PI Orchestrator — Discipline Fixes & Restart Runbook (MC #105648)

PI Orchestrator — 4 discipline fixa (MC #105648, 2026-07-14)

Kontekst: 3 incidenta istog dana tokom Bilko podsjetnik talasa (puni log: ~/system/evidence/105648/incident-log-2026-07-14.md): (1) porezni research task klasifikovan kao devops + zombie lease bez workera; (2) intake klasifikator blokirao task s tuđim aktivnim lease-om; (3) claim-race na resume → drugi builder u istom worktree-u.

Šta je fixano (pi-orchestrator.js, backup .bak-105648-20260714)

1. Route prior u classify(): MC route polje je sada prior nad semantičkim klasifikatorom (ROUTE_TO_DOMAIN_PRIOR mapa; route=general → null). research više ne može postati devops.
2. Worktree company konzistencija: root cause — task.company se NIKAD nije popunjavao, resolveBuildCwd() je uvijek padao na hardkodirani 'CodeCraft'. Sada se postavlja odmah nakon klasifikacije.
3. Heartbeat ↔ worker liveness: activeWorkerPids registar + isWorkerLive(); heartbeatClaimExtend na mrtav/stale worker RELEASE-a lease (error log "zombie claim") umjesto produženja.
4. Claim/block disciplina: (a) grab-query isključuje tuđe aktivne lease-ove (ranije je gledao samo legacy task_scheduling, ne prave tasks.lease_holder kolone); (b) persona-keyword block gate preskače taskove s tuđim lease-om; (c) checkWorktreeDispatchSafety — nekomitovane tuđe izmjene u worktree-u = abort na queueForHuman.

Verifikacija i deploy

• Verifier PASS (15/15 tvrdnji, nezavisni rerun 11/11 smoke): ~/system/evidence/105648/verifier-report.md
• Deploy: graceful SIGTERM starog daemona → LaunchAgent KeepAlive respawn. Živo potvrđeno: PID 90759 start 23:08:05 > file mtime 22:48; prvi ciklus čist.

Operativne lekcije (restart procedura)

• Restart = kill -TERM <pid> + KeepAlive respawn ILI launchctl kickstart -k gui/501/com.john.pi-orchestrator. NIKAD nohup node ... start — orphan procesi drže lock i blokiraju LaunchAgent.
• Poznati bug (MC #105700): orphan-detekcija matchuje bilo koji proces čiji command line sadrži pattern string — i tvoj monitoring grep! Prije restarta ugasi procese koji sadrže "pi-orchestrator.js start" u komandi.
• Session-less daemon i dalje ne može čist mc.js done (T9-C2 gate) — vidi project_piorch_daemon_recovery_2026-06-19.

MC #105700 — orphan-guard false-positive FIXED (2026-07-15)

Bug iz "Poznati bug" bullet-a iznad je riješen. startDaemon() orphan-check (linije ~6598-6616) sada:

1. Koristi strict pattern pgrep -f "node .*system/kernel/pi-orchestrator.js start" (umjesto labavog substring "pi-orchestrator.js start").
2. Za svaki kandidat PID verifikuje ps -o comm= -p <PID> == node (ili završava na /node) — shell/grep procesi čiji argv sadrži pattern string se više NE tretiraju kao orphan.
3. Fail-safe: ako ps provjera pukne, PID se NE tretira kao orphan (bolje propustiti duplicate-check nego blokirati respawn zbog stranog procesa).

Monitoring grep petlje više ne blokiraju KeepAlive respawn — nije potrebno gasiti ih prije restarta (bullet iznad ostaje kao historijski kontekst za stare verzije).

• Evidence: ~/system/evidence/105700/fix-evidence-2026-07-15.md + repro test orphan-guard.test.js (decoy bash matched starom logikom, isključen novom; živi daemon PID 90759 i dalje detektovan, netaknut)
• Backup: pi-orchestrator.js.bak-105700-orphanguard-20260715-092740
• Aktivacija: na sljedeći prirodni restart daemona (živi proces nije diran).