docs: update status — Phase 2 done, human jobid, priorities (2026-08-13)

- left_scheduler_work.md: Phase 2 implemented (SSE+WatchJobs+4 tools), add
  job_id_human fix + ListJobs filter fix + .mcp.json env-var note; refresh
  priority list (bug-1490/1494/Phase2 all done).
- Scheduler-Agent-设计文档.md: v1.3, status header reflects Phase 0-2 done +
  verified.
- cerebrum: user preference (apiserver owns data correctness, MCP is a thin
  reader); jobid dual-encoding lesson (reuse backend.FormatJobID).
- memory: session log.

Co-Authored-By: Claude <noreply@anthropic.com>

docs/Scheduler-Agent-设计文档.md

@@ -1,9 +1,9 @@
 # Unified Scheduler Agent Framework — 设计文档
 
 > **项目代号**：scheduler-agent
-> **文档版本**：v1.2
-> **最近更新**：2026-08-01
-> **文档状态**：实施中（Phase 0-1 代码完成；集群验证：读 + submit ✅，control 有 apiserver 预存 bug 待修）
+> **文档版本**：v1.3
+> **最近更新**：2026-08-13
+> **文档状态**：实施中（**Phase 0-2 代码完成并集群验证** ✅；Phase 3-4 后端适配器未开始。Phase 0-1 E2E 2026-08-12 通过；Phase 2 SSE 事件流 + 4 高级工具 2026-08-12 实施并验证；人类可读 jobid 2026-08-13 落地）
 
 ---
 

docs/left_scheduler_work.md

@@ -1,7 +1,7 @@
 # Scheduler 剩余工作清单（left_scheduler_work）
 
 - 状态：持续更新
-- 日期：2026-08-07
+- 日期：2026-08-13
 - 来源：项目自带 MD 设计文档分析（.kiro/steering、.kiro/specs、docs/、CLAUDE.md）
 
 本文汇总 scheduler 相关的一切剩余/未完成/已知损坏的工作，按优先级排序。每项标注来源文档与状态。
@@ -155,10 +155,18 @@ spec 声称 36/36 任务完成，但 re-audit（research.md）发现缺陷。来
 |-------|------|------|
 | Phase 0 | 只读 MCP Server：6 读工具、schedulerclient、`mcp_readonly` 角色、API Key 认证 | ✅ 2026-07-26 |
 | Phase 1 | 4 写工具（submit/cancel/hold/release）、`general_serial` 模板、`mcp_operator`、`dry_run` 审查 | ✅ 2026-08-01（代码）；**2026-08-12 完整集群 E2E 验证通过**：submit→运行→DONE、cancel(kill)→EXIT、读接口全通。注意：job control 动作是 kill/stop/resume/checkpoint（schedulerclient 已正确映射） |
+| Phase 2 | SSE 事件流（`/xce/v1/events` + EventBroker）+ `WatchJobs()` + 4 高级工具 | ✅ **2026-08-12 实施并集群验证**（见下）|
+
+**Phase 2 落地明细（2026-08-12）**：
+- **apiserver**：`/xce/v1/events` SSE endpoint + `backend.Broker`（EventBroker，DefaultHandler 发布 job.created/updated/deleted/finished）；RBAC `event:view`（mcp_readonly/mcp_operator/cluster_admin）；whitelist 加 `/xce/v1/events`。
+- **schedulerclient**：`WatchJobs(ctx)` 订阅 SSE 流；**顺带修复** `ListJobs` 的 filter 参数——apiserver 用 `filter=queue_name:eq:...`（field:op:value），原 `queue_name`/`submit_user` 参数被 400 拒绝（影响带过滤的列表 + estimate_wait_time）。
+- **mcp-server**：14 工具（10 原有 + `scheduler_wait_job`/`scheduler_analyze_failure`/`scheduler_suggest_resources`/`scheduler_estimate_wait_time`）。
+- **人类可读 jobid（2026-08-13）**：apiserver 响应加 `job_id_human`/`human_id`（`cluster-apiserver-时间戳-序号`，如 `1-0-1786585485-0`），复用 `backend.FormatJobID`——MCP 原来只返回裸 64 位数字（`73930964699447296`），xce_test/xcecli 只认连字符格式，导致跨工具无法引用。架构原则：**apiserver 负责数据正确性，mcp-server 只读取透传**。
+- **Claude Code 集成**：`.mcp.json` 注册 `xce-scheduler` server，key 用 `${XCE_API_KEY}` 环境变量（不硬编码提交）；apiserver 重启后 key 失效需重新生成。
 
 **注意**：apiserver 在 controller 重启后**不会自动重新 join**（只重连 TCP，DataStore 保持陈旧为空）——controller 重启后需手动重启 apiserver 才会重新收到作业推送。这与 scheduler/worker 的重连缺口同类，属 component-failover-adoption 待办。
 
-代码：`src/frontend/mcp-server/`（10 工具，~1300 行）、`src/frontend/schedulerclient/`（45 测试）、apiserver API Key + RBAC 支持。
+代码：`src/frontend/mcp-server/`（14 工具）、`src/frontend/schedulerclient/`（~50 测试）、apiserver API Key + RBAC + SSE 支持。
 
 ### 1. 阻塞性 bug（影响 chatbot E2E 验证）
 | Bug | 影响 |
@@ -167,9 +175,10 @@ spec 声称 36/36 任务完成，但 re-audit（research.md）发现缺陷。来
 | **bug-1494** | 作业全 PEND 不调度，Agent 提交流程无法完成。**已修复（2026-08-11）**：子问题一 dispatch-fail 重试（bug-1510）+ 子问题二 worker 重新 join 后 slots 不更新（见第一节） |
 | **chatbot 过度建议** | ✅ 已缓解（3db216c）：mcp-server 加 server instructions + 状态工具 report-only 描述，防止 LLM 把非 OK 状态当事故、主动给一堆排查建议 |
 
-### 2. Phase 2：监控 + 纠错闭环（未开始，估 2-3 天）
-- **SSE 事件流**（ADR-004 设计已完、未实现）：apiserver SSE endpoint + EventBroker，schedulerclient `WatchJobs()`，mcp-server 事件接入。Agent 工作流：submit → watch → analyze → auto-handle
-- 3 个高级工具：`scheduler_analyze_failure`、`scheduler_suggest_resources`、`scheduler_estimate_wait_time`
+### 2. Phase 2：监控 + 纠错闭环（✅ 已实施 2026-08-12）
+- **SSE 事件流**（ADR-004 已实施）：apiserver `/xce/v1/events` + EventBroker、schedulerclient `WatchJobs()`、mcp-server 4 高级工具。t1 集群验证：SSE 流推送 PEND→RUN→DONE、WatchJobs 捕获完整生命周期、4 工具全部 live 工作。
+- 高级工具：`scheduler_wait_job`、`scheduler_analyze_failure`、`scheduler_suggest_resources`、`scheduler_estimate_wait_time`（14 工具）
+- Agent 工作流已打通：submit → wait_job → 取日志 → analyze（详见设计文档 §5.3）
 
 ### 3. Phase 3 / Phase 4：后端适配器（未开始）
 - Phase 3：**LSF adapter**（CLI 解析优先，Python Sidecar 后续，估 +1 月）
@@ -186,11 +195,12 @@ spec 声称 36/36 任务完成，但 re-audit（research.md）发现缺陷。来
 
 ---
 
-## 建议优先级
+## 建议优先级（2026-08-13 更新）
 
-1. **bug-1490**（apiserver control HTTP 500）——阻塞 chatbot 写工具 E2E，小而明确，能立即修。
-2. **bug-1494**（作业 PEND）——根因已定位（worker+scheduler 不自愈）。G-8 死代码（scheduler 作业更新路径损坏）很可能是元凶。
-3. **msg-gap G-8/G-3/G-5**——小而明确，能立即修。
-4. **component-failover-adoption**（scheduler 重连）——与 bug-1494 的 join 链路疑点直接相关。
-5. scheduler-agent Phase 2（SSE 事件流）——依赖 bug-1490/bug-1494 先修好。
-6. scheduler-framework 重构——大规划，建议等前 5 项稳定后再动。
+1. ~~**bug-1490**~~ ✅ 已修复（c90e63e），写工具 E2E 通过。
+2. ~~**bug-1494**~~ ✅ 已修复（bug-1510 + bug-1511，2026-08-11），作业全 PEND 解决。
+3. ~~**scheduler-agent Phase 2（SSE 事件流）**~~ ✅ 已实施并验证（2026-08-12）。
+4. **msg-gap G-8/G-3/G-5**——scheduler-controller 消息缺陷，小而明确，能立即修。
+5. **component-failover-adoption**（scheduler/worker/apiserver 重启后自动重连）——仍是最重要基础设施缺口；apiserver 的 rejoin 缺口已实测确认。
+6. **scheduler-framework 重构**——大规划，建议等前几项稳定后再动。
+7. **scheduler-agent 下一步**：Phase 3 LSF adapter（估 +1 月），或先跑通 agent 工作流真实试用 + 补齐 3 个未决决策（LLM 选型/多集群 URM/air-gapped）。