workboard": 5 * 60,        # 5 分钟
+        "config": 1 * 60 * 60,      # 1 小时
+        "knowledge": 24 * 60 * 60,  # 1 天
+        "user": 24 * 60 * 60,       # 1 天
+    }
+    
+    def __init__(self):
+        self._cache: Dict[str, CacheEntry] = {}
+        self._lock = threading.Lock()
+    
+    def _generate_key(self, category: str, query: Any) -> str:
+        """生成缓存键"""
+        query_str = json.dumps(query, sort_keys=True) if not isinstance(query, str) else query
+        return hashlib.md5(f"{category}:{query_str}".encode()).hexdigest()
+    
+    def get(self, category: str, query: Any) -> Optional[Any]:
+        """
+        获取缓存
+        
+        参数：
+            category: 缓存类别（workboard/config/knowledge/user）
+            query: 查询条件（用于生成缓存键）
+            
+        返回：
+            缓存值，如果不存在或已过期则返回 None
+        """
+        key = self._generate_key(category, query)
+        
+        with self._lock:
+            entry = self._cache.get(key)
+            if entry is None:
+                return None
+            
+            # 检查是否过期
+            if time.time() > entry.expires_at:
+                del self._cache[key]
+                return None
+            
+            # 更新访问计数
+            entry.access_count += 1
+            return entry.value
+    
+    def set(self, category: str, query: Any, value: Any, ttl: Optional[int] = None) -> None:
+        """
+        设置缓存
+        
+        参数：
+            category: 缓存类别
+            query: 查询条件
+            value: 缓存值
+            ttl: 存活时间（秒），None 表示使用默认值
+        """
+        key = self._generate_key(category, query)
+        
+        if ttl is None:
+            ttl = self.DEFAULT_TTL.get(category, 300)  # 默认 5 分钟
+        
+        with self._lock:
+            self._cache[key] = CacheEntry(
+                value=value,
+                expires_at=time.time() + ttl
+            )
+    
+    def delete(self, category: str, query: Any) -> bool:
+        """删除缓存"""
+        key = self._generate_key(category, query)
+        with self._lock:
+            if key in self._cache:
+                del self._cache[key]
+                return True
+            return False
+    
+    def clear_expired(self) -> int:
+        """清理所有过期缓存，返回清理数量"""
+        now = time.time()
+        with self._lock:
+            expired_keys = [k for k, v in self._cache.items() if now > v.expires_at]
+            for key in expired_keys:
+                del self._cache[key]
+            return len(expired_keys)
+    
+    def get_stats(self) -> Dict[str, Any]:
+        """获取缓存统计"""
+        now = time.time()
+        with self._lock:
+            total = len(self._cache)
+            expired = sum(1 for v in self._cache.values() if now > v.expires_at)
+            
+            # 按类别统计
+            by_category: Dict[str, int] = {}
+            for key, entry in self._cache.items():
+                # 从 key 中提取 category（格式：category:hash）
+                category = key.split(":")[0] if ":" in key else "unknown"
+                by_category[category] = by_category.get(category, 0) + 1
+            
+            return {
+                "total_entries": total,
+                "expired_entries": expired,
+                "valid_entries": total - expired,
+                "by_category": by_category
+            }
+    
+    def clear(self) -> None:
+        """清空所有缓存"""
+        with self._lock:
+            self._cache.clear()
+
+
+# ============================================================================
+# 请求调度器
+# ============================================================================
+
+class RequestScheduler:
+    """
+    请求调度器：结合优先级队列和令牌桶限流
+    
+    功能：
+    1. 接收不同优先级的请求
+    2. 按优先级和 FIF0 顺序调度
+    3. 通过令牌桶控制发送速率
+    4. 支持降级策略（低优先级切备用模型）
+    """
+    
+    def __init__(
+        self,
+        rate: float = 40/60,
+        capacity: int = 40,
+        enable_cache: bool = True
+    ):
+        self.token_bucket = TokenBucket(rate=rate, capacity=capacity)
+        self.cache = CacheManager() if enable_cache else None
+        
+        # 优先级队列（使用 heap 实现）
+        self.request_queue: queue.PriorityQueue[Request] = queue.PriorityQueue()
+        
+        # 工作线程
+        self._worker_thread: Optional[threading.Thread] = None
+        self._running = False
+        self._lock = threading.Lock()
+        
+        # 统计信息
+        self.stats = {
+            "total_requests": 0,
+            "completed_requests": 0,
+            "failed_requests": 0,
+            "fallback_requests": 0,
+            "cache_hits": 0,
+            "cache_misses": 0,
+        }
+    
+    def start(self) -> None:
+        """启动调度器工作线程"""
+        if self._running:
+            return
+        
+        self._running = True
+        self._worker_thread = threading.Thread(target=self._worker_loop, daemon=True)
+        self._worker_thread.start()
+    
+    def stop(self) -> None:
+        """停止调度器"""
+        self._running = False
+        if self._worker_thread:
+            self._worker_thread.join(timeout=5.0)
+    
+    def _worker_loop(self) -> None:
+        """工作线程主循环"""
+        while self._running:
+            try:
+                # 从队列获取请求（带超时）
+                request = self.request_queue.get(timeout=1.0)
+                self._process_request(request)
+            except queue.Empty:
+                continue
+            except Exception as e:
+                # 记录错误但不中断工作线程
+                print(f"[RequestScheduler] Worker error: {e}")
+    
+    def _extract_gateway_hint(self, request: Request) -> Optional[str]:
+        """从 request.gateway / request.model / payload 中提取网关提示。"""
+        if request.gateway:
+            return request.gateway
+        if request.model:
+            return request.model
+        if isinstance(request.payload, dict):
+            for key in ("gateway", "provider", "model", "model_id"):
+                value = request.payload.get(key)
+                if value:
+                    return str(value)
+        return None
+
+    def _should_rate_limit(self, request: Request) -> bool:
+        """
+        只对 NVIDIA 网关请求启用令牌桶。
+
+        设计原则：未知网关默认不限制，避免误伤 volcengine-plan / siliconflow / DeepSeek
+        等其他 API 网关。要被限流，调用方必须显式传 gateway/model，且能识别为 NVIDIA。
+        """
+        return is_nvidia_gateway(self._extract_gateway_hint(request))
+
+    def _process_request(self, request: Request) -> None:
+        """
+        处理单个请求
+        
+        策略：
+        1. 高优先级（URGENT/HIGH）：等待令牌
+        2. 低优先级（NORMAL/LOW）：尝试获取令牌，失败则降级或丢弃
+        """
+        self.stats["total_requests"] += 1
+        
+        # 只对 NVIDIA 网关请求启用令牌桶；其他网关直接执行
+        if not self._should_rate_limit(request):
+            self._execute_request(request)
+            return
+
+        # NVIDIA 网关请求：尝试获取令牌
+        if request.priority <= Priority.HIGH:
+            # 高优先级：无限等待
+            got_token = self.token_bucket.wait_for_token(timeout=None)
+        else:
+            # 低优先级：最多等待 2 秒
+            got_token = self.token_bucket.wait_for_token(timeout=2.0)
+        
+        if got_token:
+            # 成功获取令牌，执行请求
+            self._execute_request(request)
+        else:
+            # 未能获取令牌，执行降级策略
+            self._handle_fallback(request)
+    
+    def _execute_request(self, request: Request) -> None:
+        """执行请求"""
+        try:
+            if request.callback:
+                result = request.callback(request.payload)
+                self.stats["completed_requests"] += 1
+                return result
+            else:
+                self.stats["completed_requests"] += 1
+        except Exception as e:
+            self.stats["failed_requests"] += 1
+            print(f"[RequestScheduler] Request {request.request_id} failed: {e}")
+            raise
+    
+    def _handle_fallback(self, request: Request) -> None:
+        """处理降级（令牌不足）"""
+        self.stats["fallback_requests"] += 1
+        
+        if request.priority == Priority.LOW:
+            # 低优先级：直接丢弃或切换到备用模型
+            print(f"[RequestScheduler] Low priority request {request.request_id} dropped due to rate limit")
+        else:
+            # 正常优先级：放回队列稍后重试
+            request.timestamp = time.time()
+            self.request_queue.put(request)
+    
+    def submit(
+        self,
+        payload: Any,
+        priority: Priority = Priority.NORMAL,
+        callback: Optional[Callable] = None,
+        fallback_model: Optional[str] = None,
+        request_id: Optional[str] = None,
+        gateway: Optional[str] = None,
+        model: Optional[str] = None
+    ) -> str:
+        """
+        提交请求到调度队列
+        
+        参数：
+            payload: 请求数据
+            priority: 优先级
+            callback: 回调函数
+            fallback_model: 备用模型名称
+            request_id: 请求 ID（可选，默认自动生成）
+            
+        返回：
+            请求 ID
+        """
+        req = Request(
+            priority=priority,
+            timestamp=time.time(),
+            request_id=request_id,
+            payload=payload,
+            callback=callback,
+            fallback_model=fallback_model,
+            gateway=gateway,
+            model=model
+        )
+        
+        self.request_queue.put(req)
+        return req.request_id
+    
+    def submit_sync(
+        self,
+        payload: Any,
+        priority: Priority = Priority.NORMAL,
+        timeout: Optional[float] = None
+    ) -> Any:
+        """
+        同步提交并等待结果
+        
+        参数：
+            payload: 请求数据
+            priority: 优先级
+            timeout: 超时时间（秒）
+            
+        返回：
+            请求结果
+        """
+        result_holder = {"result": None, "error": None, "done": False}
+        condition = threading.Condition()
+        
+        def callback(data):
+            with condition:
+                try:
+                    # 实际执行逻辑（这里只是一个占位符）
+                    result_holder["result"] = data
+                except Exception as e:
+                    result_holder["error"] = e
+                finally:
+                    result_holder["done"] = True
+                    condition.notify_all()
+        
+        # 提交请求
+        self.submit(payload=payload, priority=priority, callback=lambda _: callback(payload))
+        
+        # 等待结果
+        with condition:
+            if not result_holder["done"]:
+                condition.wait(timeout=timeout)
+        
+        if result_holder["error"]:
+            raise result_holder["error"]
+        return result_holder["result"]
+    
+    def get_queue_size(self) -> int:
+        """获取当前队列大小"""
+        return self.request_queue.qsize()
+    
+    def get_status(self) -> Dict[str, Any]:
+        """获取调度器状态"""
+        return {
+            "running": self._running,
+            "queue_size": self.get_queue_size(),
+            "token_bucket": self.token_bucket.get_status(),
+            "cache": self.cache.get_stats() if self.cache else None,
+            "stats": self.stats.copy()
+        }
+
+
+# ============================================================================
+# 重试装饰器
+# ============================================================================
+
+def retry_with_backoff(
+    max_retries: int = 3,
+    base_delay: float = 1.0,
+    exponential_base: int = 2,
+    jitter: bool = True,
+    exceptions: Tuple = (Exception,)
+):
+    """
+    指数退避重试装饰器
+    
+    参数：
+        max_retries: 最大重试次数
+        base_delay: 基础延迟（秒）
+        exponential_base: 指数底数
+        jitter: 是否添加随机抖动
+        exceptions: 需要重试的异常类型
+    """
+    import random
+    
+    def decorator(func: Callable) -> Callable:
+        def wrapper(*args, **kwargs):
+            last_exception = None
+            
+            for attempt in range(max_retries + 1):
+                try:
+                    return func(*args, **kwargs)
+                except exceptions as e:
+                    last_exception = e
+                    
+                    if attempt == max_retries:
+                        break
+                    
+                    # 计算延迟时间
+                    delay = base_delay * (exponential_base ** attempt)
+                    if jitter:
+                        delay += random.uniform(0, base_delay)
+                    
+                    print(f"[retry_with_backoff] Attempt {attempt + 1} failed: {e}. Retrying in {delay:.2f}s...")
+                    time.sleep(delay)
+            
+            raise last_exception
+        
+        return wrapper
+    return decorator
+
+
+# ============================================================================
+# COO 统一轮询器（请求合并）
+# ============================================================================
+
+class CoordinatedPoller:
+    """
+    COO 统一轮询器：替代各 Agent 独立轮询
+    
+    功能：
+    1. 定期轮询 WorkBoard
+    2. 广播结果给所有订阅者
+    3. 减少总请求数（40 RPM × N → 40 RPM）
+    """
+    
+    def __init__(self, scheduler: RequestScheduler, poll_interval: int = 15*60):
+        self.scheduler = scheduler
+        self.poll_interval = poll_interval  # 轮询间隔（秒）
+        self._subscribers: List[Callable] = []
+        self._running = False
+        self._worker: Optional[threading.Thread] = None
+    
+    def subscribe(self, callback: Callable) -> None:
+        """订阅轮询结果"""
+        self._subscribers.append(callback)
+    
+    def unsubscribe(self, callback: Callable) -> None:
+        """取消订阅"""
+        if callback in self._subscribers:
+            self._subscribers.remove(callback)
+    
+    def start(self) -> None:
+        """启动轮询器"""
+        if self._running:
+            return
+        
+        self._running = True
+        self._worker = threading.Thread(target=self._poll_loop, daemon=True)
+        self._worker.start()
+    
+    def stop(self) -> None:
+        """停止轮询器"""
+        self._running = False
+        if self._worker:
+            self._worker.join(timeout=5.0)
+    
+    def _poll_loop(self) -> None:
+        """轮询主循环"""
+        while self._running:
+            try:
+                # 执行轮询（这里只是一个框架，实际逻辑需要接入 multica CLI）
+                result = self._perform_poll()
+                
+                # 广播给所有订阅者
+                for subscriber in self._subscribers:
+                    try:
+                        subscriber(result)
+                    except Exception as e:
+                        print(f"[CoordinatedPoller] Subscriber callback error: {e}")
+                
+            except Exception as e:
+                print(f"[CoordinatedPoller] Poll error: {e}")
+            
+            # 等待下一个轮询周期
+            time.sleep(self.poll_interval)
+    
+    def _perform_poll(self) -> Dict[str, Any]:
+        """
+        执行实际轮询
+        
+        TODO: 接入 multica CLI:
+        - multica issue list --status in_progress
+        - multica workboard list
+        """
+        # 这里应该调用 multica CLI
+        # 当前只是返回一个示例结果
+        return {
+            "timestamp": datetime.now().isoformat(),
+            "issues": [],
+            "workboard_cards": []
+        }
+
+
+# ============================================================================
+# 使用示例
+# ============================================================================
+
+if __name__ == "__main__":
+    # 创建调度器（40 RPM）
+    scheduler = RequestScheduler(rate=40/60, capacity=40)
+    scheduler.start()
+    
+    # 示例：提交不同优先级的请求
+    def sample_callback(data):
+        print(f"Processing: {data}")
+        time.sleep(0.5)  # 模拟处理时间
+        return "OK"
+    
+    # 紧急请求
+    scheduler.submit(
+        payload={"task": "urgent_task"},
+        priority=Priority.URGENT,
+        callback=sample_callback
+    )
+    
+    # 正常请求
+    scheduler.submit(
+        payload={"task": "normal_task"},
+        priority=Priority.NORMAL,
+        callback=sample_callback
+    )
+    
+    # 低优先级请求
+    scheduler.submit(
+        payload={"task": "low_priority_task"},
+        priority=Priority.LOW,
+        callback=sample_callback
+    )
+    
+    # 等待处理完成
+    time.sleep(2)
+    
+    # 查看状态
+    print("\n=== Scheduler Status ===")
+    print(json.dumps(scheduler.get_status(), indent=2))
+    
+    # 停止调度器
+    scheduler.stop()
+    
+    print("\n示例运行完成")

scripts/test_rate_limiter.py

@@ -0,0 +1,332 @@
+#!/usr/bin/env python3
+"""
+BIZ-26 限流器测试脚本
+
+测试场景：
+1. 令牌桶限流功能
+2. 优先级队列调度
+3. 缓存管理器
+4. 重试机制
+5. 429 错误模拟
+
+运行方式：
+    python3 scripts/test_rate_limiter.py
+"""
+
+import sys
+import time
+import threading
+from datetime import datetime
+
+# 添加脚本目录到路径
+sys.path.insert(0, "/home/vincent/.openclaw/workspace/costcodev/EnterpriseArchitect/scripts")
+
+from rate_limiter import (
+    TokenBucket,
+    CacheManager,
+    RequestScheduler,
+    Priority,
+    retry_with_backoff,
+    CoordinatedPoller,
+    is_nvidia_gateway,
+)
+
+
+def test_token_bucket():
+    """测试令牌桶限流器"""
+    print("=" * 60)
+    print("测试 1: 令牌桶限流器")
+    print("=" * 60)
+    
+    # 创建限流器：40 RPM = 0.67 令牌/秒
+    bucket = TokenBucket(rate=40/60, capacity=40)
+    
+    print(f"\n初始状态：{bucket.get_status()}")
+    
+    # 快速消费 10 个令牌
+    print("\n快速消费 10 个令牌...")
+    success_count = 0
+    for i in range(10):
+        if bucket.consume():
+            success_count += 1
+    
+    print(f"成功消费：{success_count}/10")
+    print(f"消费后状态：{bucket.get_status()}")
+    
+    # 测试等待获取令牌
+    print("\n测试等待获取令牌...")
+    start = time.time()
+    got_token = bucket.wait_for_token(timeout=2.0)
+    elapsed = time.time() - start
+    
+    print(f"等待耗时：{elapsed:.3f}s, 获取成功：{got_token}")
+    print(f"等待后状态：{bucket.get_status()}")
+    
+    print("\n✅ 令牌桶测试完成\n")
+
+
+def test_cache_manager():
+    """测试缓存管理器"""
+    print("=" * 60)
+    print("测试 2: 缓存管理器")
+    print("=" * 60)
+    
+    cache = CacheManager()
+    
+    # 测试 WorkBoard 缓存（TTL 5 分钟）
+    print("\n1. 设置 WorkBoard 缓存（TTL 5 分钟）")
+    cache.set("workboard", {"query": "status=todo"}, [{"id": "card1", "title": "Test"}])
+    
+    # 立即读取
+    result = cache.get("workboard", {"query": "status=todo"})
+    print(f"   立即读取：{result is not None}")
+    
+    # 测试配置缓存（TTL 1 小时）
+    print("\n2. 设置配置缓存（TTL 1 小时）")
+    cache.set("config", "agent_list", ["costcodev", "secretary", "coo"])
+    result = cache.get("config", "agent_list")
+    print(f"   读取配置：{result}")
+    
+    # 测试缓存统计
+    print("\n3. 缓存统计")
+    stats = cache.get_stats()
+    print(f"   总条目数：{stats['total_entries']}")
+    print(f"   按类别：{stats['by_category']}")
+    
+    # 测试缓存删除
+    print("\n4. 删除缓存")
+    deleted = cache.delete("workboard", {"query": "status=todo"})
+    print(f"   删除成功：{deleted}")
+    result = cache.get("workboard", {"query": "status=todo"})
+    print(f"   删除后读取：{result is None}")
+    
+    print("\n✅ 缓存管理器测试完成\n")
+
+
+def test_priority_queue():
+    """测试优先级队列调度"""
+    print("=" * 60)
+    print("测试 3: 优先级队列调度（简化版，不启动工作线程）")
+    print("=" * 60)
+    
+    scheduler = RequestScheduler(rate=40/60, capacity=40, enable_cache=True)
+    
+    # 模拟请求处理结果
+    results = []
+    
+    def record_result(data):
+        results.append((time.time(), data))
+        return data
+    
+    # 提交不同优先级的请求（不启动工作线程，只测试队列）
+    print("\n提交请求（按顺序）:")
+    scheduler.submit(
+        payload={"task": "normal_1"},
+        priority=Priority.NORMAL,
+        callback=record_result
+    )
+    print("  1. 正常优先级：normal_1")
+    
+    scheduler.submit(
+        payload={"task": "urgent_1"},
+        priority=Priority.URGENT,
+        callback=record_result
+    )
+    print("  2. 紧急优先级：urgent_1")
+    
+    scheduler.submit(
+        payload={"task": "low_1"},
+        priority=Priority.LOW,
+        callback=record_result
+    )
+    print("  3. 低优先级：low_1")
+    
+    scheduler.submit(
+        payload={"task": "high_1"},
+        priority=Priority.HIGH,
+        callback=record_result
+    )
+    print("  4. 高优先级：high_1")
+    
+    # 查看队列大小
+    print(f"\n队列大小：{scheduler.get_queue_size()}")
+    
+    # 查看状态
+    status = scheduler.get_status()
+    print(f"初始令牌数：{status['token_bucket']['tokens']}")
+    
+    print("\n✅ 优先级队列测试完成（仅提交，未处理）\n")
+
+
+def test_retry_decorator():
+    """测试重试装饰器"""
+    print("=" * 60)
+    print("测试 4: 重试装饰器")
+    print("=" * 60)
+    
+    attempt_count = [0]
+    
+    @retry_with_backoff(max_retries=3, base_delay=0.1, jitter=False)
+    def flaky_function():
+        attempt_count[0] += 1
+        if attempt_count[0] < 3:
+            raise Exception(f"模拟失败 (尝试 {attempt_count[0]})")
+        return f"成功 (尝试 {attempt_count[0]})"
+    
+    print("\n调用易失败函数（前 2 次失败，第 3 次成功）...")
+    start = time.time()
+    result = flaky_function()
+    elapsed = time.time() - start
+    
+    print(f"结果：{result}")
+    print(f"总尝试次数：{attempt_count[0]}")
+    print(f"总耗时：{elapsed:.3f}s")
+    
+    print("\n✅ 重试装饰器测试完成\n")
+
+
+def test_coordinated_poller():
+    """测试统一轮询器"""
+    print("=" * 60)
+    print("测试 5: COO 统一轮询器（简化版，短间隔测试）")
+    print("=" * 60)
+    
+    scheduler = RequestScheduler(rate=40/60, capacity=40)
+    poller = CoordinatedPoller(scheduler, poll_interval=2)  # 2 秒轮询一次（测试用）
+    
+    received_results = []
+    
+    def on_poll_result(result):
+        received_results.append((datetime.now().strftime("%H:%M:%S"), result))
+        print(f"   [{datetime.now().strftime('%H:%M:%S')}] 收到轮询结果")
+    
+    poller.subscribe(on_poll_result)
+    
+    print("\n启动轮询器（轮询间隔 2 秒，运行 5 秒后停止）...")
+    poller.start()
+    
+    # 等待 5 秒
+    time.sleep(5)
+    
+    poller.stop()
+    
+    print(f"\n收到结果次数：{len(received_results)}")
+    for ts, result in received_results:
+        print(f"  {ts}: {result['timestamp'][:19]}")
+    
+    print("\n✅ 统一轮询器测试完成\n")
+
+
+def test_rate_limit_stress():
+    """压力测试：快速提交大量请求"""
+    print("=" * 60)
+    print("测试 6: 压力测试（40 RPM 限制下提交 50 个请求）")
+    print("=" * 60)
+    
+    scheduler = RequestScheduler(rate=40/60, capacity=40, enable_cache=True)
+    scheduler.start()
+    
+    completed = []
+    failed = []
+    lock = threading.Lock()
+    
+    def callback(data):
+        with lock:
+            completed.append(data)
+        return data
+    
+    print("\n快速提交 50 个请求...")
+    start_time = time.time()
+    
+    for i in range(50):
+        priority = Priority.NORMAL if i % 10 != 0 else Priority.URGENT
+        scheduler.submit(
+            payload={"index": i, "provider": "nvidia"},
+            priority=priority,
+            callback=callback,
+            gateway="nvidia"
+        )
+    
+    print("提交完成，等待处理...")
+    
+    # 等待 10 秒
+    time.sleep(10)
+    
+    elapsed = time.time() - start_time
+    
+    # 查看统计
+    status = scheduler.get_status()
+    print(f"\n耗时：{elapsed:.2f}s")
+    print(f"队列大小：{status['queue_size']}")
+    print(f"已完成：{status['stats']['completed_requests']}")
+    print(f"失败：{status['stats']['failed_requests']}")
+    print(f"降级：{status['stats']['fallback_requests']}")
+    print(f"令牌桶状态：{status['token_bucket']}")
+    
+    scheduler.stop()
+    
+    print("\n✅ 压力测试完成\n")
+
+
+def test_gateway_scope():
+    """测试限流范围：只对 NVIDIA 网关生效"""
+    print("=" * 60)
+    print("测试 7: 网关范围识别（只限 NVIDIA）")
+    print("=" * 60)
+
+    assert is_nvidia_gateway("nvidia") is True
+    assert is_nvidia_gateway("nvidiavx18088980513/deepseek-ai/deepseek-v4-pro") is True
+    assert is_nvidia_gateway("volcengine-plan/ark-code-latest") is False
+    assert is_nvidia_gateway("siliconflow/Qwen/Qwen3") is False
+    assert is_nvidia_gateway("deepseek/deepseek-chat") is False
+    assert is_nvidia_gateway(None) is False
+
+    scheduler = RequestScheduler(rate=1/60, capacity=1, enable_cache=True)
+    # 先耗尽 NVIDIA 桶
+    scheduler.submit(payload={"provider": "nvidia", "i": 1}, priority=Priority.NORMAL, callback=lambda x: x, gateway="nvidia")
+    # 非 NVIDIA 请求应直接执行，不受桶状态影响
+    non_nv = {"provider": "volcengine-plan", "i": 2}
+    assert scheduler._should_rate_limit(type("R", (), {"gateway": "volcengine-plan", "model": None, "payload": non_nv})()) is False
+
+    print("✅ 网关范围识别测试完成：volcengine-plan/siliconflow/DeepSeek 不限流，NVIDIA 限流\n")
+
+
+def main():
+    """运行所有测试"""
+    print("\n")
+    print("╔" + "=" * 58 + "╗")
+    print("║" + " " * 58 + "║")
+    print("║" + "  BIZ-26 限流器测试套件".center(58) + "║")
+    print("║" + "  API 请求优先级队列 + 令牌桶限流".center(58) + "║")
+    print("║" + " " * 58 + "║")
+    print("╚" + "=" * 58 + "╝")
+    print()
+    
+    try:
+        test_token_bucket()
+        test_cache_manager()
+        test_priority_queue()
+        test_retry_decorator()
+        test_coordinated_poller()
+        test_rate_limit_stress()
+        test_gateway_scope()
+        
+        print("\n")
+        print("╔" + "=" * 58 + "╗")
+        print("║" + " " * 58 + "║")
+        print("║" + "  ✅ 所有测试完成".center(58) + "║")
+        print("║" + " " * 58 + "║")
+        print("╚" + "=" * 58 + "╝")
+        print()
+        
+    except KeyboardInterrupt:
+        print("\n\n⚠️  测试被用户中断\n")
+    except Exception as e:
+        print(f"\n\n❌ 测试出错：{e}\n")
+        import traceback
+        traceback.print_exc()
+        sys.exit(1)
+
+
+if __name__ == "__main__":
+    main()