fix: 心跳超时从 20 分钟回收重跑改为 10 分钟强制结束标注超时失败

running 任务 updated_at 超 10 分钟未更新(进程崩溃/协程挂起僵尸)，原逻辑回收回
submitted 重跑，改为 state=failed + last_error=心跳超时。中文 last_error 让
_classify_failure 判 fault 不自动重跑，failed_poller 报故障通知用户。

pipeline_service/init.py

@@ -585,12 +585,13 @@ def load_pipeline_service():
             while True:
                 try:
                     async with poll_db.sqlorContext("pipeline") as sor:
-                        # 回收僵尸 running 任务：进程崩溃/协程挂起遗留（心跳超时未更新）。
+                        # 心跳超时处理：running 任务 updated_at 超 10 分钟未更新 = 进程崩溃/协程挂起（僵尸），
-                        # 阈值 20 分钟 > LLM 单轮最坏时长（3 次 × 300s 重试 ≈ 15 分钟），避免误杀慢任务。
+                        # 强制结束并标注超时失败（不回收重跑）。last_error 用中文「心跳超时」，
+                        # 让 _classify_failure 判 fault（不自动重跑），failed_poller 报故障通知用户。
                         await sor.sqlExe(
-                            "UPDATE pipeline_tasks SET state='submitted', claimed_by=NULL, updated_at=NOW() "
+                            "UPDATE pipeline_tasks SET state='failed', claimed_by=NULL, last_error='心跳超时(10分钟未更新)，已强制结束', updated_at=NOW() "
                             "WHERE state='running' AND pipeline_id='role_task' "
-                            "AND updated_at < (NOW() - INTERVAL 20 MINUTE)", {})
+                            "AND updated_at < (NOW() - INTERVAL 10 MINUTE)", {})
 
                         # 全局并发 agent 数限制（max_concurrent_agents，appbase params 表，默认 3）。
                         # 以 DB state='running' 计数为准（权威），超出上限时本轮回合不再派发。