fix: 状态/用量回写升级 JetStream 持久 —— 堵住漏账（core NATS fire-and-forget）

问题：usage(计费)/status 回写走 core NATS，网关离线/慢消费者/NATS 抖动期间
dispatcher 发的事件直接丢——任务照跑照烧 token，但这次计费凭空消失（漏账），且零重试零对账。
（对比：提交/审批/入库本就 JetStream 持久，唯独回写是 best-effort。）

修复（照 tasks/approvals 套路）：
- 新增 JetStream 流 SUNDYNIX_USAGE(MaxAge 72h) / SUNDYNIX_STATUS(24h)，捕获 usage.task/status.task。
- PublishUsage/PublishTaskStatus 改 js.Publish（同步等 stream ack）；dispatcher+gateway 启动各自 ensure 流。
- ConsumeUsage/ConsumeTaskStatus 持久消费者 + 显式 ack：落库成功 Ack、失败 Nak 重投自愈、脏数据 Term。
- 幂等保证 at-least-once 安全：usage_event.task_id 唯一 + 门控；SaveUsageEvent 返回 inserted，
  仅新插入才累计 Redis 日计数（非幂等旁路，防重投重复累加）；UpdateTaskStatus 按 task_id 覆盖幂等。

live 验证（复现原漏账场景）：提交任务→立刻杀网关→dispatcher 跑完把 usage 发进持久流
（网关离线，usage_event=0 但流积压 1 条=钱没丢）→重启网关→自动补消费：任务 done、
usage_event 补上、公司A 余额扣 0.098、消费者 num_pending/ack_pending 归零。旧设计下这笔会永久丢失。

eval 回写仍 core NATS（仅观测，低价值，暂不改）。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

sundynix-dispatcher/internal/nats/subscriber.go

@@ -27,6 +27,13 @@ func MustConnect(url string) *Subscriber {
 	if err := inner.EnsureTaskStream(context.Background()); err != nil {
 		log.Fatalf("[dispatcher/nats] ensure stream: %v", err)
 	}
+	// 状态/用量回写流：dispatcher 是发布方，js.Publish 需流已存在（幂等，网关也会 ensure）。
+	if err := inner.EnsureStatusStream(context.Background()); err != nil {
+		log.Fatalf("[dispatcher/nats] ensure status stream: %v", err)
+	}
+	if err := inner.EnsureUsageStream(context.Background()); err != nil {
+		log.Fatalf("[dispatcher/nats] ensure usage stream: %v", err)
+	}
 	log.Printf("[dispatcher/nats] connected %s", url)
 	return &Subscriber{inner: inner}
 }

sundynix-gateway/cmd/server/main.go

@@ -76,13 +76,13 @@ func main() {
 		log.Printf("[gateway] serve prompts: %v", err)
 	}
 
-	// 任务生命周期：订阅 dispatcher 回写的状态流转（running/done/failed/timeout），落 PG 供 UI 查询。
-	if _, err := bus.SubscribeTaskStatus(func(ev *contract.TaskStatusEvent) {
-		if err := db.UpdateTaskStatus(context.Background(), ev.TaskID, ev.Status, ev.Detail); err != nil {
-			log.Printf("[gateway] 更新任务状态 %s=%s 失败: %v", ev.TaskID, ev.Status, err)
-		}
-	}); err != nil {
-		log.Printf("[gateway] subscribe task status: %v", err)
+	// 任务生命周期：持久消费 dispatcher 回写的状态流转（running/done/failed/timeout），落 PG 供 UI 查询。
+	// JetStream at-least-once：落库失败 → Nak 重投自愈；UpdateTaskStatus 幂等（按 task_id 覆盖），重投无害。
+	statusDrain, serr := bus.ConsumeTaskStatus(context.Background(), func(ctx context.Context, ev *contract.TaskStatusEvent) error {
+		return db.UpdateTaskStatus(ctx, ev.TaskID, ev.Status, ev.Detail)
+	})
+	if serr != nil {
+		log.Printf("[gateway] consume task status: %v", serr)
 	}
 
 	// 评测闭环：订阅 dispatcher 回写的自动化评测结果，落 PG 供 UI 查询 / 质量趋势 / 门控。
@@ -98,22 +98,27 @@ func main() {
 		log.Printf("[gateway] subscribe eval: %v", err)
 	}
 
-	// 成本护栏：订阅 dispatcher 回写的任务 token 用量，按用户按天累计到 Redis（供提交前日预算门控 / 计费）。
-	if _, err := bus.SubscribeUsage(func(ev *contract.UsageEvent) {
+	// 成本护栏：持久消费 dispatcher 回写的任务 token 用量（计费事实源，JetStream at-least-once + 幂等）。
+	usageDrain, uerr := bus.ConsumeUsage(context.Background(), func(ctx context.Context, ev *contract.UsageEvent) error {
 		if ev.UserID == "" || ev.TotalTok <= 0 {
-			return
+			return nil // 无效事件：Ack 丢弃，不重投
 		}
-		day := time.UnixMilli(ev.TS).Format("20060102")
-		// 快速配额校验：Redis 按用户按天累计（48h TTL，供提交前门控）。
-		if _, err := cache.AddUsage(context.Background(), ev.UserID, day, ev.TotalTok); err != nil {
-			log.Printf("[gateway] 累计用量 user=%s 失败: %v", ev.UserID, err)
+		// 计费事实源：折算 credits + cost 幂等落持久明细（按 task_id 去重）。失败 → Nak 重投自愈。
+		inserted, err := db.SaveUsageEvent(ctx, ev)
+		if err != nil {
+			return err
 		}
-		// 计费事实源：折算 credits + cost 幂等落持久明细（按 task_id 去重）。
-		if err := db.SaveUsageEvent(context.Background(), ev); err != nil {
-			log.Printf("[gateway] 落库用量明细 task=%s 失败: %v", ev.TaskID, err)
+		// 仅"新插入"时累计 Redis 日计数（非幂等，重投不能重复累加；供提交前日预算门控）。
+		if inserted {
+			day := time.UnixMilli(ev.TS).Format("20060102")
+			if _, err := cache.AddUsage(ctx, ev.UserID, day, ev.TotalTok); err != nil {
+				log.Printf("[gateway] 累计用量 user=%s 失败: %v", ev.UserID, err) // best-effort，不影响已落库的计费
+			}
 		}
-	}); err != nil {
-		log.Printf("[gateway] subscribe usage: %v", err)
+		return nil
+	})
+	if uerr != nil {
+		log.Printf("[gateway] consume usage: %v", uerr)
 	}
 
 	// 入库工作队列：启动有界并发 worker 池消费 JetStream 入库作业（背压防 OOM、崩溃重投兜底）。
@@ -155,6 +160,13 @@ func main() {
 		ingestDrain(ictx)
 		icancel()
 	}
+	// 停状态/用量持久消费者（未 ack 的重启后由 JetStream 重投，幂等落库不丢不重）。
+	if statusDrain != nil {
+		statusDrain(context.Background())
+	}
+	if usageDrain != nil {
+		usageDrain(context.Background())
+	}
 	log.Println("[gateway] 已优雅停机")
 }
 

sundynix-gateway/internal/nats/publisher.go

@@ -27,7 +27,13 @@ func MustConnect(url string) *Bus {
 	if err := inner.EnsureIngestStream(context.Background()); err != nil {
 		log.Fatalf("[nats] ensure ingest stream: %v", err)
 	}
-	log.Printf("[nats] connected %s, task + ingest streams ready", url)
+	if err := inner.EnsureStatusStream(context.Background()); err != nil {
+		log.Fatalf("[nats] ensure status stream: %v", err)
+	}
+	if err := inner.EnsureUsageStream(context.Background()); err != nil {
+		log.Fatalf("[nats] ensure usage stream: %v", err)
+	}
+	log.Printf("[nats] connected %s, task + ingest + status + usage streams ready", url)
 	return &Bus{inner: inner}
 }
 
@@ -62,9 +68,9 @@ func (b *Bus) Ping(ctx context.Context, subject string) ([]byte, error) {
 	return b.inner.Ping(ctx, subject)
 }
 
-// SubscribeTaskStatus 订阅 dispatcher 回写的任务生命周期状态（落 PG）。
-func (b *Bus) SubscribeTaskStatus(onEvent func(*contract.TaskStatusEvent)) (func() error, error) {
-	return b.inner.SubscribeTaskStatus(onEvent)
+// ConsumeTaskStatus 持久消费 dispatcher 回写的任务生命周期状态（落 PG，at-least-once + 幂等）。
+func (b *Bus) ConsumeTaskStatus(ctx context.Context, h func(context.Context, *contract.TaskStatusEvent) error) (func(context.Context), error) {
+	return b.inner.ConsumeTaskStatus(ctx, h)
 }
 
 // PublishApproval 把一次人工审批决定发给 dispatcher（解除审批节点阻塞）。
@@ -77,9 +83,9 @@ func (b *Bus) SubscribeEval(onEvent func(*contract.EvalEvent)) (func() error, er
 	return b.inner.SubscribeEval(onEvent)
 }
 
-// SubscribeUsage 订阅 dispatcher 回写的任务 token 用量（累计到用户日预算 / 计费）。
-func (b *Bus) SubscribeUsage(onEvent func(*contract.UsageEvent)) (func() error, error) {
-	return b.inner.SubscribeUsage(onEvent)
+// ConsumeUsage 持久消费 dispatcher 回写的任务 token 用量（计费，at-least-once + 幂等）。
+func (b *Bus) ConsumeUsage(ctx context.Context, h func(context.Context, *contract.UsageEvent) error) (func(context.Context), error) {
+	return b.inner.ConsumeUsage(ctx, h)
 }
 
 // ServeConfig 让网关作为配置控制面，响应某 kind 的配置请求。

sundynix-gateway/internal/store/usage.go

@@ -57,12 +57,13 @@ func tokensPerCreditEnv() float64 {
 	return 1000
 }
 
-// SaveUsageEvent 折算 credits + cost 并幂等落一条用量明细。
+// SaveUsageEvent 折算 credits + cost 并幂等落一条用量明细。返回 inserted（是否本次新插入）：
+// 供调用方据此只在"新插入"时更新非幂等的旁路（如 Redis 日计数），保证 at-least-once 重投下不重复累计。
 // 折算模型：ev.Model 优先；为空则回退当前激活 chat 模型（近似——忽略 failover 到备用模型的情形）。
 // 缺 Pricing → cost=0、weight=1（计量不因缺价而丢量，可事后补价重算）。
-func (p *Postgres) SaveUsageEvent(ctx context.Context, ev *contract.UsageEvent) error {
+func (p *Postgres) SaveUsageEvent(ctx context.Context, ev *contract.UsageEvent) (inserted bool, err error) {
 	if p.db == nil {
-		return nil
+		return false, nil
 	}
 	model := ev.Model
 	if model == "" {
@@ -96,7 +97,7 @@ func (p *Postgres) SaveUsageEvent(ctx context.Context, ev *contract.UsageEvent)
 
 	// 一个事务内：落明细 → 扣积分(账本+余额) → 累加 rollup。
 	// 幂等锚点：usage_event 的 task_id 唯一；插入若被冲突吞掉(RowsAffected==0)→重投，跳过后续，绝不重复计费。
-	return p.db.WithContext(ctx).Transaction(func(tx *gorm.DB) error {
+	err = p.db.WithContext(ctx).Transaction(func(tx *gorm.DB) error {
 		res := tx.Clauses(clause.OnConflict{
 			Columns:   []clause.Column{{Name: "task_id"}},
 			DoNothing: true,
@@ -107,11 +108,13 @@ func (p *Postgres) SaveUsageEvent(ctx context.Context, ev *contract.UsageEvent)
 		if res.RowsAffected == 0 {
 			return nil // 重投：明细已存在，账本/余额/rollup 均不再动
 		}
+		inserted = true
 		if err := applyUsageCredit(tx, ev.TenantID, ev.TaskID, creditsMicro); err != nil {
 			return err
 		}
 		return upsertRollup(tx, ev.TenantID, day, int64(ev.TotalTok), creditsMicro, costMicros, currency)
 	})
+	return inserted, err
 }
 
 // RecentUsage 返回某租户最近 n 条用量明细（供用户看"最近消耗"）。受租户表→用户 ctx 自动过滤，

sundynix-shared/bus/bus.go

@@ -333,30 +333,60 @@ func (b *Bus) Ping(ctx context.Context, subject string) ([]byte, error) {
 	return msg.Data, nil
 }
 
-// ---- 任务生命周期状态回写（core NATS pub-sub）----
+// ---- 任务生命周期状态回写（JetStream 持久，at-least-once + 幂等落库）----
 
-// PublishTaskStatus 广播一次任务状态流转（dispatcher 调用）。
+// EnsureStatusStream 幂等地创建/更新状态回写流，持久捕获 sundynix.status.task。
+func (b *Bus) EnsureStatusStream(ctx context.Context) error {
+	_, err := b.js.CreateOrUpdateStream(ctx, jetstream.StreamConfig{
+		Name:     contract.StreamStatus,
+		Subjects: []string{contract.SubjectTaskStatus},
+		Storage:  jetstream.FileStorage,
+		MaxAge:   24 * time.Hour, // 状态一天内必被消费，过期回收防无限增长
+	})
+	return err
+}
+
+// PublishTaskStatus 发布一次任务状态流转到持久流（dispatcher 调用）；同步等 stream ack，失败即返回。
 func (b *Bus) PublishTaskStatus(ev *contract.TaskStatusEvent) error {
 	data, err := json.Marshal(ev)
 	if err != nil {
 		return err
 	}
-	return b.nc.Publish(contract.SubjectTaskStatus, data)
+	ctx, cancel := context.WithTimeout(context.Background(), 5*time.Second)
+	defer cancel()
+	_, err = b.js.Publish(ctx, contract.SubjectTaskStatus, data)
+	return err
 }
 
-// SubscribeTaskStatus 订阅任务状态流转（网关调用，落 PG + 推 UI）。
-// 队列组订阅：多网关副本下每条状态只由一个副本落库，避免重复写（HA）。
-func (b *Bus) SubscribeTaskStatus(onEvent func(*contract.TaskStatusEvent)) (unsub func() error, err error) {
-	sub, err := b.nc.QueueSubscribe(contract.SubjectTaskStatus, contract.QueueGateway, func(m *nats.Msg) {
-		var ev contract.TaskStatusEvent
-		if json.Unmarshal(m.Data, &ev) == nil {
-			onEvent(&ev)
-		}
+// ConsumeTaskStatus 持久消费任务状态并落库（网关调用）。h 返回 error → Nak 重投（落库失败自愈）；
+// nil → Ack。多网关副本共用同一 durable，队列式分摊（HA）。落库幂等，重投不致错。
+func (b *Bus) ConsumeTaskStatus(ctx context.Context, h func(context.Context, *contract.TaskStatusEvent) error) (drain func(context.Context), err error) {
+	cons, err := b.js.CreateOrUpdateConsumer(ctx, contract.StreamStatus, jetstream.ConsumerConfig{
+		Durable:       contract.ConsumerStatus,
+		AckPolicy:     jetstream.AckExplicitPolicy,
+		FilterSubject: contract.SubjectTaskStatus,
+		AckWait:       time.Minute,
+		MaxAckPending: 512,
 	})
 	if err != nil {
-		return nil, fmt.Errorf("subscribe task status: %w", err)
+		return nil, fmt.Errorf("create status consumer: %w", err)
 	}
-	return sub.Unsubscribe, nil
+	cc, err := cons.Consume(func(msg jetstream.Msg) {
+		var ev contract.TaskStatusEvent
+		if json.Unmarshal(msg.Data(), &ev) != nil {
+			_ = msg.Term() // 脏数据，丢弃不重投
+			return
+		}
+		if herr := h(extractTrace(context.Background(), nats.Header(msg.Headers())), &ev); herr != nil {
+			_ = msg.Nak() // 落库失败 → 重投兜底
+			return
+		}
+		_ = msg.Ack()
+	})
+	if err != nil {
+		return nil, fmt.Errorf("consume task status: %w", err)
+	}
+	return func(context.Context) { cc.Stop() }, nil
 }
 
 // ---- 自动化评测结果回写（core NATS pub-sub）----
@@ -384,28 +414,58 @@ func (b *Bus) SubscribeEval(onEvent func(*contract.EvalEvent)) (unsub func() err
 	return sub.Unsubscribe, nil
 }
 
-// PublishUsage 广播一次任务 token 用量（dispatcher 收尾调用）。
+// EnsureUsageStream 幂等地创建/更新用量回写流，持久捕获 sundynix.usage.task（计费凭据不丢）。
+func (b *Bus) EnsureUsageStream(ctx context.Context) error {
+	_, err := b.js.CreateOrUpdateStream(ctx, jetstream.StreamConfig{
+		Name:     contract.StreamUsage,
+		Subjects: []string{contract.SubjectUsage},
+		Storage:  jetstream.FileStorage,
+		MaxAge:   72 * time.Hour, // 计费留足追赶窗口（网关长时间离线后仍能补齐）
+	})
+	return err
+}
+
+// PublishUsage 发布一次任务 token 用量到持久流（dispatcher 收尾调用）；同步等 stream ack。
 func (b *Bus) PublishUsage(ev *contract.UsageEvent) error {
 	data, err := json.Marshal(ev)
 	if err != nil {
 		return err
 	}
-	return b.nc.Publish(contract.SubjectUsage, data)
+	ctx, cancel := context.WithTimeout(context.Background(), 5*time.Second)
+	defer cancel()
+	_, err = b.js.Publish(ctx, contract.SubjectUsage, data)
+	return err
 }
 
-// SubscribeUsage 订阅 token 用量（网关调用，累计到用户日预算 / 计费）。
-// 队列组：多副本下每条用量只累加一次，避免日预算被重复计（HA）。
-func (b *Bus) SubscribeUsage(onEvent func(*contract.UsageEvent)) (unsub func() error, err error) {
-	sub, err := b.nc.QueueSubscribe(contract.SubjectUsage, contract.QueueGateway, func(m *nats.Msg) {
-		var ev contract.UsageEvent
-		if json.Unmarshal(m.Data, &ev) == nil {
-			onEvent(&ev)
-		}
+// ConsumeUsage 持久消费用量并计费（网关调用）。h 返回 error → Nak 重投；nil → Ack。
+// 落库幂等（usage_event.task_id 唯一 + 门控）→ 重投绝不重复扣费。多网关副本队列式分摊（HA）。
+func (b *Bus) ConsumeUsage(ctx context.Context, h func(context.Context, *contract.UsageEvent) error) (drain func(context.Context), err error) {
+	cons, err := b.js.CreateOrUpdateConsumer(ctx, contract.StreamUsage, jetstream.ConsumerConfig{
+		Durable:       contract.ConsumerUsage,
+		AckPolicy:     jetstream.AckExplicitPolicy,
+		FilterSubject: contract.SubjectUsage,
+		AckWait:       time.Minute,
+		MaxAckPending: 512,
 	})
 	if err != nil {
-		return nil, fmt.Errorf("subscribe usage: %w", err)
+		return nil, fmt.Errorf("create usage consumer: %w", err)
 	}
-	return sub.Unsubscribe, nil
+	cc, err := cons.Consume(func(msg jetstream.Msg) {
+		var ev contract.UsageEvent
+		if json.Unmarshal(msg.Data(), &ev) != nil {
+			_ = msg.Term()
+			return
+		}
+		if herr := h(extractTrace(context.Background(), nats.Header(msg.Headers())), &ev); herr != nil {
+			_ = msg.Nak()
+			return
+		}
+		_ = msg.Ack()
+	})
+	if err != nil {
+		return nil, fmt.Errorf("consume usage: %w", err)
+	}
+	return func(context.Context) { cc.Stop() }, nil
 }
 
 // ---- 人工审批（HITL，core NATS pub-sub）----

sundynix-shared/contract/task.go

@@ -46,6 +46,13 @@ const (
 	StreamApprovals    = "SUNDYNIX_APPROVALS"  // 审批决定 JetStream 流（持久，决定不因 dispatcher 离线而丢）
 	ConsumerApprovals  = "approval-resumers"   // 审批决定持久消费者（队列组：多副本下每条决定只一个副本处理 resume）
 
+	// 状态 / 用量回写升级为 JetStream 持久（此前 core NATS：网关离线/慢消费者会丢——尤其 usage 丢=漏账）。
+	// 落库幂等（task_id 唯一 + 门控），故 at-least-once 重投安全，不会重复扣费。subject 均在 tasks.> 之外。
+	StreamStatus   = "SUNDYNIX_STATUS" // 任务状态回写流（持久，done/failed 不因网关离线而丢）
+	ConsumerStatus = "gateway-status"  // 状态回写持久消费者（队列组：多网关副本每条只落一次）
+	StreamUsage    = "SUNDYNIX_USAGE"  // 用量回写流（持久，计费凭据不丢）
+	ConsumerUsage  = "gateway-usage"   // 用量回写持久消费者
+
 	// BucketCheckpoints 是 HITL 持久化中断的 JetStream KV 桶名：存 compose 图 checkpoint
 	// （键=task_id）与 resume 记录（键=pending:task_id），dispatcher 重启后可据此恢复在途审批。
 	BucketCheckpoints = "SUNDYNIX_CHECKPOINTS"