docs: mark bug-1494 partially fixed (dispatch-fail re-PEND, bug-1510)

Document that the scheduler dispatch-fail re-PEND fix (commit 6928f74)
resolves one root cause of the "all jobs PEND" symptom; the
controller-restart self-heal-reconnect aspect of bug-1494 remains open.
Log bug-1510 in buglog.

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

docs/left_scheduler_work.md

@@ -10,10 +10,11 @@
 
 ## 一、最紧急：当前影响集群的 bug
 
-### 1. bug-1494 — 作业全部 PEND 不调度【根因已定位，2026-08-07】
-- **状态**：未解决（根因已定位）
+### 1. bug-1494 — 作业全部 PEND 不调度【部分已修复，2026-08-11】
+- **状态**：部分解决。**子问题一（派发失败作业不重试）已修复（bug-1510，commit 6928f74）**；**子问题二（controller 重启后 worker/scheduler 不自愈重连）仍开放**。
 - **来源**：`CLAUDE.md`、`docs/Scheduler-Agent-设计文档.md` §10.2b
-- **根因（实证确认）**：controller 重启后，worker + scheduler **都不能自愈重连**，导致 scheduler 资源视图 slots=0 → 无法派发：
+- **子问题一（已修复）**：scheduler 在 worker 未就绪（down/joining）时派发，controller 拒绝（`dispatch_a_job_ worker t1 status=0x10000 ep nil`）并回 `jobDispatchFail` 通知，但 scheduler 的 `sched_handle_notify` 无此 case（丢弃）→ 作业保持 RUN 视图永不重选 → 永久 PEND（worker 恢复也不派发）。**修复**：handler.c 加 `jobDispatchFail` case + `sched_requeue_pend_job()`（重置 PEND + 重新入 fcfs pendJobs），作业持续重试直到 worker 就绪 → 派发 → EXIT。集群已验证。
+- **子问题二（仍开放）**：controller 重启后，worker + scheduler **都不能自愈重连**，导致 scheduler 资源视图 slots=0 → 无法派发：
   1. **worker 不重连**：controller 重启后 t1 保持 `UNAVAIL`（NCPUS/MAX_SLOT=-，HOST_TYPE=UNKNOWN），每 15s `Failed to send load indices error -1`，无 rejoin 尝试（worker 连接监控 `checking_connection` 未检测到 controller 重启）
   2. **scheduler 无重连逻辑**：controller 重启后 scheduler 连接断开，重启后重新 join 时看到 t1 UNAVAIL、0 slots（`resource 0 (slots) total 0.000000 shortfall 1.0`）
   3. scheduler 无法分配 → 全部 PEND（`main decision = (nil)`）
@@ -164,8 +165,9 @@ spec 声称 36/36 任务完成，但 re-audit（research.md）发现缺陷。来
 ### 1. 阻塞性 bug（影响 chatbot E2E 验证）
 | Bug | 影响 |
 |-----|------|
-| **bug-1490** | control（hold/release/cancel）HTTP 500，apiserver control 链路预存 bug，请求到不了 controller。**写工具 E2E 验证的头号拦路虎** |
-| **bug-1494** | 作业全 PEND 不调度，Agent 提交流程无法完成。根因已定位（见第一节） |
+| **bug-1490** | ✅ 已修复（c90e63e）。MCP 写工具（submit/hold/release/cancel）集群 E2E 验证通过；`scheduler_get_job` 的 CompConditions 过滤 bug 也已修复（0572740）。另修了部署缺口：/opt/xce/config 缺 rbac.yaml 导致 mcp API key 全 403 |
+| **bug-1494** | 作业全 PEND 不调度，Agent 提交流程无法完成。**部分已修复（2026-08-11）**：派发失败作业重试（bug-1510）已解决；controller 重启后 worker/scheduler 不自愈重连仍开放（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