ai-customer-service/docs/RUNBOOK.md

DO-P1-2：运行与回滚 Runbook

状态：✅ 已交付 负责人：DevOps（宰相代填） 基准：P0 完成 Gate B 预生产验证 日期：2026-05-04

---

一、部署前检查清单（Pre-flight）

# 1. 确认环境变量完整
echo "AI_CS_ENV=$AI_CS_ENV"
echo "AI_CS_POSTGRES_ENABLED=$AI_CS_POSTGRES_ENABLED"
echo "AI_CS_POSTGRES_DSN=${AI_CS_POSTGRES_DSN:+[SET]}"
echo "AI_CS_WEBHOOK_SECRET=${AI_CS_WEBHOOK_SECRET:+[SET]}"
echo "AI_CS_LOG_LEVEL=$AI_CS_LOG_LEVEL"

# 2. 确认 PostgreSQL 可连
PGPASSWORD=ai_cs_secret psql -h localhost -p 5434 -U ai_cs -d ai_customer_service -c "SELECT 1" || exit 1

# 3. 确认 migration 已执行
PGPASSWORD=ai_cs_secret psql -h localhost -p 5434 -U ai_cs -d ai_customer_service -c "SELECT table_name FROM information_schema.tables WHERE table_schema='public' ORDER BY table_name;" | grep -q cs_sessions || { echo "MIGRATION MISSING"; exit 1; }

# 4. 启动服务（后台）
nohup ./ai-customer-service > /var/log/ai-cs.log 2>&1 &
sleep 3

# 5. 验证 ready probe
curl -s http://localhost:8080/ready | grep -q '"status":"UP"' || { echo "READY FAILED"; cat /var/log/ai-cs.log; exit 1; }

---

二、启动失败排查

症状	原因	解决方案
memory fallback is not allowed ERROR	Env=production 但 AI_CS_POSTGRES_ENABLED≠true	设置 AI_CS_POSTGRES_ENABLED=true 并重启
AI_CS_POSTGRES_DSN is required ERROR	Env=production 但 DSN 未配置	配置完整 DSN：postgres://user:pass@host:5434/db?sslmode=disable
listen tcp :8080: bind: address already in use	8080 端口被占用	pkill -f ai-customer-service 或改 AI_CS_ADDR=:8081
pq: connection refused	PostgreSQL 不可达	检查 PG 主机/端口/防火墙，确认 psql 可连
pq: password authentication failed	密码错误	核对 AI_CS_POSTGRES_DSN 中的密码
启动成功但 /ready 返回 postgres:DOWN	PG 连通但 health check 失败	检查 PG 是否在 AI_CS_POSTGRES_DSN 指定端口响应

---

三、Migration 失败排查

症状	原因	解决方案
pq: relation "cs_sessions" does not exist	migration 未执行	手动执行 psql -f db/migration/0001_init.up.sql
pq: duplicate key value violates unique constraint	表已存在但 migration 重跑	migration 已幂等（CREATE TABLE IF NOT EXISTS），忽略即可
pq: permission denied	PG 用户无建表权限	确认 ai_cs 用户是 superuser 或拥有 ai_customer_service 库

# 手动执行 migration
psql "postgres://ai_cs:ai_cs_secret@localhost:5434/ai_customer_service?sslmode=disable" -f db/migration/0001_init.up.sql

---

四、数据库不可用时的行为

• Env=production：启动时 config.go 会检查 AI_CS_POSTGRES_ENABLED=true，若 DSN 不可达或认证失败，服务拒绝启动（不会 fallback 到 memory）
• Env=test/development：可设置 AI_CS_POSTGRES_ENABLED=false 使用 memory store（测试用）

---

五、Webhook 签名认证联调失败排查

症状	原因	解决方案
CS_AUTH_4034 invalid webhook signature	HMAC secret 不匹配	确认上游使用与 AI_CS_WEBHOOK_SECRET 相同的密钥
CS_AUTH_4031 missing webhook signature	上游未传 X-CS-Signature header	检查上游 webhook 发送逻辑
CS_AUTH_4033 stale webhook request	请求时间戳 > MaxSkew（默认 300s）	确认服务器时间同步（NTP），或调整 AI_CS_WEBHOOK_MAX_SKEW_SECONDS
偶发性 403	时钟漂移超过 300s	检查服务器时区与 NTP 配置

# 验证签名算法（本地测试）
TS=$(date +%s)
BODY='{"test":"payload"}'
SIG=$(echo -n "${TS}.${BODY}" | openssl dgst -sha256 -hmac "test-secret-123" | awk '{print $2}')
curl -v -X POST http://localhost:8080/api/v1/customer-service/webhook \
  -H "Content-Type: application/json" \
  -H "X-CS-Timestamp: $TS" \
  -H "X-CS-Signature: $SIG" \
  -d "$BODY"

---

六、回滚操作流程

6.1 版本回滚（从 v1.1.0 回滚到 v1.0.0）

# 1. 记录当前版本
echo "Rolling back from $(./ai-customer-service --version) to v1.0.0"

# 2. 停止当前服务
pkill -f "ai-customer-service"
sleep 2

# 3. 备份当前数据库（可选，建议先备份）
PGPASSWORD=ai_cs_secret pg_dump -h localhost -p 5434 -U ai_cs ai_customer_service > /tmp/ai_cs_backup_$(date +%Y%m%d_%H%M%S).sql

# 4. 拉取旧版本镜像 / 二进制
# Docker: docker pull ai-customer-service:v1.0.0
# Binary: 从备份位置获取 v1.0.0 二进制

# 5. 重启服务
nohup ./ai-customer-service-v1.0.0 > /var/log/ai-cs-v1.0.0.log 2>&1 &
sleep 3

# 6. 验证
curl -s http://localhost:8080/ready
curl -s http://localhost:8080/actuator/health

6.2 配置回滚

# 若新配置有问题，恢复环境变量
export AI_CS_POSTGRES_ENABLED=true
export AI_CS_POSTGRES_DSN="postgres://ai_cs:ai_cs_secret@localhost:5434/ai_customer_service?sslmode=disable"
export AI_CS_WEBHOOK_SECRET="previous-secret"
pkill -f "ai-customer-service"
sleep 2
nohup ./ai-customer-service > /var/log/ai-cs.log 2>&1 &

6.3 数据库回滚（Migration 不支持向下回滚，需手动处理）

-- 紧急情况：清空所有数据重建（仅 development）
TRUNCATE cs_audit_logs, cs_tickets, cs_messages, cs_sessions, cs_message_dedup CASCADE;
-- 然后重启服务，让 migration 重新初始化

---

七、健康状态快速诊断

#!/bin/bash
# 60s 快速诊断脚本

echo "=== AI-CS Health Diagnostic ==="
echo ""

echo "[1/5] Service process:"
ps aux | grep "ai-customer-service" | grep -v grep || echo "  NOT RUNNING ❌"

echo ""
echo "[2/5] HTTP endpoints:"
for endpoint in "/live" "/ready" "/actuator/health"; do
  status=$(curl -s -o /dev/null -w "%{http_code}" http://localhost:8080$endpoint)
  echo "  $endpoint → HTTP $status $([ "$status" = "200" ] && echo '✅' || echo '❌')"
done

echo ""
echo "[3/5] PostgreSQL:"
PGPASSWORD=ai_cs_secret psql -h localhost -p 5434 -U ai_cs -d ai_customer_service -c "SELECT count(*) as tickets FROM cs_tickets;" 2>&1 | grep -v "^Password" | tail -1

echo ""
echo "[4/5] Recent errors in log:"
tail -50 /var/log/ai-cs.log 2>/dev/null | grep "ERROR" | tail -5 || echo "  No recent errors ✅"

echo ""
echo "[5/5] Webhook test:"
TS=$(date +%s)
BODY='{"channel":"widget","message_id":"diag-001","open_id":"diag-open","content":"health check","timestamp":"2026-05-04T00:00:00Z"}'
SIG=$(echo -n "${TS}.${BODY}" | openssl dgst -sha256 -hmac "test-secret-123" | awk '{print $2}')
curl -s -X POST http://localhost:8080/api/v1/customer-service/webhook \
  -H "Content-Type: application/json" \
  -H "X-CS-Timestamp: $TS" \
  -H "X-CS-Signature: $SIG" \
  -d "$BODY" | head -c 200

echo ""
echo "=== Diagnostic complete ==="