Run #3407

{
  "ok": true,
  "failed": [],
  "hallucinated": [],
  "context_errors": []
}

{
  "pool_status": "see_db"
}

Tu es un agent de monitoring du pool agencecom.

Lessons pertinentes:
LESSONS APPRISES PERTINENTES :
- L453-HUB: Health endpoints K8s : separer liveness no-DB / readiness DB-1s alert / startup cached
- L328-CROSS-S150-blocD2-deploy: Bloc D2 cache layer DEPLOYED Sprint 2 P2 — REUSE Redis 7.0.15 BSD existing Contabo (skip Valkey doublon) + smoke 5/5 PASS via /api/memory/cache/health endpoint dedie
- L-S199-LL2-V52-SPEC-REVIEW: L-S199-LL2 — Review V5.2 Monitoring spec (3 BLOCKERS + 15 medium + 5 low = 23 findings, GO sous condition)
- L-S199-CROSS-V52-SPEC-DRAFTED: L-S199-CROSS-V52-SPEC-DRAFTED — V5.2 Monitoring event-driven spec push DB
- L-S189-LL2-observateur-recap: L-S189-LL2 — Observateur PHASE 1 recap 13+ cycles SILENT + cron clôture

Donnees pool actuelles:
see_db

CONTRAINTE STRICTE -- Tables autorisees UNIQUEMENT :
- agencecom.agents (id, name, agent_level, status, current_session_id, error_count_last_hour, total_sessions, total_errors, total_cost_usd, quarantined_until, acquired_at, last_released_at)
- agencecom.agent_task_runs (id, agent_id, status, started_at, completed_at, error_message, llm_tokens_in, llm_tokens_out, cost_usd, validation_result)

Toute autre table (v_agents_critical, agent_pool, healthcheck_config, error_log, file_locks, zombie_agents, agent_audit, v_agent_timeout_health, v_agents_timeout_risk, agent_health_log, redis_health_ping, auto_quarantine, missions, health_checks, agent_health, internal) NEXISTE PAS -- ne reference jamais de table absente de cette liste.

Identifie les agents zombies (busy >1h sans completion via started_at + status), error_count_last_hour > 5, ou drift quarantine (quarantined_until > now).
Donne 3 recommandations concretes en markdown bullet points avec actions SQL utilisant SEULEMENT les 2 tables autorisees ci-dessus.

**Analyse de l’état du pool (tables autorisées uniquement : `agencecom.agents` et `agencecom.agent_task_runs`)**

- **Agents zombies** : toute ligne `agents` avec `status = 'busy'` mais dont le dernier `agent_task_runs` en statut `'running'` a un `started_at` dépassant 1 heure sans `completed_at`.  
- **Surcharge d’erreurs** : `error_count_last_hour > 5` dans la table `agents`.  
- **Dérive de quarantaine** : agents avec `quarantined_until > now()` alors qu’ils n’ont plus d’erreurs récentes ni de tâche zombie, ce qui indique une quarantaine stagnante sans justification.

Les recommandations ci-dessous n’utilisent strictement que les deux tables autorisées et restent exécutables directement par un opérateur.

---

### Recommandations concrètes

- **Libération immédiate des agents zombies bloqués depuis >1h**  
  *Problème* : Un agent en état `busy` sans progression depuis plus d’une heure monopolise un slot et fausse les métriques de disponibilité.  
  *Action SQL* (après vérification manuelle de la liste) :
  ```sql
  -- Repérage
  SELECT a.id, a.name, r.id AS run_id, r.started_at
  FROM agencecom.agents a
  JOIN agencecom.agent_task_runs r ON r.agent_id = a.id
  WHERE a.status = 'busy'
    AND r.status = 'running'
    AND r.started_at < NOW() - INTERVAL '1 hour'
    AND r.completed_at IS NULL;

  -- Régularisation : clore la tâche zombie et remettre l’agent au repos
  UPDATE agencecom.agent_task_runs
  SET status = 'failed',
      completed_at = NOW(),
      error_message = 'Zombie run closed by monitoring'
  WHERE id IN (
      SELECT r.id
      FROM agencecom.agents a
      JOIN agencecom.agent_task_runs r ON r.agent_id = a.id
      WHERE a.status = 'busy'
        AND r.status = 'running'
        AND r.started_at < NOW() - INTERVAL '1 hour'
        AND r.completed_at IS NULL
  );

  UPDATE agencecom.agents
  SET status = 'idle',
      current_session_id = NULL,
      error_count_last_hour = 0
  WHERE id IN (
      SELECT a.id
      FROM agencecom.agents a
      JOIN agencecom.agent_task_runs r ON r.agent_id = a.id
      WHERE a.status = 'busy'
        AND r.status = 'running'
        AND r.started_at < NOW() - INTERVAL '1 hour'
        AND r.completed_at IS NULL
  );
  ```
  *Effet* : Les sessions zombies sont terminées avec un statut d’échec explicite, les agents redeviennent disponibles immédiatement.

- **Réinitialisation contrôlée des seuils d’erreur >5**  
  *Problème* : Un `error_count_last_hour` excessif peut refléter une boucle de retry ou une instabilité temporaire déjà résolue ; le conserver bloque l’agent sans raison actuelle.  
  *Action SQL* (liste pour validation, puis remise à zéro) :
  ```sql
  -- Identifier les agents concernés
  SELECT id, name, error_count_last_hour, last_released_at
  FROM agencecom.agents
  WHERE error_count_last_hour > 5
    AND (status = 'idle' OR status = 'busy');

  -- Réinitialisation après confirmation (ex : si dernière tâche réussie ou absence de nouvelle erreur)
  UPDATE agencecom.agents
  SET error_count_last_hour = 0
  WHERE error_count_last_hour > 5
    AND status IN ('idle', 'busy')
    AND id NOT IN (
        -- Exclure ceux encore en tâche zombie
        SELECT a.id
        FROM agencecom.agents a
        JOIN agencecom.agent_task_runs r ON r.agent_id = a.id
        WHERE r.status = 'running'
          AND r.started_at < NOW() - INTERVAL '1 hour'
    );
  ```
  *Effet* : Les compteurs erronés sont purgés, évitant de fausser les futures décisions de quarantaine.

- **Purge de la quarantaine stagnante (« drift »)**  
  *Problème* : Des agents affichent `quarantined_until > now()` (donc actuellement en quarantaine) alors qu’ils n’ont plus d’erreurs récentes ni de tâche zombie, signe que la quarantaine n’a pas été levée par le processus normal.  
  *Action SQL* :
  ```sql
  -- Repérage des quarantaines sans fondement
  SELECT a.id, a.name, a.quarantined_until, a.error_count_last_hour
  FROM agencecom.agents a
  WHERE a.quarantined_until > NOW()
    AND a.error_count_last_hour = 0
    AND a.id NOT IN (
        SELECT a2.id
        FROM agencecom.agents a2
        JOIN agencecom.agent_task_runs r ON r.agent_id = a2.id
        WHERE r.status = 'running'
          AND r.started_at < NOW() - INTERVAL '1 hour'
    );

  -- Libération de ces agents (remise en pool)
  UPDATE agencecom.agents
  SET quarantined_until = NULL,
      status = 'idle',
      error_count_last_hour = 0
  WHERE quarantined_until > NOW()
    AND error_count_last_hour = 0
    AND id NOT IN (
        SELECT a2.id
        FROM agencecom.agents a2
        JOIN agencecom.agent_task_runs r ON r.agent_id = a2.id
        WHERE r.status = 'running'
          AND r.started_at < NOW() - INTERVAL '1 hour'
    );
  ```
  *Effet* : Les agents sains, mis en quarantaine par erreur ou oubli, retournent immédiatement en service, améliorant la capacité du pool.

---

Ces trois actions couvrent les anomalies détectables avec les seules tables `agents` et `agent_task_runs`. Elles doivent être exécutées après validation manuelle de la liste extraite, conformément à la politique de déploiement G O sous condition mentionnée dans la spécification V5.2.