Agent 工作台一次实测暴露的四个问题：失败步骤仍写「正在执行」、40+ 分钟才判失败、头部数字不可解、pdf-create 分页错乱

> 来源：devapp 一次真实任务的执行轨迹截图（2026-09-10）。四条问题各自独立、可分别修，合并在一条里方便一起看上下文。
> 原先拆成 #3362 / #3363 / #3364，已按人类要求并入本条。

---

## ① 失败的 run 里步骤文字仍写「正在执行」——#3316 修了图标，没修同一行的文字

### 现象

一条 run 头部写着 **`执行失败 · 历时 57:44`**，展开后最后一行是 `正在执行 · execute` ⟳。run 已经结束（失败）了，里面的步骤还写着「正在执行」——用户合理的读法是「它还在跑」，于是继续等。

### 根因（已在代码里核实）

`apps/web/components/chat/workbench/run-trace-panel.tsx`：

**图标那一半 #3316 已经修好了**（第 132 行）——`active` 为假时不转、`aria-label` 变成「未收到完成状态」：

```tsx
entry.status === "running"
?
```

**但同一行的文字没跟着修**（第 43 行）——只看 `entry.status`，根本拿不到 `active`：

```tsx
return `${entry.status === "failed" ? "执行失败"
: entry.status === "running" ? "正在执行"
: "已执行"} · ${toolLabel(entry.text)}`;
```

于是同一行里**图标和文字互相打脸**：无障碍标签说「未收到完成状态」，可见文字说「正在执行」。

`entry.status === "running"` 的真实含义是「有 `tool_start`、没等到配对的 `tool_end`」。run 还活着时那确实是「正在执行」；run 已经结束时，它的含义是**「这一步没有收到完成状态」**——两种情况共用一个词，是这个 bug 的全部内容。

### 判据

- run 处于 active ⇒ 文字仍是「正在执行」（不回归）。
- run 已结束而某步仍是 `running` ⇒ 文字**不许**是「正在执行」，应与图标的 `aria-label` 同义。
- 文案与图标 `aria-label` **取自同一处**，别再写两遍——这正是本仓「同一事实不得声明在两处」，而 #3316 只修了其中一处。
- 反证：撤掉修法，该用例必须红。

---

## ② 两次执行分别跑了 43:46 / 57:44 才判失败

### 现象

同一个任务里两条 run 先后失败：

```
执行失败 · 历时 43:46 · 工具 5 次 · 技能活动 22 项
执行失败 · 历时 57:44 · 工具 5 次 · 技能活动 22 项
```

用户在这两条上各等了 **43 分钟**和 **58 分钟**，最后拿到的是「执行失败」。

### 这和现有预算对不上

`apps/api/src/application/agent-run/poll-budget.ts`：

```ts
export const DEFAULT_RUN_POLL_INTERVAL_MS = 400;
export const DEFAULT_RUN_MAX_POLLS = 2250; // 2250 × 400ms = 900s = 15 分钟
```

文件头注还逐字写了这个数怎么来的：「一次模型调用（300s）+ 完整一轮沙箱重试循环（3×120s=360s）= 660s，再留安全余量到 900s」。**实测是这个预算的 3–4 倍。**

### 我没有断定根因，只列可能与判别方法

面板上的「历时」取自事实流（`run-trace-panel.tsx:90`：末条事件时间 − 首条事件时间），所以那两个数字是**事件真的横跨了这么久**，不是显示错。可能是：

1. 预算没作用到这条路径；
2. 预算**只管 SSE 桥**——桥超时写了 `AGENT_RUN_TIMEOUT`，底层 run 在后台继续跑、事件继续落库；
3. 单次工具调用（`execute`）自己没有上界，把总预算吃穿。

判别很直接：把这两条 run 的执行事件按时间排一遍，看 `RUN_ERROR` 写入时刻与最后一条事件时刻差多少。差很大 ⇒ 是 (2)。

### 为什么值得修

「失败」不可怕，**让用户等一小时才告诉他失败**才是。而且两条 run 形状完全一样（`工具 5 次 · 技能活动 22 项`），说明重试**把同一件事原样又做了一遍**——没有从上一次失败拿到任何东西，那一小时是纯浪费。

### 判据

- 一条 run 到判失败有**明确上界**，且界面上说得出来（用户知道最坏等多久）。
- 超时时用户看到**为什么**（卡在哪个工具/哪一步），不是一句「执行失败」。
- 若确认是 (2)：桥超时后底层 run 必须被真的取消，不留后台幽灵。

---

## ③ run 头部那行的两个数字都不可解

### 问题 3a：「技能活动 N 项」不具区分度

三条 run 全是 **22**，其中两条失败、一条在跑。一个在任何情况下都给同一个数的指标，读不出任何东西。

原因（已核实）：它数的是技能事实条目（`apps/web/lib/chat-workbench/run-trace.ts` 头注：「顶部的『技能活动 N 项』仍然数 `traceEntries` 的事实条目」），而这类条目绝大多数是**首轮的技能发现**——展开层第一行就是「已发现 21 个技能」。21 次发现 + 1 次读取正文 = 22。

也就是说这个数字实际是「这个组织有多少个技能」，跟这一轮 run **做了什么**几乎无关。#3218 已经把 20 行发现折叠成一行了（呈现层），但**顶部计数没跟着走**。

### 问题 3b：同屏两个「步」，指两种东西

| 屏上文案 | 实际数的是 | 出处 |
|---|---|---|
| `已完成 9 步` | **工具调用**（succeeded/failed 的 trace entry） | `run-trace-live-strip.tsx:35` |
| `3/4 步已标记完成` | **计划条目**（write_todos 账本的 steps） | `copilotkit-v2-plan-control.tsx:425` |

两者都对，但**都叫「步」**，数字还差一个量级（9 vs 3/4）。这不是「同一事实两处」（确实是两件事），是**两件事共用一个词**——症状一样：屏上自相矛盾。

### 判据

- 顶部计数换成对这一轮**有区分度**的量（例如排除发现类事实），或者干脆不显示——恒定的数字不如没有。
- 两个「步」各自改名到能自解释；改完同屏不出现两个含义不同的「步」。
- 反证：造一条「发现 21 个技能但只执行 1 次技能」的 run，新计数必须显著不同于旧计数。
- 不改事实层：分组/计数都是派生视图，不是第二份事实源（同 #3218）。

---

## ④ pdf-create 分页逻辑有缺陷

### 现象

agent 自己的渲染检查逐字写道：

> 渲染检查发现两个问题：第 1 页内容溢出导致文字重叠，第 2 页「闭环验证」标题下内容为空（被挤到下一页但分页逻辑有误）。需要修复分页逻辑，确保每个 section 有足够空间。

两个具体缺陷：

1. **溢出不换页 ⇒ 文字叠在一起**（第 1 页）；
2. **换页点算错 ⇒ 标题留在上一页、内容被推到下一页**，「闭环验证」标题下面是空的（第 2 页）。第 2 条是排版里最典型的孤行/寡行问题。

### 为什么现在提

同一个任务里 agent **连续两轮**试图修这个分页逻辑，各跑 43:46 / 57:44，两轮都失败（即上面 ②），第三轮还在跑。说明这个缺陷**不是偶发**——agent 能稳定复现，而且落在**运行期让 agent 反复自救**的位置上。把它作为 skill 自身的缺陷修掉，比让每个用户的每一轮任务现场重修一遍便宜得多。

### 判据

- **不许重叠**：任何 section 正文渲染后不与相邻内容重叠（渲染后检查，不是只看布局代码）。
- **标题不与内容分离**：标题若放不下后面至少 N 行内容，整体推到下一页。
- **不许出现空 section**：不存在「有标题、下面什么都没有」的 section。
- 反证：造一份内容长度正好卡在分页边界的输入，撤掉修法必须能复现上面任意一条。

### ⚠ 需要补的取证

我手上只有 agent 自述 + 截图，**没有**那份 PDF、也没有触发它的输入。要修得先拿到：

- 触发这次生成的原始需求（截图里建议 chip 是「生成PESTEL 分析 / 生成价值主张宣言 / 生成AI 商业模型画布」，本轮具体输入未知）；
- 产出的 PDF 或中间产物。

有这两样才谈得上「造一份卡边界的输入」。

---

## 建议的优先级

① 最小（一处文案 + 一个用例），且是用户**误判系统状态**的直接原因。
④ 用户可见的产出质量问题，但缺取证。
② 影响最大（一小时的等待），但要先做取证判别根因。
③ 纯呈现层，随手可做。

First split the report into four independently testable bugs. Read apps/web/components/chat/workbench/run-trace-panel.tsx, apps/api/src/application/agent-run/poll-budget.ts, apps/web/lib/chat-workbench/run-trace.ts, run-trace-live-strip.tsx, and copilotkit-v2-plan-control.tsx; trace the timeout path and locate the pdf-create entry point. Obtain the missing PDF and original input, then verify each stated acceptance criterion with existing or focused tests.

Written by the indexing model from the issue text.