feat: 任务最大重复数(task_max_retry)——超限暂停任务链+抛故障给人工，人工处理后reset_task_retry清零重执行

pipeline_service/agent_loop.py

@@ -1695,8 +1695,8 @@ def _classify_failure(last_error: str) -> str:
 async def handle_failed_task(task_id: str, project_id: str) -> dict:
     """处理一个失败任务：判定重跑或报故障。由 failed poller 周期调用。
 
-    - retry_count < 3 且失败原因判定为瞬时 → 重跑(retry_count+1, 回 submitted)
+    - retry_count < 最大重复数(task_max_retry，默认3) 且失败原因判定为瞬时 → 重跑(retry_count+1, 回 submitted)
-    - retry_count >= 3 或判定为永久错误 → 报故障(建问题通知用户，任务置 waiting)
+    - retry_count >= 最大重复数 或判定为永久错误 → 暂停任务链(pause_project) + 报故障(建问题通知用户，任务置 waiting)
     """
     db = _get_db()
     async with db.sqlorContext("pipeline") as sor:
@@ -1717,11 +1717,15 @@ async def handle_failed_task(task_id: str, project_id: str) -> dict:
             retry_count = 0
         last_error = getattr(t, "last_error", "") or ""
 
+        # 最大重复数：appbase params 表 task_max_retry（默认 3），超限暂停任务链 + 抛故障给人工
+        from .workspace import get_max_task_retry
+        max_retry = await get_max_task_retry(sor)
+
         # 释放 SELECT 的元数据锁，避免决策/建问题期间长时间持有 MDL
         await sor.sqlExe("COMMIT", {})
 
-        # 已重试 3 次仍未成功 → 报故障
+        # 已重试 max_retry 次仍未成功 → 报故障
-        if retry_count >= 3:
+        if retry_count >= max_retry:
             decision = "fault"
         else:
             decision = _classify_failure(last_error)
@@ -1732,17 +1736,24 @@ async def handle_failed_task(task_id: str, project_id: str) -> dict:
             logger.info("failed task retry: task=%s role=%s attempt=%d ok=%s", task_id, role, retry_count + 1, ok)
             return {"status": "retry", "task_id": task_id, "attempt": retry_count + 1}
 
-        # 报故障：建问题通知用户，任务置 waiting 等待人工介入
+        # 报故障：① 暂停任务链（pause_project，PM 不再推进）② 建问题通知用户，任务置 waiting 等人工介入
+        try:
+            from .project_capability import pause_project
+            pok, pmsg = await pause_project(project_id, who="agent.pm")
+            logger.info("failed task pause project: task=%s pause=%s msg=%s", task_id, pok, pmsg)
+        except Exception as e:
+            logger.warning("failed task pause_project error: %s", e)
         from .communication import raise_problem
         reporter = "agent.main_agent" if role == "agent.pm" else "agent.pm"
         qid = await raise_problem(
             "fault_report",
-            f"任务「{title}」已失败 {retry_count} 次，自动重试无法解决，请人工介入。失败原因：{last_error or '未知'}",
+            f"任务「{title}」重复 {retry_count} 次已达上限({max_retry})，任务链已暂停，请人工介入处理。失败原因：{last_error or '未知'}",
             reporter, tenant_id=project_id, task_id=task_id,
             first_handler_role="agent.main_agent",
-            context={"fault": True, "last_error": last_error, "retry_count": retry_count})
+            context={"fault": True, "last_error": last_error, "retry_count": retry_count,
+                     "max_retry": max_retry, "chain_paused": True})
         logger.info("failed task fault: task=%s role=%s qid=%s", task_id, role, qid)
-        return {"status": "fault", "task_id": task_id, "question_id": qid}
+        return {"status": "fault", "task_id": task_id, "question_id": qid, "chain_paused": True}
 
 
 async def role_agent_loop(project_id, role, agent_id=None, model_name=None, max_iterations=10):

pipeline_service/sdlc_ability.py

@@ -50,6 +50,12 @@ SDL_TOOLS = [
         parameters={"task_id": "任务ID"},
         category="task",
     ),
+    ToolDefinition(
+        name="reset_task_retry",
+        description="人工处理后恢复任务：重复计数清零+重新执行+恢复项目推进（任务重复超限抛故障给人工后使用）",
+        parameters={"task_id": "任务ID"},
+        category="task",
+    ),
     ToolDefinition(
         name="start_agents",
         description="启动角色agent执行已提交的任务",
@@ -217,6 +223,7 @@ SDL_PROMPT = """你是「开发产线」的驾驶舱 agent，负责软件项目
 - 用户报告异常/故障 → 先用 diagnose_project 定位根因，再用 task_detail 查详情。
 - 仓库管理 → add_repo / list_repos / clone_repo。
 - 发现卡点（任务卡死、审核超时、失败、僵尸 claimed_by）时，主动定位根因并推动修复。
+- 任务重复超限（retry_count 达 task_max_retry 上限）→ 系统已暂停任务链并抛 fault_report 故障；你（主 agent）收到故障后先冒泡给用户（ask_user/answer_question），用户处理完毕调 reset_task_retry 恢复该任务（重复计数清零+重新执行+恢复项目推进）。
 - 发现「待回答问题」> 0 或角色提问时，加载 team-communication 技能按冒泡链处理（list_questions 列问题 → 能答则 answer_question → 不能答 escalate_question 沿冒泡路径转下一个处理方）。
 - 功能/需求管理 → 用户提新需求时 propose_feature；查功能清单 list_features；需求评审/验收时 approve_feature / reject_feature / verify_feature（状态机规范见 feature 技能）。
 - 项目管理 → list_projects 列项目；启动/完成/归档/重开项目用 start_project / complete_project / archive_project / reopen_project；暂停/恢复推进用 pause_project / resume_project（仅用户明确指令「暂停推进」时才 pause，默认必须推进，状态机规范见 project 技能）。
@@ -458,6 +465,40 @@ async def _h_task_detail(sor, p, ctx):
     }, ensure_ascii=False, indent=2)
 
 
+async def _h_reset_task_retry(sor, p, ctx):
+    """人工处理后恢复：任务重复计数清零 + 重新执行 + 恢复项目推进（任务链）。
+
+    任务重复超限后任务链暂停、故障抛给人工；人工处理完毕调用本工具恢复该任务并继续执行。
+    """
+    task_id = (p.get("task_id") or "").strip()
+    if not task_id:
+        return "需要任务ID"
+    pid = ctx.get("project_id", "")
+    if not pid:
+        return "请先切换到项目"
+    # 前缀解析（LLM 可能传截断 ID）
+    recs = await sor.sqlExe(
+        "SELECT id FROM pipeline_tasks WHERE id=${tid}$ AND tenant_id=${pid}$",
+        {"tid": task_id, "pid": pid})
+    if not recs and len(task_id) >= 6:
+        recs = await sor.sqlExe(
+            "SELECT id FROM pipeline_tasks WHERE id LIKE ${prefix}$ AND tenant_id=${pid}$ LIMIT 1",
+            {"prefix": task_id + "%", "pid": pid})
+    if not recs:
+        return f"任务不存在: {task_id}"
+    task_id = getattr(recs[0], 'id', '') or task_id
+
+    from .task_capability import reset_task_retry
+    ok, msg = await reset_task_retry(task_id, pid, who="agent.main_agent")
+    if not ok:
+        return f"ERROR: {msg}"
+    # 恢复项目推进（若因故障被 pause_project 暂停）
+    from .project_capability import resume_project
+    rok, rmsg = await resume_project(pid, who="agent.main_agent")
+    resume_note = "，项目已恢复推进" if rok else f"（项目恢复: {rmsg}）"
+    return f"OK: 任务重复计数已归零并重新执行{resume_note}"
+
+
 async def _h_start_agents(sor, p, ctx):
     pid = ctx.get("project_id", "")
     if not pid:
@@ -1497,6 +1538,7 @@ SDL_HANDLERS = {
     "create_task": _h_create_task,
     "list_tasks": _h_list_tasks,
     "task_detail": _h_task_detail,
+    "reset_task_retry": _h_reset_task_retry,
     "start_agents": _h_start_agents,
     "diagnose_project": _h_diagnose_project,
     "list_deliverables": _h_list_deliverables,

pipeline_service/task_capability.py

@@ -183,6 +183,32 @@ async def retry_task(task_id, tenant_id, who=None, agent_id=None):
         return True, S_SUBMITTED
 
 
+async def reset_task_retry(task_id, tenant_id, who=None, agent_id=None):
+    """人工处理后恢复：retry_count 归零，waiting/failed → submitted 重新执行。
+
+    任务重复超限后任务链暂停、故障抛给人工；人工处理完毕调用本函数把该任务重复数清零并重新执行。
+    """
+    db, dbname = _get_db()
+    async with db.sqlorContext(dbname) as sor:
+        recs = await sor.R('pipeline_tasks', {'id': task_id})
+        if not recs:
+            return False, "任务不存在"
+        from_state = getattr(recs[0], 'state', '')
+        await sor.sqlExe(
+            "UPDATE pipeline_tasks SET retry_count=0, state='submitted', "
+            "claimed_by=NULL, last_error=NULL, updated_at=NOW() "
+            "WHERE id=${tid}$ AND tenant_id=${tn}$ AND state IN ('waiting','failed')",
+            {"tid": task_id, "tn": tenant_id})
+        chk = await sor.R('pipeline_tasks', {'id': task_id})
+        await sor.sqlExe("COMMIT", {})
+        if not chk or getattr(chk[0], 'state', '') != S_SUBMITTED:
+            return False, "恢复失败(任务不在 waiting/failed 状态)"
+        await record_audit(tenant_id, 'pipeline_tasks', task_id, 'reset_retry',
+                           from_state=from_state, to_state=S_SUBMITTED,
+                           who=who, agent_id=agent_id, sor=sor)
+        return True, S_SUBMITTED
+
+
 async def suspend_task(task_id, tenant_id, who=None, agent_id=None):
     """挂起等回答：running → waiting（清 claimed_by）。"""
     return await _transition(task_id, tenant_id, S_RUNNING, S_WAITING, 'suspend',

pipeline_service/workspace.py

@@ -60,6 +60,16 @@ async def get_max_concurrent_agents(sor):
         return 3
 
 
+async def get_max_task_retry(sor):
+    """读任务最大重复数（appbase params 表 task_max_retry，默认 3）。超限即暂停任务链、抛故障给人工。"""
+    val = await get_param(sor, 'task_max_retry', '3')
+    try:
+        n = int(float(str(val)))
+        return max(1, n)
+    except (ValueError, TypeError):
+        return 3
+
+
 async def get_workspace_dir(sor, uid):
     """读当前项目的 workspace 目录（统一 workspace_*.dspy 的重复逻辑）。