Runner reliability: babysitter erken-dönüş + cp-runner kayıtsız + zayıf-worker doğrulama boşlukları

[rbinar]

Ortam / bağlam

2026-07-04–05, blinkfin-android "P2 parity" dalgasında 9 runner delegasyonu (ds / ag / cx / oc), paralel git worktree'lerde, her biri iOS→Android tek-dosya/çok-dosya implementasyon işi. Aşağıdakiler tekil değil, dalga boyunca tutarlı gözlemler.

---

P1 — Babysitter worker bitmeden ERKEN dönüyor (en kritik, sistemik)

Runner (ds/ag/cx/oc hepsinde görüldü) worker'ı arka planda başlatıp şu tarz mesajla erken dönüyor:

• "background monitor bildirimini bekliyorum"
• "I've launched a background monitoring task to wait for the worker… the coordinator will be notified once it completes"

Ama o bildirim orkestratöre (main) gelmiyor — babysitter'ın kendi subagent context'ine gidiyor ve subagent o an zaten durmuş oluyor. Net sonuç: orkestratör her seferinde SendMessage ile resume edip "aktif poll yap (sleep+status loop), worker bitene kadar dönme, sonra diff'i teyit + compile et" demek zorunda kalıyor.

oc-runner'da bu arka arkaya 2 kez oldu: resume ettikten sonra yine fire-and-forget monitor'a devretti, gerçek poll yapmadı.

Öneri: babysitter, worker'ı inline bloklayan poll döngüsüyle (sleep + durum kontrolü) bitene kadar beklesin; fire-and-forget monitor'a devretmesin. Alternatif: monitor completion bildirimi main/orkestratör context'ine route edilsin.

---

P1 — cp-runner agent registry'de kayıtlı değil

Dokümanlarda/yönlendirmelerde cli-dispatch:cp-runner referans veriliyor ama Agent registry'de yok:

Agent type 'cli-dispatch:cp-runner' not found. Available agents: … cli-dispatch:ag-runner, cli-dispatch:cx-runner, cli-dispatch:ds-runner, cli-dispatch:oc-runner …

2 görev başlatması bu yüzden düştü, ag/ds'ye reassign gerekti.

Öneri: cp-runner'ı registry'ye ekle ya da tüm dokümandan/yönlendirmeden kaldır (tek doğruluk kaynağı).

---

P2 — oc-runner (zayıf model) bozuk kod üretti + "verified ✓" iddiası yanıltıcı

oc-runner (OpenCode/OpenRouter) tek-dosyalık bir Compose animasyon görevinde (chevron sway):

1. Hâlâ kullanılan bir import'u sildi (import androidx.compose.animation.animateContentSize — dosyada 2 yerde kullanılıyordu) → compile break
2. Duplicate import ekledi (repeatable iki kez)
3. Gövdeye gerçek feature kodu koymadı — yalnız import bloğunu bozdu

Görev capable bir runner'a (cx) yeniden verilerek çözüldü. Kritik nokta: zayıf worker'ın çıktısı bağımsız derlenmeden "yapıldı" olarak raporlanabiliyor.

Öneri: babysitter, worker diff'ini rapor/"verified" öncesi her zaman gerçek compile/test ile doğrulasın; "verified ✓" yalnızca gerçek build EXIT 0 sonrası verilsin. Zayıf modelleri kod-üretiminden çok basit/mekanik işlere yönlendir.

---

P2 — Worker ortam tutarsızlığı (build doğrulaması güvenilmez)

Aynı dalgada:

• ag/cx worker'ları Android Studio JBR (JAVA_HOME=…/Android Studio.app/Contents/jbr/Contents/Home) ile ./gradlew :app:compileDebugKotlin çalıştırıp gerçekten derledi.
• ds worker'ı (#609) shell'inde JDK/JAVA_HOME yoktu → ./gradlew çalıştıramadı, yalnız manuel review yaptı; build'i orkestratör kendi ortamında çalıştırmak zorunda kaldı.

Build doğrulaması worker/ortam bağlı değişken → güvenilmez.

Öneri: worker ortamlarına JDK/JAVA_HOME garanti et; ya da babysitter build'i kendi (tutarlı) ortamında çalıştırsın.

---

P3 — Rapor doğruluğu

Bir runner branch adını yanlış raporladı (okfix/607-… — gerçek branch fix/607-…). Küçük ama her rapor iddiasının (branch, dosya listesi, "committed") lokal spot-check gerektirdiğini gösteriyor.

---

Özet öneri sırası

1. Babysitter'ı inline-poll'a çevir (fire-and-forget monitor'ı kaldır) — en yüksek etki.
2. cp-runner registry/doküman tutarsızlığını gider.
3. "verified ✓"yi gerçek build/test EXIT 0'a bağla; worker ortamına JDK garanti et.
4. Rapor iddialarını babysitter kendi tarafında doğrulasın (branch/dosya/commit).

Kanıt: 2026-07-04/05 blinkfin-android P2 dalgası (#606–#612) delegasyon oturumu.

[rbinar]

Ek gözlem — babysitter ÇÖKÜŞÜ (early-return'den farklı) → worker worktree'de işi BİTİRMİŞ, sonuç yetim kalıyor

Ayrı bir session'da (tatildepazarlik) şuna rastladım: babysitter erken-dönmenin ötesinde çöktü:

API Error: Internal server error

subagent_tokens ~32, iş yapılmamış GİBİ görünüyordu. AMA arka plandaki worker (Codex/DeepSeek) izole git worktree'de işi BİTİRMİŞti (commit'siz).

Kurtarma (işe yaradı)

1. cd <repo> && git worktree list → worker worktree'sini bul
2. Orada git status --short + git diff → commit'siz tamamlanmış işi gör
3. İş sağlamsa: worktree'de git add -A && git commit → ana repoda merge/cherry-pick → build doğrula → deploy (hepsini ORKESTRATÖR yapar)
4. git worktree remove --force <path>

Not: Codex --sandbox workspace-write .git'e yazamayabilir → commit'i orkestratör atmalı.

Öneri (P1'e ek)

• Babysitter ÇÖKERSE (early-return değil), orkestratöre worker worktree path'ini ve "worker hâlâ çalışıyor olabilir / bitmiş olabilir, worktree'yi kontrol et" sinyalini net ver — yoksa tamamlanmış iş sessizce yetim kalıyor.
• İdeali: worker tamamlanınca worktree diff'ini babysitter-çökse-bile orkestratöre ulaştıran bir "sonuç dosyası" (worktree içinde) — babysitter context'ine bağımlı olmasın.

[rbinar]

Fixed in 9c81ae3, across all 5 runner docs (ds/ag/cx/oc/cp-runner.md):

• Babysitter fire-and-forget monitor (P1): added a "CRITICAL — never fire-and-forget the wait" section to every runner — a background monitor/async task's completion notification targets the babysitter's own sub-context, which has already ended by the time it fires, so the orchestrator never sees it. Babysitters must now block synchronously on the worker CLI (which already runs in the foreground) or poll status.json inline within the same turn.
• cp-runner "not found" (P1): checked — cp-runner.md exists in this repo as of 3.20.0 (commit c59d938), the same day as your blinkfin-android session. This was almost certainly a stale plugin install at that exact moment (same root cause we independently hit with the dashboard binary this session — the installed copy lags the repo until reinstalled), not a registry gap in the repo itself. There's no separate registry file to "add" it to; Claude Code auto-discovers agents/*.md by convention. If you still see this on a fully up-to-date install, please reopen with the exact error + cli-dispatch --version (or plugin.json version) at the time.
• "verified ✓" not gated on real build (P2): tightened every runner's Verify section — verified ✓ is now explicitly permitted only after a real build/test/typecheck command the babysitter itself ran exits 0, never from the worker's self-report or a plausible-looking diff. If no check applies, the babysitter now says checks: n/a instead of defaulting to verified.
• Inconsistent JDK/toolchain across workers (P2): added a toolchain-consistency clause — before claiming a build check ran, the babysitter must confirm the toolchain (JDK/JAVA_HOME, Node version, etc.) actually works in its own shell, and report checks: SKIPPED — ... plainly if it's missing, instead of silently downgrading to code-only review while still claiming full verification.
• Report accuracy / wrong branch name (P3): added a spot-check note — every factual claim (branch, file list, "committed") must come from git/filesystem output run that turn, not memory.

(oc-runner.md also picked up the --idle-timeout 120 default on its canonical worktree invocation — an earlier, unrelated fix bundled into the same commit since it's the same file.)