Cell 运维监控

Hypervisor 快照、per-Cell 统计、Provider 延迟、崩溃日志、Run 追踪、证据链和健康检查端点。

健康检查

基础健康

GET /health

返回 Hypervisor 生命周期状态：starting | ready | draining。无需认证。

Prometheus 指标

GET /metrics

公开或需 admin token（取决于部署配置）。

Hypervisor 级监控

Hypervisor 快照

GET /admin/observe/snapshot

返回全局状态摘要：Cell 数量、温度分布、活跃 Run 数、降级 secret 台账等。

{
  "cells_total": 12,
  "cells_hot": 3,
  "cells_warm": 5,
  "cells_cool": 2,
  "cells_cold": 2,
  "active_runs": 7,
  "degraded_secrets": {},
  "started_at": "2026-09-15T00:00:00Z",
  "lifecycle_state": "ready"
}

per-Cell 统计

GET /admin/observe/per-cell-stats?cell=dept-legal&cell=dept-audit

可指定 Cell 子集或省略参数获取全部。

Provider 延迟统计

GET /admin/observe/provider-latency

各 Provider 的 P50/P95/P99 延迟和错误率。

崩溃日志

GET /admin/observe/crash-log

引擎级崩溃事件列表（与 {DataDir}/crashes/ 目录对应）。

Cell 级监控

Cell 运行时统计

GET /cells/{cellID}/observe/stats

返回 Cell 当前状态、活跃 Run 数、温度、运行时间等。

Token 用量查询

GET /cells/{cellID}/observe/token-usage?group_by=model,day&from=2026-09-01&to=2026-09-15

支持 GroupBy（model / agent / session / day / tag:actor）+ Tags / Model / Session / From / To 多维过滤。

Token 用量聚合

GET /cells/{cellID}/observe/token-summary

返回汇总摘要。

按 Agent/Day 聚合

GET /cells/{cellID}/observe/token-usage/aggregate?agent=assistant&group_by=day&days=7

Run 追踪

Run 列表

GET /cells/{cellID}/observe/runs?agent=assistant&limit=20&offset=0

Actor 过滤：?actor= 仅对 admin token 生效，非 admin 自动取 Principal.Actor（INV-OBS-08）。

Run 详情

GET /cells/{cellID}/observe/runs/{runID}

别人的 Run 与不存在的 Run 同返空（不给 Run ID 探针）。

Run 工具调用追踪

GET /cells/{cellID}/observe/runs/{runID}/tools

证据链

GET /cells/{cellID}/observe/evidence
Accept: application/jsonl

以 JSONL 流返回证据链。注意：此端点抬到 cell:admin 作用域（INV-OBS-09），不按 actor 过滤——证据链是逐 Run hash chain，切片后缺环无法校验。

审计

GET /cells/{cellID}/audit/export?format=jsonl&from=2026-09-01&to=2026-09-15
GET /cells/{cellID}/audit/summary

同样抬到 cell:admin（INV-OBS-09）。

Cell 温度观察

温度	含义	激活成本
Hot	有活跃 Run	0
Warm	goroutine/DB 在	0
Cool	磁盘保留，无 goroutine	100-500ms
Cold	Stopped	1-3s

Cool 态首请求自动 WarmUp；Cold 态返回 503 + Retry-After: 5 + 异步唤醒。

日志文件

文件	内容
`{DataDir}/logs/wesgine-stderr.log`	fd 2 落盘，含 panic 栈（INV-CRASH-STDERR-01）
journal / stdout	业务日志镜像（Info+）

排障第一步：始终先看 wesgine-stderr.log，不是 journal。