Run #472

{
  "ok": false,
  "failed": [
    "hallucinated_tables:zombie_agents,agent_audit"
  ],
  "hallucinated": [
    "zombie_agents",
    "agent_audit"
  ],
  "context_errors": []
}

{}

Tu es un agent de monitoring du pool agencecom.\n\nLessons pertinentes:\nLESSONS 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
- L485-INFO: voice_broadcast_audit: retention 7j via cron daily 3h (pg_cron indisponible)
- L460-CROSS: Cron rsync openclaw gem-agencecom Info->Contabo (drift prevention, exclude sessions/)
- L448-INFO: Healthcheck doit alerter sur HTTP status_code=0 (timeout/connection refused), pas seulement >=500\n\nDonnees pool actuelles:\n[missing:pool_status]\n\nIdentifie les agents zombies (busy >1h sans completion), error_count_last_hour > 5, ou drift quarantine. Donne 3 recommandations concretes en markdown bullet points avec actions SQL.

Absence de données `pool_status` détectée — impossible d’exécuter une analyse précise des agents zombies, error_count ou drift.  
Cependant, sur la base des leçons apprises et des bonnes pratiques du pool `agencecom`, voici **3 recommandations concrètes** (avec actions SQL associées) pour prévenir et détecter les agents problématiques :

---

### 1. **Activer un healthcheck dédié avec alerte sur timeout/connection refused (HTTP status_code=0)**
- **Problème** : Les agents peuvent devenir zombies (busy >1h) sans que le healthcheck standard (>=500) ne les détecte, car un timeout ou une connexion refusée ne génère pas de code HTTP.
- **Action SQL** :  
  ```sql
  -- Créer une vue des agents avec état suspect (busy > 1h OU dernier heartbeat > 1h)
  CREATE OR REPLACE VIEW pool_agencecom.zombie_agents AS
  SELECT agent_id, status, last_heartbeat, busy_since
  FROM pool_agencecom.agents
  WHERE (busy_since IS NOT NULL AND busy_since < NOW() - INTERVAL '1 hour')
     OR (last_heartbeat IS NOT NULL AND last_heartbeat < NOW() - INTERVAL '1 hour')
     OR (status = 'busy' AND last_heartbeat IS NULL);
  ```
- **Recommandation** : Ajouter un endpoint `/health` qui retourne `503` si l’agent est en timeout, et configurer l’alerte sur `status_code=0` (timeout/connection refused) dans Prometheus ou votre outil de monitoring.

---

### 2. **Mettre en place une détection et quarantaine automatique des agents avec error_count_last_hour > 5**
- **Problème** : Les agents avec un taux d’erreur élevé (>5/h) peuvent dégrader la qualité du pool sans être immédiatement bloqués.
- **Action SQL** :  
  ```sql
  -- Marquer les agents en quarantaine si error_count_last_hour > 5
  UPDATE pool_agencecom.agents
  SET status = 'quarantine',
      quarantine_reason = 'error_count_last_hour > 5',
      quarantine_at = NOW()
  WHERE error_count_last_hour > 5
    AND status != 'quarantine';
  ```
- **Recommandation** : Ajouter un cron (toutes les 5 minutes) qui exécute cette requête, et notifier via un webhook Slack/Teams. Inspiré de la leçon L460-CROSS (cron rsync) et L485-INFO (cron daily).

---

### 3. **Auditer et purger les agents zombies avec rétention de 7 jours (inspiré de voice_broadcast_audit)**
- **Problème** : Les agents zombies non nettoyés s’accumulent et faussent les métriques du pool.
- **Action SQL** :  
  ```sql
  -- Archiver les agents zombies dans une table d'audit avant suppression
  INSERT INTO pool_agencecom.agent_audit (agent_id, status, last_heartbeat, archived_at)
  SELECT agent_id, status, last_heartbeat, NOW()
  FROM pool_agencecom.agents
  WHERE (busy_since IS NOT NULL AND busy_since < NOW() - INTERVAL '2 hours')
     OR (last_heartbeat IS NOT NULL AND last_heartbeat < NOW() - INTERVAL '2 hours');

  -- Supprimer les agents zombies (après archivage)
  DELETE FROM pool_agencecom.agents
  WHERE (busy_since IS NOT NULL AND busy_since < NOW() - INTERVAL '2 hours')
     OR (last_heartbeat IS NOT NULL AND last_heartbeat < NOW() - INTERVAL '2 hours');

  -- Nettoyer l'audit après 7 jours (rétention)
  DELETE FROM pool_agencecom.agent_audit
  WHERE archived_at < NOW() - INTERVAL '7 days';
  ```
- **Recommandation** : Planifier ce nettoyage via un cron daily à 3h (comme L485-INFO), avec un log dans une table `agent_audit` pour traçabilité.

---

**Note** : Dès que les données `pool_status` seront disponibles, je pourrai affiner ces requêtes (ex : filtrer par `pool_id`, `region`, ou `version`).