任务会话把「截断的 tool call」写入历史后，每次点「继续」都被上游 400 拒绝并静默回到待审阅

[pia]

项目：codeg（桌面端 · 待办任务 · ACP + Codex CLI）
严重度：高（任务空转、无输出、无报错，用户无法自行恢复）
影响模块：工作区任务引擎、ACP 会话持久化、模型网关转发

问题描述

在上下文很大的待办任务里，模型偶发地生成一条「写到一半」的工具调用（function_call 的 arguments 不是合法 JSON）。Codex CLI 解析失败后，把这条坏记录连同「解析失败」的结果一起写进了会话历史。此后每次在该任务点击「继续」，完整历史都会被原样重发给模型接口，上游因 Assistant tool call function.arguments must be valid JSON 返回 400，本地网关把 400 包装成 502，客户端把任务静默置回「待审阅」——没有产出，界面上也看不到真实错误。用户反复点「继续」都会同样失败（本机观察到的现象是约 5～6 秒内空转后回到 review）。

复现特征 / 触发条件

• 待办任务经过多轮反馈，上下文非常大（本案例约 50 万+ token，第 9～12 轮）
• 模型生成的是超长工具调用（多为 shell_command，命令内嵌大段文本 / heredoc），输出中途被截断
• 第一次断掉后，后续每一轮都稳定失败，失败轮次没有任何 diff 或消息产出
• 会话 JSONL 中存在 arguments 无法被 json.loads 解析的 function_call（报错形如 Unterminated string starting at ... / EOF while parsing a string）

根因分析

1. 模型输出被截断（疑似命中单次输出长度上限或上游流中断），产出的 function_call.arguments 不是合法 JSON；客户端解析失败，记录 failed to parse function arguments: EOF while parsing a string ...
2. 客户端把这条坏 function_call 连同它的「解析失败」output 一起持久化进会话历史（rollout JSONL）
3. 之后每次 resume / 点「继续」，完整历史（含这条坏记录）被重新提交给模型 API；上游严格校验每条 assistant tool call 的 arguments 必须是合法 JSON，返回 400
4. 本地网关把上游 400 转成 HTTP 502；客户端统一按失败处理，任务引擎静默归为 review，不落 failure_reason / last_error，用户看不到真实原因

期望行为

• 会话历史在持久化或下一次提交前，对无法解析的 function_call 做清洗（丢弃该条及其 output，或修复 / 重新生成），避免坏记录永远卡死后续轮次
• 单轮内若模型产出无法解析 arguments 的 tool call，客户端应主动重试一次让模型重新生成，而不是直接落历史
• 任务轮次失败时，必须把真实错误（上游 400 的具体 message）写入任务并向用户展示，不能静默回到待审阅
• 网关转发失败时透传上游状态码与错误体，不要统一升级成 502、丢失真实原因

建议方案

1. 会话历史加载 / 追加时做合法性校验：function_call.arguments 非合法 JSON 的项（及其对应 output）从后续请求输入中剔除
2. 对解析失败的 tool call 触发一次修复重试（让模型重新生成该调用）
3. 失败路径透传：work_task 记录 failure_reason / last_error 为上游原文（如 Assistant tool call function.arguments must be valid JSON.），并在 UI 展示
4. 网关 forward_failed 保留上游 status / message，避免 400 → 502 的信息丢失

诊断样例（本机已复现两次）

• 客户端：unexpected status 502 Bad Gateway: Upstream request failed, url: http://localhost:8080/responses
• 网关：openai.forward_failed ... error="upstream error: 400 message=Error from provider (Console Go): Upstream request failed: [400] Assistant tool call function.arguments must be valid JSON."
• 会话历史：一条截断的 shell_command（如 python -m pytest ... 或内嵌文档 heredoc），解析报 Unterminated string starting at: line 1 column ...

[pia]

2026-08-23 又复现一次（同一问题），补充时间线和修复证据。

环境

• codeg 0.27.0 / Windows
• agent：Codex（ACP）
• provider：Console Go（本体 localhost:8099，wire API responses）
• model：deepseek-v4-flash

复现时间线

1. 21:51:08 模型生成 shell_command 工具调用，arguments 流式输出到 "LINE " + $_.LineNumber + ": 处中断，缺少收尾引号和 }。
2. 上游却以 completed 结束：response.completed 返回 status: "completed"、incomplete_details: null。
3. Codex 本地立刻解析失败：failed to parse function arguments: EOF while parsing a string at line 1 column 288。
4. 这条坏 function_call 被持久化进会话 rollout；下一轮请求被上游 400 拒绝：Assistant tool call function.arguments must be valid JSON。
5. 之后每次点「继续」都在 3 秒内被同一个 400 击穿，会话彻底卡死，只能放弃或手动改文件。

关键证据

• 被截断的 arguments 实际内容（在 PowerShell 字符串中间截至）：

  {"command": "$conv = \"$env:USERPROFILE\\.lmstudio\\conversations\\1787205594731.conversation.json\"; $lines = Get-Content $conv; $hits = Select-String -Path $conv -Pattern \"reasoning_effort\\|default\\('xhigh'\\)\"; $hits | ForEach-Object { Write-Output (\"LINE \" + $_.LineNumber + \":

• 上游把截断当成正常完成：response.completed 里 status=completed、incomplete_details=null、error=null。

• 手动从会话 rollout 里删除该 function_call 及其关联的 function_call_output 后，会话恢复正常可继续 → 证实是历史污染导致，不是偶发请求失败。

同类问题

文本模型 + 截图/大图上传时也遇到过附件处理失败（或过大）后整个会话进行不下去的情况，看起来是同一条根因：单个坏 item 毒化会话。建议一起看（可参考 #369 / #392）。

建议

1. 写入历史前校验 function_call.arguments 是否可解析为 JSON，非法则丢弃该 item 及其 function_call_output，或把该轮标记为 incomplete；不要让非法参数进入下一个请求。
2. 加载 / 恢复历史时做一次清理：跳过或修复非法 item，避免旧会话被永久毒化。
3. UI 增加「删除这条失败消息并继续」的恢复入口。
4. 附件上传失败只影响当前消息，失败后丢弃该附件或给出可恢复错误，不污染后续请求。